In dieser Kurzanleitung erfahren Sie, wie Sie ein Google Cloud Projekt einrichten, das Agent Development Kit (ADK) installieren, einen einfachen Agent einrichten und die Entwickleroberfläche ausführen.
In dieser Kurzanleitung wird davon ausgegangen, dass Sie eine lokale IDE (z. B. VS Code oder PyCharm) mit Python 3.10 oder höher und Terminalzugriff verwenden. Der Agent wird vollständig auf Ihrem Computer ausgeführt, was für die lokale Anwendungsentwicklung empfohlen wird.
Hinweise
Gehen Sie folgendermaßen vor:
Google Cloud -Projekt einrichten
Richten Sie Ihr Google Cloud Projekt ein und aktivieren Sie die Vertex AI API.
- Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.
-
In the Google Cloud console, on the project selector page, select or create a Google Cloud project.
-
Make sure that billing is enabled for your Google Cloud project.
-
Enable the Vertex AI API.
-
In the Google Cloud console, on the project selector page, select or create a Google Cloud project.
-
Make sure that billing is enabled for your Google Cloud project.
-
Enable the Vertex AI API.
Anmeldedaten einrichten
Richten Sie die Google Cloud CLI in Ihrem lokalen Terminal ein und authentifizieren Sie sich damit. Wenn Sie mit der Gemini API in Google AI Studio vertraut sind, beachten Sie, dass die Vertex AI Gemini API Identity and Access Management anstelle von API-Schlüsseln zur Verwaltung des Zugriffs verwendet.
-
Installieren und initialisieren Sie Google Cloud CLI.
-
Wenn Sie die gcloud CLI bereits installiert haben, führen Sie diesen Befehl aus, um sicherzustellen, dass Ihre
gcloud-Komponenten auf dem neuesten Stand sind.gcloud components update
-
Führen Sie den folgenden Befehl aus, um eine lokale Datei mit Standardanmeldedaten für Anwendungen (Application Default Credentials, ADC) zu generieren. Ihr Kundenservicemitarbeiter verwendet diese Anmeldedaten, um während der lokalen Anwendungsentwicklung auf Vertex AI zuzugreifen.
gcloud auth application-default login
Weitere Informationen finden Sie unter Standardanmeldedaten für Anwendungen einrichten.
Virtuelle Umgebung einrichten und ADK installieren
Virtuelle Umgebung erstellen und aktivieren (empfohlen):
# Create python -m venv .venv # Activate (uncomment the line relevant to your environment) # macOS/Linux: source .venv/bin/activate # Windows CMD: .venv\Scripts\activate.bat # Windows PowerShell: .venv\Scripts\Activate.ps1ADK installieren:
pip install google-adk
Agent erstellen
Erstellen Sie die Ordnerstruktur über das Terminal:
mkdir multi_tool_agent/
touch \
multi_tool_agent/__init__.py \
multi_tool_agent/agent.py \
multi_tool_agent/.env
Ihr Gebäude:
parent_folder/
multi_tool_agent/
__init__.py
agent.py
.env
Kopieren Sie den folgenden Code und fügen Sie ihn in die folgenden drei von Ihnen erstellten Dateien ein:
__init__.py
from . import agent
.env
# 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"
agent.py
from google.adk.agents import Agent
def get_weather(city: str) -> dict:
"""Retrieves the current weather report for a specified city.
Returns:
dict: A dictionary containing the weather information with a 'status' key ('success' or 'error') and a 'report' key with the weather details if successful, or an 'error_message' if an error occurred.
"""
if city.lower() == "new york":
return {"status": "success",
"report": "The weather in New York is sunny with a temperature of 25 degrees Celsius (41 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:
dict: A dictionary containing the current time for a specified city information with a 'status' key ('success' or 'error') and a 'report' key with the current time details in a city if successful, or an 'error_message' if an error occurred.
"""
import datetime
from zoneinfo import ZoneInfo
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)
return {"status": "success",
"report": f"""The current time in {city} is {now.strftime("%Y-%m-%d %H:%M:%S %Z%z")}"""}
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="I can answer your questions about the time and weather in a city.",
tools=[get_weather, get_current_time]
)
Der Kundenservicemitarbeiter verfügt über zwei Funktionstools mit Mock-Implementierungen.
Agent ausführen und testen
Rufen Sie im Terminal das übergeordnete Verzeichnis des Agents auf (z. B. mit
cd ..):parent_folder/ <-- navigate to this directory multi_tool_agent/ __init__.py agent.py .envFühren Sie den folgenden Befehl aus, um die Web-Benutzeroberfläche für Entwickler zu starten.
adk webÖffnen Sie die angegebene URL (normalerweise
http://localhost:8000oderhttp://127.0.0.1:8000) in Ihrem Browser. Diese Verbindung bleibt vollständig auf Ihrem lokalen Computer. Wählemulti_tool_agentaus und interagiere mit dem Kundenservicemitarbeiter.
Beispiele für Prompts zum Ausprobieren
Du kannst zum Beispiel folgende Vorschläge ausprobieren:
- Wie ist das Wetter in New York?
- Wie spät ist es in New York?
- Wie ist das Wetter in Paris?
- Wie spät ist es in Paris?