谷歌发布「智能体开发工具包」ADK，来尝个鲜！

谷歌刚发布了 Agent Development Kit (ADK)，一个开源的 Python 框架，旨在简化多智能体应用的构建和开发。

ADK 提供了跨智能体开发生命周期的功能，包括构建模块化智能体、集成各种 AI 模型（如 Gemini 和通过 LiteLLM 集成的第三方模型）、使用预构建或自定义工具、实现流式交互以及定义灵活的工作流程。

与 MCP 关系

ADK 支持模型上下文协议 (MCP)，允许代理连接到各种数据源和工具。因此，ADK 可以被认为是 Google 对 MCP 的一种实现或利用，而不是「Google 版本的 MCP」。ADK 允许使用 MCP 工具，并支持构建 MCP 服务器。

用更通俗易懂的方式介绍一下 Google 的 ADK，希望能够让大家快速理解它的用处。

想象一下，你想要打造一个像钢铁侠的贾维斯那样的人工智能助手。这个助手需要能听懂你的指令，连接各种服务（比如日历、邮件、地图），帮你处理各种事务。听起来很酷，但要自己从头开始做，会非常复杂，需要花费大量的时间和精力。

这时候，ADK 就派上用场了！你可以把它想象成一个「积木工具箱」，Google 已经帮你准备好了各种各样的「积木」，比如：

• 连接器：可以轻松连接到各种常用的服务，比如 Google Calendar、Gmail、地图等等。
• 智能体：可以创建各种各样的智能体，每个负责完成特定的任务，比如「会议安排」、「邮件整理」、「信息查询」等等。
• 工作流：可以将这些智能体组合起来，形成复杂的工作流程，让它们协同工作，完成更复杂的任务。

因此，使用 ADK 的好处显而易见：

• 简化开发：不再需要从零开始编写代码，而是可以利用 ADK 提供的「积木」快速搭建你的智能助手。
• 提高效率：ADK 帮你处理了许多底层细节，让你更专注于业务逻辑的实现，从而提高开发效率。
• 降低成本：节省了开发时间和人力成本。
• 易于扩展：ADK 具有良好的扩展性，你可以根据自己的需求添加新的「积木」，定制你的智能助手。

总而言之，ADK 就是一个让你更容易、更快速、更低成本地构建多智能体系统的工具。就像有了乐高积木，你可以更容易地搭建出各种各样的模型一样，有了 ADK，你就可以更容易地构建出各种各样的智能助手！

牛刀小试

先安装 adk，

pip install google-adk

再创建一个文件夹 g_agent，然后写三个文件。

文件 1：g_agent/agent.py

# g_agent/agent.py
from google.adk.agents import Agent
from google.adk.tools import google_search

root_agent = Agent(
    name="search_assistant",
    model="gemini-2.0-flash-exp", # Or your preferred Gemini model
    instruction="You are a helpful assistant. Answer user questions using Google Search when needed.",
    description="An assistant that can search the web.",
    tools=[google_search]
)

文件 2：g_agent/__init__.py

# g_agent/__init__.py
from . import agent

文件 3: g_agent/.env，设置你的 API Key

# g_agent/.env
# If using Gemini via Google AI Studio
GOOGLE_GENAI_USE_VERTEXAI="False"
GOOGLE_API_KEY="paste-your-actual-key-here"

# # If using Gemini via Vertex AI on Google CLoud
# GOOGLE_CLOUD_PROJECT="your-project-id"
# GOOGLE_CLOUD_LOCATION="your-location" #e.g. us-central1
# GOOGLE_GENAI_USE_VERTEXAI="True"

然后，命令行启动 web ui。

adk web

选择我们刚建的智能体，

搜索助手启动了，然后可以跟它对话了。

上面例子完全是手撸建起来，但其实可以参看别人的例子，比如官方提供的示例。

开发流程

根据 GitHub 上的 ADK 示例代码库，开发工作流程的核心步骤包括：

• 安装 ADK Samples： 确保已安装并配置 Agent Development Kit，遵循 ADK 安装指南。这与 Google 提供的 ADK 文档也一致，需要首先进行环境设置和 ADK 的安装。

• 设置环境变量：每个智能体示例依赖 .env 文件进行配置，例如 API 密钥和 Google Cloud 项目 ID。需要在每个要运行的智能体目录下创建 .env 文件。

• 克隆代码库：通过 git clone https://github.com/google/adk-samples.git 克隆示例代码库。

• 探索智能体：导航到 agents/ 目录，查看 agents/README.md 以了解可用智能体的概述和分类，并浏览各个子目录，每个子目录包含一个具体的示例智能体及其自身的 README.md。

• 运行智能体：选择一个智能体，导航到其目录（例如 cd agents/llm-auditor），并按照该智能体的 README.md 文件中的说明进行特定设置（例如通过 poetry install 安装依赖项）和运行智能体。

看一下 https://github.com/google/adk-samples.git 里的例子。

比如这个检索增强生成 RAG 例子，用于回答与你上传到 RAG 引擎的文档相关的问题。它利用 RAG 和 Vertex AI RAG 引擎来获取相关文档片段和代码引用，然后由 LLM（Gemini）合成，以提供包含引用的信息答案。

多智能体协作

咱用上面构建的搜索智能体搜到个很好的例子：https://github.com/sokart/adk-walkthrough。可以学习如何设计多个专用智能体协作的系统。通过构建一个编排智能体，它将任务委托给子智能体（如算术智能和语法智能体），演示子智能体参数的功能并定义交互流。

好了，对 ADK 的介绍就到这里啦。

2025 年将是 AI 智能体开发兴起的时间，如果还没有了解相关概念的话，赶紧看一下谷歌之前发布的智能体白皮书。