Google ADK Python 技能
您是 Google Agent Development Kit (ADK) Python 的专家指南——这是一个开源的、代码优先的工具包,用于构建、评估和部署 AI 智能体。
何时使用此技能
当用户需要以下场景时,请使用此技能:
- 构建具有工具集成和编排能力的 AI 智能体
- 创建具有分层协调机制的多智能体系统
- 为可预测的流程实现工作流智能体(顺序、并行、循环)
- 将 LLM 驱动的智能体与 Google 搜索、代码执行或自定义工具集成
- 将智能体部署到 Vertex AI Agent Engine、Cloud Run 或自定义基础设施
- 系统性地评估和测试智能体性能
- 实现工具执行的人机协作审批流程
核心概念
智能体类型
LlmAgent:LLM 驱动的智能体,具备动态路由和自适应行为
- 使用名称、模型、指令、描述和工具进行定义
- 支持子智能体进行委托和协调
- 基于上下文的智能决策
工作流智能体:结构化的、可预测的编排模式
- SequentialAgent:按定义顺序执行智能体
- ParallelAgent:并发运行多个智能体
- LoopAgent:使用迭代逻辑重复执行
BaseAgent:自定义智能体实现的基础
关键组件
工具生态系统:
- 预置工具 (google_search, code_execution)
- 作为工具的自定义 Python 函数
- OpenAPI 规范集成
- 用于人工审批的工具确认流程
多智能体架构:
- 分层智能体组合
- 面向特定领域的专业化智能体
- 用于委托的协调智能体
安装
# 稳定版本(推荐)
pip install google-adk
# 开发版本(最新特性)
pip install git+https://github.com/google/adk-python.git@main
实现模式
带工具的单智能体
from google.adk.agents import LlmAgent
from google.adk.tools import google_search
agent = LlmAgent(
name="search_assistant",
model="gemini-2.5-flash",
instruction="你是一个乐于助人的助手,负责在网上搜索信息。",
description="用于网络查询的搜索助手",
tools=[google_search]
)
多智能体系统
from google.adk.agents import LlmAgent
# 专业化智能体
researcher = LlmAgent(
name="Researcher",
model="gemini-2.5-flash",
instruction="使用网络搜索彻底研究主题。",
tools=[google_search]
)
writer = LlmAgent(
name="Writer",
model="gemini-2.5-flash",
instruction="根据研究结果撰写清晰、引人入胜的内容。",
)
# 协调智能体
coordinator = LlmAgent(
name="Coordinator",
model="gemini-2.5-flash",
instruction="将任务委托给研究员和写手智能体。",
sub_agents=[researcher, writer]
)
自定义工具创建
from google.adk.tools import Tool
def calculate_sum(a: int, b: int) -> int:
"""计算两个数字的和。"""
return a + b
# 将函数转换为工具
sum_tool = Tool.from_function(calculate_sum)
agent = LlmAgent(
name="calculator",
model="gemini-2.5-flash",
tools=[sum_tool]
)
顺序工作流
from google.adk.agents import SequentialAgent
workflow = SequentialAgent(
name="research_workflow",
agents=[researcher, summarizer, writer]
)
并行工作流
from google.adk.agents import ParallelAgent
parallel_research = ParallelAgent(
name="parallel_research",
agents=[web_researcher, paper_researcher, expert_researcher]
)
人机协作
from google.adk.tools import google_search
# 需要确认的工具
agent = LlmAgent(
name="careful_searcher",
model="gemini-2.5-flash",
tools=[google_search],
tool_confirmation=True # 执行前需要审批
)
部署选项
Cloud Run 部署
# 容器化智能体
docker build -t my-agent .
# 部署到 Cloud Run
gcloud run deploy my-agent --image my-agent
Vertex AI Agent Engine
# 部署到 Vertex AI 以实现可扩展的智能体托管
# 与 Google Cloud 的托管基础设施集成
自定义基础设施
# 在本地或自定义服务器上运行智能体
# 完全控制部署环境
模型支持
针对 Gemini 优化:
- gemini-2.5-flash
- gemini-2.5-pro
- gemini-1.5-flash
- gemini-1.5-pro
模型无关:尽管针对 Gemini 进行了优化,但 ADK 通过标准 API 支持其他 LLM 提供商。
最佳实践
- 代码优先理念:在 Python 中定义智能体,以实现版本控制、测试和灵活性
- 模块化设计:创建针对特定领域的专业化智能体,并组合成系统
- 工具集成:利用预置工具,使用自定义函数进行扩展
- 评估:根据测试用例系统性地测试智能体
- 安全性:为敏感操作实现确认流程
- 分层结构:为复杂多智能体工作流使用协调智能体
- 工作流选择:为可预测的流水线选择工作流智能体,为动态路由选择 LLM 智能体
常见用例
- 研究助手:网络搜索 + 摘要 + 报告生成
- 代码助手:代码执行 + 文档 + 调试
- 客户支持:查询路由 + 知识库 + 升级
- 内容创作:研究 + 写作 + 编辑流水线
- 数据分析:数据获取 + 处理 + 可视化
- 任务自动化:具有条件逻辑的多步骤工作流
开发 UI
ADK 包括内置界面,用于:
- 交互式测试智能体行为
- 调试工具调用和响应
- 评估智能体性能
- 迭代智能体设计
资源
- GitHub:https://github.com/google/adk-python
- 文档:https://google.github.io/adk-docs/
- llms.txt:https://raw.githubusercontent.com/google/adk-python/refs/heads/main/llms.txt
实现工作流
实现基于 ADK 的智能体时:
- 定义需求:确定智能体能力和所需工具
- 选择架构:单智能体、多智能体或基于工作流
- 选择工具:预置、自定义函数或 OpenAPI 集成
- 实现智能体:使用指令和工具创建智能体定义
- 本地测试:使用开发 UI 进行迭代
- 添加评估:为系统性验证创建测试用例
- 部署:选择 Cloud Run、Vertex AI 或自定义基础设施
- 监控:跟踪智能体性能并迭代
请记住:ADK 将智能体开发视为传统软件工程——使用版本控制、编写测试,并遵循工程最佳实践。