谷歌开源多智能体开发框架 Agent Development Kit:百行代码构建复杂AI代理,覆盖整个开发周期!

本文涉及的产品
NLP 自学习平台,3个模型定制额度 1个月
NLP自然语言处理_高级版,每接口累计50万次
NLP自然语言处理_基础版,每接口每天50万次
简介: 谷歌开源的Agent Development Kit(ADK)是首个代码优先的Python工具包,通过多智能体架构和灵活编排系统,支持开发者在百行代码内构建复杂AI代理,提供预置工具库与动态工作流定义能力。

❤️ 如果你也关注 AI 的发展现状,且对 AI 应用开发感兴趣,我会每日分享大模型与 AI 领域的开源项目和应用,提供运行实例和实用教程,帮助你快速上手AI技术!

🥦 AI 在线答疑 -> 智能检索历史文章和开源项目 -> 丰富的 AI 工具库 -> 每日更新 -> 尽在微信公众号 -> 搜一搜:蚝油菜花 🥦


🤖 "凌晨改代码第7版?谷歌开源框架让AI代理开发像搭乐高!"

大家好,我是蚝油菜花。当开发者还在为智能体系统的复杂架构抓狂时,这个来自谷歌的框架正在重新定义AI代理开发范式!

你是否经历过这些开发噩梦:

  • 🧩 想实现多智能体协作,却在通信协议设计上卡了三周
  • 🔧 调试工具调用链时,发现某个API响应格式不兼容
  • 🚀 本地跑通的智能体,部署到云端直接变成人工智障...

今天要解剖的 Agent Development Kit (ADK),正是破解这些痛点的「智能体开发加速器」!这个开源工具包用三大核心理念重塑开发流程:

  • 代码即架构:Python代码直接定义智能体行为,版本控制轻松搞定
  • 模块化拼装:像搭积木般组合预置工具与自定义函数
  • 云原生设计:从本地调试到云端部署无缝衔接

已有团队用它1天搭建客服机器人,金融公司靠它构建风控智能体网络——你的AI代理,准备好开启工业化生产模式了吗?

🚀 快速阅读

谷歌推出的Agent Development Kit(ADK)是首个代码优先的AI代理开发框架。

  1. 架构革新:支持多智能体层级系统,实现任务自动委派与协同
  2. 开发范式:通过Python代码直接定义工具调用逻辑与工作流程

Agent Development Kit 是什么

Agent Development Kit

ADK采用代码优先的开发理念,开发者可通过Python直接定义智能体的行为逻辑。该框架内置动态路由机制,允许不同层级的智能体根据任务类型自动选择执行路径。

其核心架构支持构建包含主智能体与多个子智能体的复合系统。例如在客服场景中,咨询智能体可将技术问题路由至专业支持智能体,同时保持对话上下文的连贯性。

Agent Development Kit 的主要功能

  • 多智能体协作:支持构建包含协调器、执行器等角色的智能体网络,实现复杂任务分解
  • 工具链集成:预置搜索引擎、代码执行器等基础工具,支持OpenAPI规范扩展
  • 动态工作流:通过SequentialAgent、ParallelAgent等组件定义任务执行顺序
  • 双向流式交互:实时处理文本/音频输入,与Gemini API深度集成
  • 云部署适配:提供容器化方案,支持Cloud Run和Vertex AI平台快速迁移

如何运行 Agent Development Kit

Agent Development Kit (ADK) 可以与 Google Cloud 服务紧密集成。ADK 允许你在代码中直接定义代理行为、编排和工具使用,从而实现强大的调试、版本控制和部署。

安装

你可以使用 pip 安装 ADK:

pip install google-adk

文档

探索完整的文档,获取有关构建、评估和部署代理的详细指南:

功能演示

定义单个代理

from google.adk.agents import Agent
from google.adk.tools import google_search

root_agent = Agent(
    name="search_assistant",
    model="gemini-2.0-flash", # 或者你选择的其他 Gemini 模型
    instruction="你是一个乐于助人的助手。根据需要使用 Google 搜索回答用户问题。",
    description="一个可以搜索网络的助手。",
    tools=[google_search]
)

定义多代理系统

定义一个多代理系统,包含协调代理、问候代理和任务执行代理。然后,ADK 引擎和模型将指导这些代理协同工作以完成任务。

from google.adk.agents import LlmAgent, BaseAgent

# 定义单独的代理
greeter = LlmAgent(name="greeter", model="gemini-2.0-flash", ...)
task_executor = LlmAgent(name="task_executor", model="gemini-2.0-flash", ...)

# 创建父代理并分配子代理
coordinator = LlmAgent(
    name="Coordinator",
    model="gemini-2.0-flash",
    description="我协调问候和任务。",
    sub_agents=[ # 在这里分配子代理
        greeter,
        task_executor
    ]
)

开发 UI

内置的开发 UI 可以帮助你测试、评估、调试和展示你的代理。

开发 UI 示例

评估代理

adk eval \
    samples_for_testing/hello_world \
    samples_for_testing/hello_world/hello_world_eval_set_001.evalset.json

资源


❤️ 如果你也关注 AI 的发展现状,且对 AI 应用开发感兴趣,我会每日分享大模型与 AI 领域的开源项目和应用,提供运行实例和实用教程,帮助你快速上手AI技术!

🥦 AI 在线答疑 -> 智能检索历史文章和开源项目 -> 丰富的 AI 工具库 -> 每日更新 -> 尽在微信公众号 -> 搜一搜:蚝油菜花 🥦

相关文章
|
26天前
|
传感器 机器学习/深度学习 人工智能
AI Agent 十问十答,降低认知摩擦
本文探讨了AI Agent的相关概念和技术细节,包括其定义、与传统软件的区别、构成组件、工作原理及优化方法。AI Agent是一种基于大语言模型(LLM)的智能代理,能感知环境、推理决策并执行任务。相比传统自动化软件,AI Agent具备更强的理解力和自主性,可处理复杂任务。文章分析了Chatbot向AI Agent演进的趋势及其驱动因素,并详解了提升AI Agent效果的关键要素如模型质量、工具选择和指令设计。此外,还讨论了Workflow与LLM的结合方式以及单智能体与多智能体系统的优劣,为理解和应用AI Agent提供了全面视角。
1132 169
|
16天前
|
人工智能 监控 JavaScript
MCP实战之Agent自主决策-让 AI玩转贪吃蛇
MCP服务器通过提供资源、工具、提示模板三大能力,推动AI实现多轮交互与实体操作。当前生态包含Manus、OpenManus等项目,阿里等企业积极合作,Cursor等工具已集成MCP市场。本文以贪吃蛇游戏为例,演示MCP Server实现流程:客户端连接服务端获取能力集,AI调用工具(如start_game、get_state)控制游戏,通过多轮交互实现动态操作,展示MCP在本地实践中的核心机制与挑战。
334 39
MCP实战之Agent自主决策-让 AI玩转贪吃蛇
|
24天前
|
机器学习/深度学习 人工智能 JSON
这个AI把arXiv变成代码工厂,快速复现顶会算法!Paper2Code:AI论文自动转代码神器,多智能体框架颠覆科研复现
Paper2Code是由韩国科学技术院与DeepAuto.ai联合开发的多智能体框架,通过规划、分析和代码生成三阶段流程,将机器学习论文自动转化为可执行代码仓库,显著提升科研复现效率。
181 18
这个AI把arXiv变成代码工厂,快速复现顶会算法!Paper2Code:AI论文自动转代码神器,多智能体框架颠覆科研复现
|
16天前
|
机器学习/深度学习 人工智能 算法
破解生成式AI认知边界:框架思维引擎如何重塑产业智能化未来
该内容深入解析了核心技术架构,涵盖思维链强化系统(DTT)、认知框架建模体系和实时纠偏算法体系。DTT通过多级问题拆解、混合精度推理及分布式验证,大幅提升复杂问题处理能力;认知框架结合知识图谱与逻辑推理,实现精准医疗诊断等应用;实时纠偏算法则通过多级验证机制保障事实与逻辑准确性。整体架构分应用层、框架层和基础层,支持高效、可信的跨领域适配。技术创新体现在混合计算加速、持续学习机制等方面,显著优于传统模型,在事实准确性、逻辑连续性及响应速度上优势明显。
66 28
|
17天前
|
存储 人工智能 NoSQL
表格存储:为 AI 注入“记忆”,构建大规模、高性能、低成本的 Agent Memory 数据底座
本文探讨了AI Agent市场爆发增长背景下的存储需求,重点介绍了Tablestore在Agent Memory存储中的优势。2025年被视为AI Agent市场元年,关键事件推动技术发展。AI Agent的存储分为Memory(短期记忆)和Knowledge(长期知识)。Tablestore通过高性能、低成本持久化存储、灵活的Schemaless设计等特性满足Memory场景需求;在Knowledge场景中,其多元索引支持全文、向量检索等功能,优化成本与稳定性。实际案例包括通义App、某浏览器及阿里云多项服务,展示Tablestore的卓越表现。最后邀请加入钉钉群共同探讨AI技术。
681 14
|
9天前
|
人工智能 开发框架 前端开发
斩获3K+ star,再见传统开发!这款开源AI后台开发框架让效率提升300%
ruoyi-ai 是基于 ruoyi-plus 框架开发的开源 AI 平台,集成 ChatGPT4、DALL·E-3 和 MidJourney 等前沿模型,提供聊天、绘画、语音克隆等全栈式 AI 能力。其核心价值在于多模态交互与企业级部署支持,开发者可快速搭建智能应用,个人用户亦能轻松体验 AI 创作魅力。项目支持自定义知识库训练、AI 绘画生成、语音克隆、弹幕互动等功能,采用 Java17+SpringBoot3.X 技术栈,前后端分离设计,具备高效性能与扩展性。相比同类项目,ruoyi-ai 提供更丰富的功能组合和企业级管理能力,适用于多种场景需求。
100 3
|
25天前
|
人工智能 自然语言处理 测试技术
谷歌AI 多模态 Gemini 2.5 Pro的国内使用教程
在人工智能(AI)的星辰大海中,谷歌再次投下一枚重磅炸弹 💣!他们倾注心血打造的智慧结晶
678 0
|
17天前
|
开发框架 人工智能 Java
破茧成蝶:阿里云应用服务器让传统 J2EE 应用无缝升级 AI 原生时代
本文详细介绍了阿里云应用服务器如何助力传统J2EE应用实现智能化升级。文章分为三部分:第一部分阐述了传统J2EE应用在智能化转型中的痛点,如协议鸿沟、资源冲突和观测失明;第二部分展示了阿里云应用服务器的解决方案,包括兼容传统EJB容器与微服务架构、支持大模型即插即用及全景可观测性;第三部分则通过具体步骤说明如何基于EDAS开启J2EE应用的智能化进程,确保十年代码无需重写,轻松实现智能化跃迁。
183 34
|
16天前
|
人工智能 数据挖掘 大数据
“龟速”到“光速”?算力如何加速 AI 应用进入“快车道”
阿里云将联合英特尔、蚂蚁数字科技专家,带来“云端进化论”特别直播。
59 11
|
1月前
|
开发框架 人工智能 Java
破茧成蝶:传统J2EE应用无缝升级AI原生
本文探讨了技术挑战和解决方案,还提供了具体的实施步骤,旨在帮助企业顺利实现从传统应用到智能应用的过渡。
破茧成蝶:传统J2EE应用无缝升级AI原生

热门文章

最新文章