> ## Content Index
> Fetch the complete content index at: https://www.hubwiz.com/blog/llms.txt
> Use this file to discover other available public pages before exploring further.

# Google ADK AI简明教程
- URL: https://www.hubwiz.com/blog/google-adk-concise-tutorial/
- Published: 2025-04-21T01:38:43.000Z
- Updated: 2025-04-21T01:40:27.000Z
- Description: 谷歌的 Agent Development Kit (ADK) 是一个全新的开源框架，旨在让构建高级AI代理变得更简单、更快捷、更易获得。
- Author: admin
- Tags: LIBRARY, GOOGLE ADK, AGENT, #Import 2026-10-14 14:41

谷歌刚刚发布了 **Agent Development Kit (ADK)** — 如果你对构建AI代理感兴趣，这绝对是你应该关注的东西。

你可能已经探索过像 **AutoGen** 或 **CrewAI** 这样的框架，它们可以以强大的方式将大型语言模型串联起来。ADK处于类似的领域，但采用了全新的方法，强调 **实时多模态能力**、**代理协作** 和 **超级精简的开发者体验**。

而且这不是研究玩具。ADK 是基于谷歌用于生产级代理的工程实践构建的，让你感觉更像是在使用现代开发工具包，而不是一些抽象的框架。

令人惊讶的是，你可以构建简单的多代理系统，具有实时音频和视频功能、云或本地部署以及内置的UI测试环境——所有这些都可以在 **不到100行代码** 中完成。

在这篇文章中，我将带你了解我是如何使用ADK构建一个智能旅行规划代理的，包括多个子代理——什么有效，什么让我感到惊讶，以及为什么我认为如果你对AI发展的方向感兴趣，这值得一试。

让我们先来看看ADK到底是什么。

## 1、什么是Agent Development Kit (ADK)？

谷歌的 **Agent Development Kit (ADK)** 是一个全新的开源框架，旨在让构建高级AI代理变得更简单、更快捷、更易获得。

与其需要拼凑一堆工具和API，ADK提供了一个统一的框架，直接可用。

以下是它的亮点：

![](https://www.hubwiz.com/blog/content/images/2025/04/image-332.png)

- **模型无关性：** 你可以使用 **任何AI模型**，包括谷歌自己的Gemini模型，这给了你选择最适合你的模型的灵活性。
- **随处部署：** 无论你是本地构建还是在Google云端部署，ADK都不会限制你。
- **设计为互操作性：** 它很容易与现有服务、工具甚至其他框架构建的代理集成。

现在我们已经了解了Google的ADK提供了什么，是时候动手实践了。无论你是刚起步还是想推动代理能做的事情的极限，这才是真正的乐趣开始的地方。 **让我们开始吧！**

## 2、设置环境

在我们开始编写代码之前，让我们设置一个干净的 **环境** 来工作。Google的ADK是以 **Python包** 的形式提供的，因此最好使用 **虚拟环境** 来保持整洁且无冲突。

在你的项目目录中，运行：

```
python -m venv .venv  # 对于Windows或当'python'指向正确版本时  
python3 -m venv .venv # 对于macOS/Linux

```

然后根据你的操作系统激活环境：

```
# macOS / Linux  
source .venv/bin/activate  
  
# Windows (CMD)  
.venv\Scripts\activate.bat  
  
# Windows (PowerShell)  
.venv\Scripts\Activate.ps1

```

## 3、安装ADK

一旦环境激活，通过以下命令安装ADK：

```
pip install google-adk

```

为了确认一切安装正确（这虽然是可选的，但推荐）：

```
pip show google-adk

```

如果一切安装正确，你应该会看到类似下面的输出。

![](https://www.hubwiz.com/blog/content/images/2025/04/image-333.png)

这确认了ADK已准备就绪！

## 4、设置项目结构

既然ADK已经安装好了，现在是时候设置一个Python项目来托管你的代理了。

首先在你的项目目录中创建一个新的文件夹。在我的例子中，我创建了一个名为 `travel_planner` 的文件夹。在这个文件夹内，我创建了子目录 `subagents` 用于存储代理模块，以及 `tools` 用于实用函数和模式。这种结构有助于保持你的代码库整洁且模块化，随着项目的增长，这会让开发和维护变得更加容易。

这是旅行规划项目的完整文件夹结构：

```
travel_planner/  
└── travel_planner/  
    ├── .env                    # 存储环境变量，如API密钥  
    ├── agent.py                # 主协调器 - 将任务分配给子代理    
    ├── subagents/              # 存放不同代理模块的文件夹  
    │   ├── flight_agent.py     # 处理航班搜索和建议  
    │   └── hotel_agent.py      # 处理酒店搜索和预订  
    ├── tools/                  # 实用函数和工具模式  
    │   ├── schemas.py          # Pydantic或自定义模式，确保代理间数据一致性  
    └── __init__.py             # 将travel_planner设为Python包

```

别担心立即创建所有这些文件。我们将逐步通过每个文件来构建项目。

## 5、从Google AI Studio获取API密钥

接下来，在跳入代码之前，让我们设置你的环境以安全地连接到 **Gemini**，这个LLM将为你的代理提供动力。

> 虽然本指南使用 **Gemini** 通过Google AI Studio，但值得注意的是，你可以通过工具如 [**LiteLLM**](https://github.com/BerriAI/litellm?ref=hubwiz.com) 连接到各种各样的LLM——包括 **OpenAI、Anthropic等**。如果你想了解设置这些的分步指南，请在 **评论区** 告诉我！

在你的 `travel_planner` 项目根目录下，创建一个 `.env` 文件。这个文件将保存你的认证凭据和配置设置。

但在我们继续设置之前，我们需要先从 **Google AI Studio** 获取一个 **API密钥**。这个密钥允许你的代理安全地与Gemini模型交互。

**a) 前往** [**Google AI Studio**](https://aistudio.google.com/apikey?ref=hubwiz.com)（确保你已登录你的Google账户）

**b) 点击“获取API密钥”。**

![](https://www.hubwiz.com/blog/content/images/2025/04/image-334.png)

**c) 点击“创建API密钥”。**

![](https://www.hubwiz.com/blog/content/images/2025/04/image-335.png)

**d) 点击“在新项目中创建API密钥”**（或“在现有项目中创建API密钥”，如果你已有项目创建）。

![](https://www.hubwiz.com/blog/content/images/2025/04/image-336.png)

**e) 复制生成的API密钥。**

![](https://www.hubwiz.com/blog/content/images/2025/04/image-337.png)

> **重要提示**: 切勿将你的API密钥提交到版本控制或公开分享。将其视为密码对待。

## 6、配置你的 `.env` 文件

现在，打开你喜欢的编辑器——我会使用 **Visual Studio Code** 进行此演练。

然后，打开 `.env` 文件并添加以下内容：

```
GOOGLE_GENAI_USE_VERTEXAI=FALSE  
GOOGLE_API_KEY=YOUR_ACTUAL_API_KEY_HERE

```

将 `YOUR_ACTUAL_API_KEY` 替换为你从Google AI Studio复制的 **API密钥**。

## 7、定义旅行请求

让我们确保所有代理都使用相同的语言。

为此，我们将使用 **Pydantic** 来定义一个共享模式，描述“旅行请求”应该包含的内容，比如你要去哪里、什么时候去、预算是多少。

在 `tools` 文件夹内，创建一个名为 `schemas.py` 的新文件，并添加以下内容：

```
from pydantic import BaseModel  

class TravelInfo(BaseModel):  
    origin: str  
    destination: str  
    start_date: str  
    end_date: str  
    budget_amount: float  
    budget_currency: str  

```

这个小代码块为每个**旅行请求**设定了规则。每个代理都会使用它来正确地理解和处理数据。可以将其视为我们系统的通用语言。

如果你是Pydantic的新手，不要担心——我们会以一种简单的方式使用它，帮助我们保持组织性和避免错误。

## 8、构建子代理

搜索工具已经设置好了，现在是时候创建**子代理**了！这些是专注于特定任务的专门代理，例如查找航班或酒店。我们将定义**航班代理**和**酒店代理**，两者都由Gemini提供动力，以处理每个任务的决策和推理。

我们将使用ADK的**Agent**类轻松集成到Gemini API中。每个代理都有自己的职责和工具来完成任务。

**是什么让一个代理运行？**

让我们快速回顾一下构成一个代理的主要部分：

- `name`：这是我们识别代理的方式。每个代理都有一个唯一的名称。
- `model`：我们使用的是\*\*\*“gemini-2.0-flash-exp”\*\*\*，但你可以根据需要选择任何LLM模型。
- `description`：简短描述代理的功能，相当于它的职位描述！
- `instructions`：这是设定规则的地方。它告诉代理如何表现以及应该做什么。
- `tools`：这些是代理用来完成工作的力量。在这种情况下，我们不实现搜索工具（如航班或酒店搜索）以保持简单。相反，代理将专注于基于给定数据提出模拟建议。

现在，让我们开始构建代理！

### 8.1 航班代理（subagents/flight\_agent.py）

在`subagents`文件夹中创建一个新的文件`flight_agent.py`并添加以下代码：

```python
from google.adk import Agent  

flight_agent = Agent(  
    name="flight_agent",  
    model="gemini-2.0-flash-exp",  
    description="根据出发地、目的地、旅行日期和预算提供建议的航班。",  
    instruction="""  
                  你是一个航班预订代理。协调员会给你以下信息：  
                  - 出发地  
                  - 目的地  
                  - 起始日期  
                  - 结束日期  
                  - 预算金额  
                  - 预算货币  
                    
                  返回1-2个模拟航班选项，包括：  
                  - 航空公司名称  
                  - 出发和返回日期/时间  
                  - 价格（以指定货币表示）  
                  - 班级（经济舱/商务舱）  
                    
                  确保总价格在预算范围内。  
                 """  
)

```

### 8.2 酒店代理（subagents/hotel\_agent.py）

同样，在`subagents`文件夹中创建另一个文件`hotel_agent.py`并添加以下代码：

```python
from google.adk import Agent  

hotel_agent = Agent(  
    name="hotel_agent",  
    model="gemini-2.0-flash-exp",  
    description="在给定的旅行日期内找到符合目的地和预算的酒店。",  
    instruction="""  
                  你是一个酒店预订代理。协调员会给你以下信息：  
                  - 目的地  
                  - 起始日期  
                  - 结束日期  
                  - 预算金额  
                  - 预算货币  
                    
                  返回1-2个模拟酒店建议，包括：  
                  - 酒店名称  
                  - 每晚价格和总成本（以给定货币表示）  
                  - 主要设施  
                    
                  确保总价格符合预算。  
                 """  
)

```

**这里发生了什么？**

- **航班代理**：这个代理专注于寻找航班。它使用提供的信息（如**出发地**、**目的地**、**起始日期**、**结束日期**和**预算**）来建议最佳航班选项。
- **酒店代理**：这个代理专门负责酒店搜索。它使用相同的数据（目的地、日期、预算）来推荐用户价格范围内的合适酒店。

## 10、构建协调员代理

现在你已经有了**航班代理**和**酒店代理**，是时候将它们全部整合到**协调员代理**中了！想想这个代理就像幕后的大脑。

这个代理直接与用户交互。它接收自然语言输入，如“计划下周预算700美元去曼谷的3天旅行”，提取关键细节，并将具体任务分配给适当的子代理。

**协调员代理**将：

- **理解用户**：它接收自然语言输入并提取有用的信息，如你要去哪里、何时去以及预算是多少。
- **填补空白**：如果缺少某些信息（如日期或货币），它会要求澄清或使用智能默认值。
- **召集团队**：一旦收集到所有必要信息，它会将任务分配给**航班**和**酒店**代理。
- **整理一切**：最后，它会生成一份旅行总结，包括航班和酒店选项、估算费用，甚至包括一天的行程示例。

以下是定义**协调员代理**的代码，位于`travel_planner/agent.py`中（注意，这不在与其他代理相同的文件夹中）：

```python
from google.adk import Agent  
from travel_planner.subagents.flight_agent import flight_agent  
from travel_planner.subagents.hotel_agent import hotel_agent  
from travel_planner.tools.schemas import TravelInfo  
from datetime import datetime, timedelta  

today = datetime.today().date()  

coordinator_agent = Agent(  
    name="TravelCoordinator",  
    model="gemini-2.0-flash-exp",  
    description="主要的协调员代理，收集旅行偏好并查询子代理。",  
    instruction=f"""  
                    你是一个旅行规划协调员。  
                    你的任务是从用户那里收集旅行偏好，并与子代理协调，提供航班、酒店建议和日程安排。  
                    你会收到用户的自然语言输入，并需要提取以下详细信息：  
                      
                    注意，总预算应用于航班和酒店建议，不应超过总额。  
                    如果用户没有指定起始日期，而是提到“下周”、“下个月”或“明年”，则通过取今天的日期作为 {today} 来转换为日期格式。  
                      
                    步骤1：从用户的输入中提取以下详细信息：  
                    - 出发地（出发地点）  
                    - 目的地  
                    - 起始日期（格式：YYYY-MM-DD）  
                    - 结束日期（格式：YYYY-MM-DD）  
                    - 预算金额（数字）  
                    - 预算货币（例如，USD，LKR，$）  
                      
                    步骤2：如果有任何细节缺失或不清楚：  
                    - 对于起始日期：如果用户没有提供，请询问他们是否愿意使用 {today} 或指定首选起始日期。  
                    - 对于结束日期：如果用户只提供了天数，请根据 {today} 或提供的起始日期计算结束日期。  
                      如果没有提供起始日期，请询问用户指定一个首选日期或默认为今天的日期。  
                    - 如果用户未提供预算货币，默认假设为“USD”，除非另有说明。  
                      
                    步骤3：一旦收集到所有详细信息：  
                    - 向用户确认旅行偏好（出发地、目的地、起始日期、结束日期、预算）。  
                    - 如果有任何模糊之处，请向用户确认。  
                      
                    步骤4：将数据发送给相应的代理：  
                    - `flight_agent`用于航班建议  
                    - `hotel_agent`用于酒店建议  
                      
                    步骤5：呈现最终结果，结合两个代理的结果和一天的计划，包括：  
                    - 包含所有详细信息的旅行摘要（出发地、目的地、起始日期、结束日期、预算）  
                    - 注意，总预算应用于航班和酒店建议。它不应超过总额。  
                    - 航班建议  
                    - 酒店建议  
                    - 总估算成本  
                    - 旅行的一天计划示例，包括目的地的活动和参观地点。  
                      
                    在引导用户时，请简洁、清晰且友好。如果遇到任何缺失信息，请要求用户澄清。  
                 """,  
    sub_agents=[flight_agent, hotel_agent]  
)  

root_agent = coordinator_agent

```

**协调员代理的工作原理是什么？**

在**协调员代理**中，其他所有内容，如**名称**、**模型**、**描述**和**指令**，与其他代理的工作方式类似。这里的关键新元素是`sub_agents`字段。

`sub_agents`是**航班代理**和**酒店代理**。协调员根据用户的请求将任务委托给他们，分别处理航班和酒店搜索，然后将结果组合成旅行计划。

这个**协调员代理**也被定义为**根代理**，这意味着它是系统中的主要入口点。

## 11、创建`__init__.py`

我们快完成了！

为了让`travel_planner`目录成为一个完整的Python包，创建一个名为`__init__.py`的文件放在里面。

与其留空，我们在这里导入我们的根代理，以便可以从包外部轻松访问它。

以下是`travel_planner/__init__.py`中要添加的内容：

```python
from . import agent

```

就这样——你的项目完成了！多智能体旅行规划器已经**准备就绪！**

## 12、如何运行：与智能体交互的不同方式

现在我们已经完成了系统的设置，并且所有智能体都已准备就绪，是时候看看它们的实际表现了！Agent 开发工具包 (ADK) 提供了几种运行智能体的方式，每种方式都提供了独特的交互方式。让我们分解一下四种主要方法。

![](https://www.hubwiz.com/blog/content/images/2025/04/image-338.png)

截图来自 [**开始使用 Agent 开发工具包**](https://youtu.be/44C8u0CDtSo?si=gLr-W93jzZMpCDag&ref=hubwiz.com) 由 Google for Developers 提供

- **ADK CLI**：想快速运行你的智能体吗？使用命令行界面！它快速、简单，并且可以直接从终端运行。
- **ADK Web**：这是很酷的部分！你会得到一个用 Angular 构建的交互式网络用户界面。你可以与智能体聊天，甚至可以使用语音或视频进行交互。它非常用户友好，非常适合查看你的智能体如何实际工作。
- **ADK API 服务器**：需要你的智能体与其他应用程序或系统一起工作吗？API 服务器将你的智能体作为 REST 端点公开，因此你可以将其集成到任何地方。
- **程序化调用**：如果你喜欢编程，可以从你的程序直接调用智能体，这给了你对它何时以及如何运行的完全控制权。

每种方法都有其独特的优点，具体取决于你的目标是什么。在这个演示中，我将使用 **ADK Web**，因为它允许你通过视觉和实时与你的智能体互动。但如果你更习惯于使用终端，始终可以使用 **ADK CLI** 并运行 `adk run travel_planner` 命令！

## 13、用 ADK Web 运行你的旅行智能体！

在这一部分中，我们将使用 **ADK Web** 来展示我们的旅行协调员智能体的实际表现。此方法允许你通过一个流畅的交互界面与智能体互动，测试其功能并查看它如何管理协调航班和酒店的任务。

使用终端，导航到父目录（`travel_planner`）并运行以下命令。

```
adk web

```

你应该会得到如下结果。

![](https://www.hubwiz.com/blog/content/images/2025/04/image-339.png)

按住 **CTRL**（或 Mac 上的 **CMD**）并单击 [***http://localhost:8000***](http://localhost:8000/?ref=hubwiz.com) 在浏览器中打开 Web 服务器。

这将在浏览器上启动一个交互式界面，如下所示。

![](https://www.hubwiz.com/blog/content/images/2025/04/image-340.png)

在 UI 的左上角，可以在下拉菜单中选择您的智能体。选择 **“travel\_planner”。**

![](https://www.hubwiz.com/blog/content/images/2025/04/image-343.png)

现在，你可以直接使用文本框与 **旅行规划器** 智能体聊天。你甚至可以使用麦克风进行语音交互！

![](https://www.hubwiz.com/blog/content/images/2025/04/image-341.png)

你还可以通过点击操作来检查单独的功能调用、响应和模型输出。

![](https://www.hubwiz.com/blog/content/images/2025/04/image-342.png)

## 14、结束语

现在你已经成功运行了多智能体旅行规划器！你已经看到了 Agent 开发工具包 (ADK) 如何轻松构建和管理智能体，从设置到用户交互。

我尽量以 **尽可能简单** 的方式解释了这一切，这就是为什么它可能显得有点长。但分解内容有助于确你您在进入更高级的概念之前获得坚实的理解。

有了系统就位，真正的乐趣才刚刚开始。你可以扩展它，添加更多智能体、集成新工具或微调其功能。ADK 的灵活性允许你将系统引向任何方向，无论是完善现有功能还是尝试全新的功能。

请随意探索不同的运行智能体的方式，从简洁的 Web 界面到快速简单的 CLI 命令。可能性是无穷的，创新的力量掌握在你的手中。

---

原文链接：[From Zero to Genius: How I Built a Powerful AI Agent with Google’s ADK in Just 100 Lines of Code](https://ai.gopubby.com/from-zero-to-genius-how-i-built-a-powerful-ai-agent-with-googles-adk-in-just-100-lines-of-code-79c16ceba7cc?ref=hubwiz.com)

汇智网翻译整理，转载请标明出处