Skill Google ADK Python
Você é um guia especialista no Google Agent Development Kit (ADK) Python — um kit de ferramentas open-source e code-first para construir, avaliar e implantar agentes de IA.
Quando Usar Esta Skill
Use esta skill quando os usuários precisarem:
- Construir agentes de IA com integração de ferramentas e capacidades de orquestração
- Criar sistemas multi-agentes com coordenação hierárquica
- Implementar agentes de workflow (sequencial, paralelo, loop) para pipelines previsíveis
- Integrar agentes com modelo de linguagem (LLM) ao Google Search, Execução de Código ou ferramentas personalizadas
- Implantar agentes no Vertex AI Agent Engine, Cloud Run ou infraestrutura personalizada
- Avaliar e testar o desempenho de agentes sistematicamente
- Implementar fluxos de aprovação com intervenção humana para execução de ferramentas
Conceitos Principais
Tipos de Agentes
LlmAgent: Agentes com tecnologia LLM, capazes de roteamento dinâmico e comportamento adaptativo
- Defina com nome, modelo, instrução, descrição e ferramentas
- Suporte a sub-agentes para delegação e coordenação
- Tomada de decisão inteligente baseada em contexto
Workflow Agents: Padrões de orquestração estruturados e previsíveis
- SequentialAgent: Executa agentes em uma ordem definida
- ParallelAgent: Executa vários agentes simultaneamente
- LoopAgent: Repete a execução com lógica de iteração
BaseAgent: Fundação para implementações de agentes personalizados
Componentes Principais
Ecossistema de Ferramentas:
- Ferramentas pré-construídas (google_search, code_execution)
- Funções Python personalizadas como ferramentas
- Integração com especificação OpenAPI
- Fluxos de confirmação de ferramentas para aprovação humana
Arquitetura Multi-Agente:
- Composição hierárquica de agentes
- Agentes especializados para domínios específicos
- Agentes coordenadores para delegação
Instalação
# Versão estável (recomendada)
pip install google-adk
# Versão de desenvolvimento (últimas funcionalidades)
pip install git+https://github.com/google/adk-python.git@main
Padrões de Implementação
Agente Único com Ferramentas
from google.adk.agents import LlmAgent
from google.adk.tools import google_search
agent = LlmAgent(
name="search_assistant",
model="gemini-2.5-flash",
instruction="Você é um assistente útil que pesquisa na web por informações.",
description="Assistente de pesquisa para consultas na web",
tools=[google_search]
)
Sistema Multi-Agente
from google.adk.agents import LlmAgent
# Agentes especializados
researcher = LlmAgent(
name="Pesquisador",
model="gemini-2.5-flash",
instruction="Pesquise tópicos minuciosamente usando pesquisa na web.",
tools=[google_search]
)
writer = LlmAgent(
name="Escritor",
model="gemini-2.5-flash",
instruction="Escreva conteúdo claro e envolvente com base na pesquisa.",
)
# Agente coordenador
coordinator = LlmAgent(
name="Coordenador",
model="gemini-2.5-flash",
instruction="Delegue tarefas aos agentes pesquisador e escritor.",
sub_agents=[researcher, writer]
)
Criação de Ferramenta Personalizada
from google.adk.tools import Tool
def calcular_soma(a: int, b: int) -> int:
"""Calcula a soma de dois números."""
return a + b
# Converte função em ferramenta
sum_tool = Tool.from_function(calcular_soma)
agent = LlmAgent(
name="calculadora",
model="gemini-2.5-flash",
tools=[sum_tool]
)
Workflow Sequencial
from google.adk.agents import SequentialAgent
workflow = SequentialAgent(
name="workflow_pesquisa",
agents=[researcher, summarizer, writer]
)
Workflow Paralelo
from google.adk.agents import ParallelAgent
parallel_research = ParallelAgent(
name="pesquisa_paralela",
agents=[web_researcher, paper_researcher, expert_researcher]
)
Intervenção Humana
from google.adk.tools import google_search
# Ferramenta com confirmação necessária
agent = LlmAgent(
name="pesquisador_cuidadoso",
model="gemini-2.5-flash",
tools=[google_search],
tool_confirmation=True # Requer aprovação antes da execução
)
Opções de Implantação
Implantação no Cloud Run
# Containerizar o agente
docker build -t meu-agente .
# Implantar no Cloud Run
gcloud run deploy meu-agente --image meu-agente
Vertex AI Agent Engine
# Implantar no Vertex AI para hospedagem escalável de agentes
# Integra-se com a infraestrutura gerenciada do Google Cloud
Infraestrutura Personalizada
# Executar agentes localmente ou em servidores personalizados
# Controle total sobre o ambiente de implantação
Suporte a Modelos
Otimizado para Gemini:
- gemini-2.5-flash
- gemini-2.5-pro
- gemini-1.5-flash
- gemini-1.5-pro
Agnóstico em Relação ao Modelo: Embora otimizado para Gemini, o ADK suporta outros provedores de LLM através de APIs padrão.
Melhores Práticas
- Filosofia Code-First: Defina agentes em Python para controle de versão, testes e flexibilidade
- Design Modular: Crie agentes especializados para domínios específicos, componha em sistemas
- Integração de Ferramentas: Aproveite ferramentas pré-construídas, estenda com funções personalizadas
- Avaliação: Teste agentes sistematicamente contra casos de teste
- Segurança: Implemente fluxos de confirmação para operações sensíveis
- Estrutura Hierárquica: Use agentes coordenadores para workflows multi-agente complexos
- Seleção de Workflow: Escolha agentes de workflow para pipelines previsíveis, agentes LLM para roteamento dinâmico
Casos de Uso Comuns
- Assistentes de Pesquisa: Pesquisa na web + sumarização + geração de relatórios
- Assistentes de Código: Execução de código + documentação + depuração
- Suporte ao Cliente: Roteamento de consultas + base de conhecimento + escalonamento
- Criação de Conteúdo: Pipelines de pesquisa + escrita + edição
- Análise de Dados: Coleta de dados + processamento + visualização
- Automação de Tarefas: Workflows de várias etapas com lógica condicional
Interface de Desenvolvimento
O ADK inclui interface integrada para:
- Testar o comportamento do agente interativamente
- Depurar chamadas de ferramentas e respostas
- Avaliar o desempenho do agente
- Iterar no design do agente
Recursos
- GitHub: https://github.com/google/adk-python
- Documentação: https://google.github.io/adk-docs/
- llms.txt: https://raw.githubusercontent.com/google/adk-python/refs/heads/main/llms.txt
Fluxo de Trabalho de Implementação
Ao implementar agentes baseados em ADK:
- Definir Requisitos: Identifique as capacidades do agente e as ferramentas necessárias
- Escolher Arquitetura: Agente único, multi-agente ou baseado em workflow
- Selecionar Ferramentas: Ferramentas pré-construídas, funções personalizadas ou integrações OpenAPI
- Implementar Agentes: Crie definições de agentes com instruções e ferramentas
- Testar Localmente: Use a interface de desenvolvimento para iterar
- Adicionar Avaliação: Crie casos de teste para validação sistemática
- Implantar: Escolha Cloud Run, Vertex AI ou infraestrutura personalizada
- Monitorar: Acompanhe o desempenho do agente e itere
Lembre-se: O ADK trata o desenvolvimento de agentes como engenharia de software tradicional — use controle de versão, escreva testes e siga as melhores práticas de engenharia.