5分钟入门Google ADK -- 从零构建你的第一个AI Agent

Google ADK就像AI时代的智能管家，这篇教程带领大家快速构建自己的AI助手：零基础也能三步走！1️⃣安装配置Google ADK环境；2️⃣编写带工具的AI Agent；3️⃣启动Web界面体验对话交互以及友好型调试。五分钟实现功能完整的AI Agent，让编程小白也能轻松玩转Google ADK:)

什么是 Google ADK

Google ADK (Agent Development Kit) 是Google推出的AI代理开发工具包，让开发者能够快速构建功能强大的AI Agent。

今天我们用五分钟时间，带你从零开始构建第一个具备工具调用能力的AI Agent。即使你是编程新手也完全没问题，因为在AI时代最重要的是会与AI对话，技术细节AI都帮你处理好了:)

学完这篇文章，你将具备以下能力：

熟练安装和配置Google ADK开发环境
掌握编写带自定义工具的AI Agent
学会使用Web界面进行Agent调试和交互

1. 环境准备与ADK安装

参考资料：Google ADK 官方快速入门

这里强调一下查阅官方文档的重要性。很多开发者习惯看二手资料，但往往信息滞后或不够准确。养成直接阅读官方一手资料的习惯，不仅能获得最新最准确的信息，还能培养独立解决问题的能力

虚拟环境配置（强烈推荐）

bash 复制代码

# 创建专用虚拟环境
python -m venv .venv

# 激活虚拟环境
# macOS/Linux:
source .venv/bin/activate
# Windows CMD:
# .venv\Scripts\activate.bat
# Windows PowerShell:
# .venv\Scripts\Activate.ps1

Google ADK安装

bash 复制代码

pip install google-adk

2. Agent项目构建

项目结构

根据官方规范，我们需要构建如下项目架构：

bash 复制代码

parent_folder/
    multi_tool_agent/
        __init__.py
        agent.py
        .env

创建项目文件夹

bash 复制代码

mkdir multi_tool_agent/

创建 `init.py`

bash 复制代码

echo "from . import agent" > multi_tool_agent/__init__.py

创建完成后，__init__.py 内容如下：

multi_tool_agent/init.py

python 复制代码

from . import agent

核心Agent实现

bash 复制代码

touch multi_tool_agent/agent.py

将下方完整代码复制到 agent.py 文件：

multi_tool_agent/agent.py

python 复制代码

import datetime
from zoneinfo import ZoneInfo
from google.adk.agents import Agent

def get_weather(city: str) -> dict:
    """Retrieves the current weather report for a specified city.

    Args:
        city (str): The name of the city for which to retrieve the weather report.

    Returns:
        dict: status and result or error msg.
    """
    if city.lower() == "new york":
        return {
            "status": "success",
            "report": (
                "The weather in New York is sunny with a temperature of 25 degrees"
                " Celsius (77 degrees Fahrenheit)."
            ),
        }
    else:
        return {
            "status": "error",
            "error_message": f"Weather information for '{city}' is not available.",
        }


def get_current_time(city: str) -> dict:
    """Returns the current time in a specified city.

    Args:
        city (str): The name of the city for which to retrieve the current time.

    Returns:
        dict: status and result or error msg.
    """

    if city.lower() == "new york":
        tz_identifier = "America/New_York"
    else:
        return {
            "status": "error",
            "error_message": (
                f"Sorry, I don't have timezone information for {city}."
            ),
        }

    tz = ZoneInfo(tz_identifier)
    now = datetime.datetime.now(tz)
    report = (
        f'The current time in {city} is {now.strftime("%Y-%m-%d %H:%M:%S %Z%z")}'
    )
    return {"status": "success", "report": report}


root_agent = Agent(
    name="weather_time_agent",
    model="gemini-2.0-flash",
    description=(
        "Agent to answer questions about the time and weather in a city."
    ),
    instruction=(
        "You are a helpful agent who can answer user questions about the time and weather in a city."
    ),
    tools=[get_weather, get_current_time],
)

创建 `.env` 文件

bash 复制代码

touch multi_tool_agent/.env

3. 设置模型

你的 Agent 需要 LLM 服务来理解用户请求和生成响应，这需要身份验证凭据。

方式一：使用 Google AI Studio（推荐新手）

获取 API 密钥 ：访问 Google AI Studio 获取 API 密钥
配置环境变量 ：打开 multi_tool_agent/.env 文件，复制粘贴以下代码：

multi_tool_agent/.env

bash 复制代码

GOOGLE_GENAI_USE_VERTEXAI=FALSE
GOOGLE_API_KEY=PASTE_YOUR_ACTUAL_API_KEY_HERE

替换API密钥 ：将 PASTE_YOUR_ACTUAL_API_KEY_HERE 替换为你的实际 API 密钥

方式二：使用 Google Cloud Vertex AI

设置 Google Cloud：
- 需要现有的 Google Cloud 账户和项目
- 设置 gcloud CLI
- 从终端运行 gcloud auth login 进行身份验证
- 启用 Vertex AI API
配置环境变量 ：打开 multi_tool_agent/.env 文件：

multi_tool_agent/.env

bash 复制代码

GOOGLE_GENAI_USE_VERTEXAI=TRUE
GOOGLE_CLOUD_PROJECT=YOUR_PROJECT_ID
GOOGLE_CLOUD_LOCATION=LOCATION

4. 运行你的 Agent

切换到Agent项目的上级目录：

bash 复制代码

parent_folder/      <-- 进入到这个目录
    multi_tool_agent/
        __init__.py
        agent.py
        .env

提供三种不同的交互方式：

交互方式1：可视化Web界面（推荐）

启动可视化开发环境：

bash 复制代码

adk web

操作步骤：

第一步： 浏览器访问显示的地址（一般是 http://localhost:8000 或 http://127.0.0.1:8000）

第二步： 页面左上角下拉菜单选择 "multi_tool_agent"

注意事项 ：如果下拉菜单看不到目标agent，检查是否在 multi_tool_agent 的父级目录 执行了 adk web 命令

第三步： 使用页面文本框开始对话：

第四步： 点击左侧 Events 标签页，可以详细查看函数调用过程、参数传递和返回结果：

在 Events 页面还可以点击 Trace 按钮查看每个事件的追踪日志，包括函数调用延迟等性能指标：

交互方式2：命令行终端

直接在终端与Agent对话：

bash 复制代码

adk run multi_tool_agent

看到如下提示即为启动成功：

bash 复制代码

Running agent weather_time_agent, type exit to exit.
[user]:

退出方式：Cmd/Ctrl+C

交互方式3：API服务接口

bash 复制代码

adk api_server

这种方式会创建本地FastAPI服务，方便在正式部署前进行cURL请求测试

查看详细文档进行测试

💡 实战测试用例

参考官方推荐，可以尝试以下测试场景：

What is the weather in New York?
What is the time in New York?
What is the weather in Paris?
What is the time in Paris?

体验AI Agent功能

文本对话测试

在Web界面测试各种场景：

天气查询测试：

vbnet 复制代码

用户：What is the weather in New York?
Agent：🌤️ The weather in New York is sunny with a temperature of 25 degrees Celsius (77 degrees Fahrenheit).

时间查询测试：

sql 复制代码

用户：What is the time in New York?
Agent：🕐 The current time in New York is 2024-06-04 21:30:15 EST-0500

异常情况测试：

csharp 复制代码

用户：What is the weather in Paris?
Agent：❌ Weather information for 'Paris' is not available.

🎉 成就解锁！

恭喜你顺利完成了Google ADK入门之旅👍，现在可以给自己点个赞🎊！

你已经掌握了：

✅ Google ADK环境的完整搭建流程
✅ 带工具调用功能的AI Agent开发技巧
✅ 多种Agent交互界面的使用方法

5分钟入门Google ADK -- 从零构建你的第一个AI Agent

什么是 Google ADK

1. 环境准备与ADK安装

虚拟环境配置（强烈推荐）

Google ADK安装

2. Agent项目构建

项目结构

创建项目文件夹

创建 __init__.py

核心Agent实现

创建 .env 文件

3. 设置模型

方式一：使用 Google AI Studio（推荐新手）

方式二：使用 Google Cloud Vertex AI

4. 运行你的 Agent

交互方式1：可视化Web界面（推荐）

交互方式2：命令行终端

交互方式3：API服务接口

💡 实战测试用例

体验AI Agent功能

文本对话测试

🎉 成就解锁！

创建 `init.py`

创建 `.env` 文件