人工智能（AI）的浪潮正席卷全球，它不再是科幻电影中的遥远梦想，而是我们日常生活中触手可及的伙伴。从天气预报到语音助手，AI正以惊人的速度改变着世界。而这一切的背后，有一个不起眼的英雄——Agent Development Kit（ADK）。这个由谷歌打造的Python框架，让开发者能轻松构建智能代理，让机器不仅能计算，还能“思考”和“对话”。这篇文章将带你走进ADK的世界，从一行简单的代码开始，逐步解锁它的魔法，打造一个能查天气、打招呼、甚至懂得安全的智能团队。准备好了吗？让我们一起踏上这场从代码到智慧的奇幻旅程！
def get_weather(city: str) -> dict:
if city.lower() == "new york":
return {"status": "success", "report": "The weather in New York is sunny with a temperature of 25 degrees Celsius."}
else:
return {"status": "error", "error_message": f"Weather information for '{city}' is not available."}
def get_current_time(city: str) -> dict:
if city.lower() == "new york":
tz = ZoneInfo("America/New_York")
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")}'}✅
else:
return {"status": "error", "error_message": f"Sorry, I don’t have timezone information for {city}."}
然后，我们用ADK的Agent类把这些工具整合成一个代理：
root_agent = Agent(
name="weather_time_agent",
model="gemini-2.0-flash-exp",
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],
)
from google.adk.agents import Agent
from google.adk.tools import google_search
root_agent = Agent(
name="basic_search_agent",
model="gemini-2.0-flash-exp",
description="Agent to answer questions using Google Search.",
instruction="You are an expert researcher. You always stick to the facts.",
tools=[google_search]
)
def get_weather(city: str) -> dict:
mock_weather_db = {
"newyork": {"status": "success", "report": "The weather in New York is sunny with a temperature of 25°C. "},✅
"london": {"status": "success", "report": "It’s cloudy in London with a temperature of 15°C. "}✅
}
city_normalized = city.lower().replace(" ", "")
return mock_weather_db.get(city_normalized, {"status": "error", "error_message": f"No weather data for '{city}'."})
然后，创建一个天气代理：
weather_agent = Agent(
name="weather_agent_v1",
model="gemini-2.5-pro",
description="Provides weather information for specific cities.",
instruction="Use the 'get_weather' tool to answer weather queries.",
tools=[get_weather]
)
from google.adk.models.lite_llm import LiteLlm
weather_agent_gpt = Agent(
name="weather_agent_gpt",
model=LiteLlm(model="gpt-4o"),
description="Weather info with GPT-4o.",
instruction="Use 'get_weather' for weather queries.",
tools=[get_weather]
)
def block_keyword_guardrail(callback_context: CallbackContext, llm_request: LlmRequest) -> Optional[LlmResponse]:
last_message = next((c.parts[0].text for c in reversed(llm_request.contents) if c.role == 'user' and c.parts), "")
if "BLOCK" in last_message.upper():
return LlmResponse(content=types.Content(role="model", parts=[types.Part(text="Blocked due to keyword 'BLOCK'.")]))
return None
再用before_tool_callback限制工具参数：
def block_paris_tool_guardrail(tool: BaseTool, args: Dict[str, Any], tool_context: ToolContext) -> Optional[Dict]:
if tool.name == "get_weather_stateful" and args.get("city", "").lower() == "paris":
return {"status": "error", "error_message": "Weather checks for 'Paris' are disabled."}
return None
人工智能（AI）的浪潮正席卷全球，它不再是科幻电影中的遥远梦想，而是我们日常生活中触手可及的伙伴。从天气预报到语音助手，AI正以惊人的速度改变着世界。而这一切的背后，有一个不起眼的英雄——Agent Development Kit（ADK）。这个由谷歌打造的Python框架，让开发者能轻松构建智能代理，让机器不仅能计算，还能“思考”和“对话”。这篇文章将带你走进ADK的世界，从一行简单的代码开始，逐步解锁它的魔法，打造一个能查天气、打招呼、甚至懂得安全的智能团队。准备好了吗？让我们一起踏上这场从代码到智慧的奇幻旅程！
🌱 从零开始：一个简单的天气探秘者
想象一下，你坐在电脑前，想让机器告诉你纽约的天气。以前，这可能需要复杂的API调用和冗长的代码。但有了ADK，一切变得像搭积木一样简单。我们先从最基础的开始，搭建一个能查天气的代理。
第一步是安装ADK。打开终端，输入几行命令，虚拟环境就搭建好了：
接下来，我们创建一个名叫“multi_tool_agent”的项目文件夹，里面放上几个关键文件：
__init__.py、agent.py和.env。这些文件就像一个新生的智能代理的“骨架”。在agent.py中，我们定义了两个工具函数：get_weather和get_current_time，它们就像代理的“双手”，能抓取天气和时间信息：然后，我们用ADK的
Agent类把这些工具整合成一个代理：简单几行代码，一个能回答“纽约天气如何？”或“现在纽约几点？”的代理就诞生了。运行它也很简单，在终端输入
adk web，浏览器里就会弹出一个交互界面。你可以输入问题，看到代理的回答，甚至用语音和它对话——就像一个会说话的小助手。这就是ADK的魔力：它把复杂的底层逻辑藏起来，让你专注于创造。🎙️ 让代理开口：流媒体的魔法
如果说基础代理是“哑巴助手”，那ADK的流媒体功能就像给它装上了“声带”。在“Quickstart (Streaming)”文档中，我们学会了如何让代理不仅能听懂文字，还能处理语音和视频。
这次我们打造一个“谷歌搜索代理”。项目结构稍有不同：
在
agent.py中，我们定义了一个简单的搜索代理：配置好API密钥后，运行
adk web，你就可以对着麦克风问：“纽约的天气如何？”代理会通过谷歌搜索实时回答，甚至能“边想边说”，答案像流水一样呈现在屏幕上。更酷的是，打开摄像头，问“这是什么？”，它还能描述镜头里的景象。这种实时双向交互，让代理从静态的工具变成了活生生的对话伙伴。但这只是开始。文档还展示了如何用FastAPI打造一个自定义流媒体应用。
main.py和index.html的组合，让你可以用WebSocket实现双向通信。试着问“Gemini是什么？”，你会看到答案逐字显现，就像和朋友聊天一样自然。这种流媒体技术，不仅让交互更流畅，还为未来的多模态应用（语音、图像、视频）打开了大门。🤝 团队合作：从独奏到交响乐
单个代理虽然强大，但真正的智慧往往来自协作。在“Tutorial”文档中，我们从一个简单的天气代理开始，逐步构建了一个多代理团队，就像从独奏小提琴升级到交响乐团。
🛠️ 工具与代理：分工明确
首先，我们定义了一个基础的天气工具：
然后，创建一个天气代理：
🌐 多模型切换：智慧的选择
ADK通过LiteLLM支持多种大模型。我们可以用GPT-4o或Claude Sonnet替换Gemini：
不同模型的回答风格可能略有差异，就像请教不同的气象学家，但核心逻辑保持一致。这种灵活性让开发者能根据任务需求选择最优模型。
👥 代理团队：各司其职
接下来，我们加入了打招呼和告别的子代理：
根代理负责协调：
试着问“Hi!”、“New York weather?”和“Bye!”，你会看到根代理聪明地把任务分派给合适的子代理，就像一个高效的团队主管。
🧠 记忆的力量：从健忘到长情
没有记忆的代理就像一个失忆的朋友，每次对话都像初次见面。ADK的Session State让代理有了“记忆力”。我们升级天气工具，让它根据用户的温度单位偏好（摄氏度或华氏度）调整输出：
根代理更新为：
初始化会话时设置偏好：
试着查天气，然后切换偏好为“Fahrenheit”，再次查询，你会发现温度单位随之改变。更妙的是，通过
output_key，代理的回答会自动保存到状态中，随时可查。这种记忆能力让交互更自然，像和老朋友聊天。🛡️ 安全的守护：智慧与责任并存
智能固然强大，但无约束的代理可能像脱缰野马。ADK提供了回调机制，确保安全。我们先用
before_model_callback拦截输入：再用
before_tool_callback限制工具参数：更新根代理：
试着输入“BLOCK weather”或查“Paris”的天气，你会发现代理立刻被拦下，就像有了一个尽职的保安。这种安全机制，确保了智慧不会失控。
🌟 未来已来：从天气到宇宙
从一个简单的天气查询，到一个能打招呼、记忆偏好、懂得安全的代理团队，ADK展示了一个从代码到智慧的完整进化过程。它的模块化设计（代理与工具分离）、灵活性（多模型支持）、状态管理（会话记忆）和安全保障（回调机制），为开发者提供了一把万能钥匙。
想更进一步？可以用真实天气API替换模拟数据，或者加入更多子代理，比如预测未来天气的“预言家”。甚至可以用流媒体技术，打造一个能实时语音聊天的天气助手。ADK就像一块未雕琢的宝石，等着你赋予它无限可能。
就像图灵曾问：“机器能思考吗？”今天的ADK回答：不仅能思考，还能对话、协作，甚至守护安全。从算盘到AI的旅程，已然抵达一个新起点——而你，就是下一个探路者。
参考文献