ADK 工程师
使用Agent Development Kit (ADK) 设计和实现生产就绪的智能体及多智能体系统：清晰的代码结构、可测试性、安全的工具使用和部署自动化。
概述
使用此技能来设计和实现可维护、可交付的ADK智能体代码：清晰的模块边界、结构化的工具接口、回归测试以及部署检查清单（本地或Agent Engine）。
前提条件
- 与项目固定版本一致的目标运行时（Python/Java/Go）
- 已安装ADK（以及所需模型/提供商SDK的配置）
- 仓库中存在可用的测试运行器（至少包含单元测试）
- 如果需要部署：具有Google Cloud项目的访问权限以及所选部署目标所需的权限
指令
- 澄清需求：智能体目标、工具接口、延迟/成本约束和部署目标。
- 提出架构：单智能体 vs 多智能体、编排模式、状态策略（Memory Bank / 外部存储）。
- 搭建结构：智能体入口点、工具模块、配置和测试。
- 逐步实现：
- 逐个添加工具，并包含输入验证和结构化输出
- 为每个工具和关键提示流程添加回归测试
- 添加操作防护措施：重试/退避、超时、日志记录和安全错误消息。
- 本地验证（测试 + 烟雾测试提示），并在需要时提供部署计划。
输出
- 具体的架构规划和文件布局
- 包含测试的智能体和工具实现（或补丁）
- 验证检查清单（要运行的命令、预期输出和故障排查）
- 可选：部署说明和部署后健康检查
错误处理
- 构建/测试失败：隔离失败模块，最小化重现，修复并添加回归测试。
- 工具/运行时错误：强制使用结构化错误响应，并在适当情况下进行安全重试。
- 部署失败：提供确切失败命令、要检查的日志以及最小权限的IAM修复措施。
示例
示例：将现有ADK智能体投入生产
- 请求：“在部署前，将此智能体重构为清晰的模块结构并添加测试。”
- 结果：重新组织的
src/布局、工具边界、测试套件和部署检查清单。
示例：多智能体工作流
- 请求：“构建一个由验证器、部署器和监控器组成的智能体团队，并使用顺序编排器。”
- 结果：编排器框架、每个智能体的职责以及每个步骤的烟雾测试。
资源
- 完整详细的操作指南（供参考）：
${CLAUDE_SKILL_DIR}/references/SKILL.full.md - 仓库标准（真实来源）：
000-docs/6767-a-SPEC-DR-STND-claude-code-plugins-standard.md000-docs/6767-b-SPEC-DR-STND-claude-skills-standard.md
- ADK / Agent Engine 文档：https://cloud.google.com/vertex-ai/docs/agent-engine