gemini adk tutorial

MCPAI代理

提供方 tertiarycourses

AI代理 stdio · 本地进程 无需鉴权 社区 / 第三方
查看接入方式

使用Google代理开发工具包(ADK)构建的示例代理集合,适用于需要自动化任务处理和多代理协作的开发场景。

一句话选型结论

按资料字段整理

gemini adk tutorial 属于AI代理类 MCP 服务器,stdio · 本地进程,无需鉴权,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类AI代理 传输方式stdio · 本地进程 鉴权无需鉴权 部署方式本地部署
GitHub 星标 1 仓库热度,无公开仓库时显示未标注
工具数 2 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

AI代理
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量2暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

适用场景

代理开发Python本地部署多代理协作任务自动化LLM集成工具扩展

安装与配置

stdio · 本地进程 无需鉴权
客户端在本机拉起子进程,数据不出本机
pip install google-adk python-dotenv requests tavily-python streamlit

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Node.js 等运行时,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后客户端会列出约 2 个工具,随便调一个只读工具确认能返回结果。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
给代理接外部能力

让代理在任务中途调用搜索、数据库等真实工具。

多步任务编排

把一串操作拆成步骤,由代理按顺序执行。

自动化重复流程

把固定流程交给代理跑,减少手工操作。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 资料标注 2 个工具,职责相对集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在AI代理场景里让模型直接调用外部能力的人。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
gemini adk tutorial当前 2 stdio · 本地进程 本地部署 有 2026-05-17
Filesystem 560c4363 13 未标注 本地部署 无 2026-05-17
Server Everything (everything) 11 stdio · 本地进程 本地部署 有 2026-05-17
Time 7365cb6d 2 SSE · 服务端推送 远程部署 有 2026-05-18
Everything Claude Code 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Openmemory 557e1585 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

AI代理
字段来自项目仓库与公开索引,中文说明由本站标注
提供方tertiarycourses上游标注的维护方 tertiarycourses
分类AI代理本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式无需鉴权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · 未标注本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

3.3 KB
来自项目仓库与上游目录的原文,未做删改

Gemini ADK教程

使用构建的示例代理集合 谷歌的代理开发工具包(ADK).

先决条件

  • Python 3.13+
  • Google API密钥(适用于Gemini型号)
  • 可选:OpenWeather API密钥(适用于天气工具)
  • 可选:Tavilly API密钥(用于网络搜索)

安装```bash

Clone the repository

git clone https://github.com/alfredang/gemini_tutorial.git
cd gemini_tutorial

Install dependencies using uv

uv sync

Or using pip

pip install google-adk python-dotenv requests tavily-python streamlit


## 配置

创建 `.env` 每个代理目录中的文件,其中包含您的API密钥:```env
GOOGLE_GENAI_USE_VERTEXAI=0
GOOGLE_API_KEY=your-google-api-key
OPENWEATHER_API_KEY=your-openweather-key
TAVILY_API_KEY=your-tavily-key

运行代理

使用ADK CLI运行任何代理:```bash

Terminal mode

adk run

Web UI mode

adk web


## 代理示例

|代理|描述|
|-------|-------------|
| `basic_agent` |简单的银行助理代理|
| `multi_tools_agent` |使用OpenWeather和Tavily搜索工具的代理|
| `agent_session` |使用Runner演示会话管理|
| `agent_interact` |显示具有事件处理的代理交互模式|
| `agent_guardrail` |代理与 `before_model_callback` 护栏阻挡关键字|
| `agent_structured_output` |基于Pydantic的结构化输出(配方示例)|
| `agent_mcp` |带StreamableHTTP的MCP(模型上下文协议)|
| `agent_mcp_sse` |符合SSE(服务器发送事件)标准的MCP|
| `agent_model` |具有不同模型配置的代理|
| `transport_agent` |新加坡交通规划的顺序工作流程|
| `transport_agent_yaml` |基于YAML的代理配置(实验)|
| `transport_agent_streamlit` |传输代理的流线型web界面|
| `stock_agent` |股票分析的分层多智能体系统|
| `travel_agent` |多代理旅行规划师,配备专业子代理|
| `tutor_agent` |配备特定学科导师的多代理辅导系统|

## 关键概念

### 代理类型

|代理类型|描述|
|------------|-------------|
| `Agent` / `LlmAgent` |基本LLM驱动代理|
| `SequentialAgent` |按顺序运行子代理|
| `ParallelAgent` |并行运行子代理|

### 使用不同的模型```python
# Gemini (default)
model='gemini-2.0-flash'

# OpenAI via LiteLlm
from google.adk.models.lite_llm import LiteLlm
model=LiteLlm(model="openai/gpt-4o-mini")

添加工具```python

from google.adk.tools import google_search

Built-in tools

tools=[google_search]

Custom function tools

def get_weather(city: str) -> dict:
return {"status": "success", "report": "..."}

tools=[get_weather]


### 次级代理和交接```python
root_agent = Agent(
name="root_agent",
sub_agents=[agent1, agent2],
instruction="Transfer to agent1 for task A, agent2 for task B"
)

护栏```python

def block_keyword_guardrail(callback_context, llm_request):

Block requests containing certain keywords

if "BLOCK" in user_message.upper():
return LlmResponse(content=...)
return None

agent = Agent(
before_model_callback=block_keyword_guardrail,
...
)


### 结构化输出```python
from pydantic import BaseModel

class Recipe(BaseModel):
title: str
ingredients: list[str]

agent = Agent(
output_schema=Recipe,
...
)

使用Streamlit运行```bash

cd transport_agent_streamlit
streamlit run app.py
```

资源

  • 谷歌ADK文档
  • 谷歌ADK GitHub

许可证

麻省理工学院

常见问题

7 问
答案由本站依据条目字段整理,不引用上游原文
gemini adk tutorial 怎么安装?

在客户端按下面的安装命令接入:pip install google-adk python-dotenv requests tavily-python streamlit。装完在客户端配置里引用同一个包或端点。

gemini adk tutorial 怎么在客户端里配置?

它的传输方式未标注,在客户端 MCP 配置里按官方文档填写启动命令和参数,保存后重启客户端生效。

gemini adk tutorial 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

gemini adk tutorial 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

gemini adk tutorial 能提供哪些能力?

资料显示约 2 个工具;能力标签包括 多代理协作、Python、任务自动化。具体工具清单以官方文档为准。

gemini adk tutorial 需要什么运行环境?

属于本地进程,需要在本机装好运行环境。

gemini adk tutorial 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。