Communitygithub.com

Google ADK Python (Kit de Desenvolvimento de Agentes)

Construa agentes de IA com o Google ADK Python (Agent Development Kit). Use para sistemas multi-agentes, agentes de workflow (sequenciais, paralelos, looping), implantação no Vertex AI, integração de ferramentas e fluxos com aprovação humana.

O que é Google ADK Python (Kit de Desenvolvimento de Agentes)?

Esta skill capacita você a construir, avaliar e implantar agentes de IA usando o Google Agent Development Kit (ADK) Python, um kit de ferramentas open-source e code-first. Ela cobre todos os conceitos fundamentais, desde agentes únicos com ferramentas (como pesquisa no Google) até sistemas multi-agentes hierárquicos com agentes coordenadores. Você aprenderá a criar agentes de workflow previsíveis — Sequenciais, Paralelos e em Loop — além de implementar fluxos com intervenção humana (human-in-the-loop) para aprovação antes da execução de ferramentas. A skill também aborda a implantação em plataformas como Vertex AI Agent Engine, Cloud Run ou infraestrutura personalizada, e enfatiza as melhores práticas de engenharia de software, como design modular, testes e controle de versão.

Funciona com✓Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/majiayu000/claude-skill-registry-data/tree/HEAD/agent/google-adk-python-hoanghd218-landing-page-ai-kien-2

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

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

  1. Filosofia Code-First: Defina agentes em Python para controle de versão, testes e flexibilidade
  2. Design Modular: Crie agentes especializados para domínios específicos, componha em sistemas
  3. Integração de Ferramentas: Aproveite ferramentas pré-construídas, estenda com funções personalizadas
  4. Avaliação: Teste agentes sistematicamente contra casos de teste
  5. Segurança: Implemente fluxos de confirmação para operações sensíveis
  6. Estrutura Hierárquica: Use agentes coordenadores para workflows multi-agente complexos
  7. 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

Fluxo de Trabalho de Implementação

Ao implementar agentes baseados em ADK:

  1. Definir Requisitos: Identifique as capacidades do agente e as ferramentas necessárias
  2. Escolher Arquitetura: Agente único, multi-agente ou baseado em workflow
  3. Selecionar Ferramentas: Ferramentas pré-construídas, funções personalizadas ou integrações OpenAPI
  4. Implementar Agentes: Crie definições de agentes com instruções e ferramentas
  5. Testar Localmente: Use a interface de desenvolvimento para iterar
  6. Adicionar Avaliação: Crie casos de teste para validação sistemática
  7. Implantar: Escolha Cloud Run, Vertex AI ou infraestrutura personalizada
  8. 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.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

majiayu000/claude-skill-registry-data

Edit existing BMAD agents while maintaining compliance

majiayu000/claude-skill-registry-data

Edit existing BMAD agents while maintaining compliance

majiayu000/claude-skill-registry-data

Edit existing BMAD modules while maintaining coherence

majiayu000/claude-skill-registry-data

Edit existing BMAD modules while maintaining coherence

majiayu000/claude-skill-registry-data

Analyzes current state and user query to answer BMad questions or recommend the next workflow or agent. Use when user says what should I do next, what do I do now, or asks a question about BMad

majiayu000/claude-skill-registry-data

Build AI agents with Google ADK Python (Agent Development Kit). Use for multi-agent systems, workflow agents (sequential/parallel/loop), Vertex AI deployment, tool integration, human-in-the-loop.

majiayu000/claude-skill-registry-data

Portfolio allocation and rebalancing optimizer. Manages asset allocation across stocks/cash/bonds, performs periodic rebalancing, and ensures diversification according to market regime and risk tolerance.

majiayu000/claude-skill-registry-data

Create a hilarious and ultra-realistic video of an anthropomorphic animal acting like a human vlogger in a real-world setting.

majiayu000/claude-skill-registry-data

Speech-to-text transcription and translation via OpenAI Audio API -- models, response formats, timestamps, prompting, streaming, chunking, and diarization

majiayu000/claude-skill-registry-data

This skill should be used when the user asks about libraries, frameworks, API references, or needs code examples. Activates for setup questions, code generation involving libraries, or mentions of specific frameworks like React, Vue, Next.js, Prisma, Supabase, etc.

majiayu000/claude-skill-registry-data

小省导购员数字人带货版即梦视频提示词生成系统,基于四大智能体协同(提示词生成师、质量管控师、知识库运维师、跨环节适配师),按照"主体+运动+场景+(镜头语言+光影+氛围)"公式输出中英文双版提示词,适配5s短视频。确保人物一致性、视觉连贯性、情绪连贯性,支持知识库智能复用和跨工具适配(Suno音乐、AI绘画),为数字人带货视频提供高质量提示词生成服务。

majiayu000/claude-skill-registry-data

Upload and manage files using Google Gemini File API via scripts/. Use for uploading images, audio, video, PDFs, and other files for use with Gemini models. Supports file upload, status checking, and file management. Triggers on "upload file", "file API", "upload image", "upload PDF", "upload video", "file management".

majiayu000/claude-skill-registry-data

Analyze images/audio/video with Gemini API (better vision than Claude). Generate images (Imagen 4), videos (Veo 3). Use for vision analysis, transcription, OCR, design extraction, multimodal AI.

majiayu000/claude-skill-registry-data

Analyze images/audio/video with Gemini API (better vision than Claude). Generate images (Imagen 4), videos (Veo 3). Use for vision analysis, transcription, OCR, design extraction, multimodal AI.

majiayu000/claude-skill-registry-data

Skill for discovering and researching autonomous AI agents, tools, and ecosystems using the AgentFolio directory.

majiayu000/claude-skill-registry-data

Conduct domain and industry research. Use when the user says "lets create a research report on [domain or industry]

majiayu000/claude-skill-registry-data

Conduct market research on competition and customers. Use when the user says "create a market research report about [business idea]".

majiayu000/claude-skill-registry-data

Conduct technical research on technologies and architecture. Use when the user says "create a technical research report on [topic]".

majiayu000/claude-skill-registry-data

Understand an existing codebase through systematic exploration

majiayu000/claude-skill-registry-data

Builds, edit or validate Agent Skill through conversational discovery. Use when the user requests to "Create an Agent", "Optimize an Agent" or "Edit an Agent".

Habilidades Relacionadas