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
