Mit ADK und Agents CLI einen KI-Agenten in der Agent Platform erstellen

In diesem Dokument wird gezeigt, wie Sie mit dem Agent Development Kit (ADK) und der Agents CLI in der Agent Platform einen Prototyp eines KI Agenten erstellen, bewerten und bereitstellen. Das ADK ist ein Open-Source-Framework, das auf dem Code-First-Ansatz basiert und zum Erstellen komplexer KI-Agenten dient. Die Agents CLI bietet eine einheitliche, maschinenlesbare Schnittstelle für KI-Entwicklungstools zur Interaktion mit dem ADK und ermöglicht so die End-to-End-Verwaltung des Agentenlebenszyklus. Sie umfasst Expertenwissen zu ADK, Agentenbewertung und Bereitstellung in der Agent Platform Google Cloud, sodass KI-Entwicklungstools komplexe Aktionen über Prompts in natürlicher Sprache ausführen können.

Wenn Sie die Agents CLI mit Ihrem bevorzugten KI-basierten Entwicklungstool wie der Gemini CLI, Claude Code oder Codex verwenden, können Sie Prompts in natürlicher Sprache verwenden, um einen Prototyp eines Agenten zu definieren, lokal zu testen und in einer Google Cloud Laufzeitumgebung bereitzustellen.

In dieser Anleitung erstellen Sie einen „Höhlenmenschen Komprimierer“-Agenten, der ausführliche Texte in prägnante Zusammenfassungen umwandelt, inspiriert von Höhlenmenschen.

Hinweis

Erfüllen Sie die folgenden Voraussetzungen:

  1. Sie benötigen ein Google Cloud Projekt und die Agent Platform API muss aktiviert sein. Wenn nicht, führen Sie eine der folgenden Kurzanleitungen aus:

  2. Installieren Sie ein KI-basiertes Entwicklungstool wie Antigravity, Gemini CLI, Claude Code oder Codex. Dieses Tool ist für die Interaktion mit der Agents CLI erforderlich.

Einrichtung

  1. Installieren Sie uv, ein Python-Paketinstallationsprogramm. Eine Anleitung finden Sie in der Installationsanleitung für uv.

  2. Führen Sie den Einrichtungsbefehl für die Agents CLI mit uvx aus (in uv enthalten). Dies ist der einzige Befehl der Agents CLI, den Sie direkt ausführen:

    uvx google-agents-cli setup

  3. Öffnen Sie Ihr KI-Entwicklungstool, z. B. Antigravity.

Projektgerüst erstellen

Weisen Sie Ihr KI-Entwicklungstool mit dem folgenden Prompt an:

Use agents-cli to build an agent that compresses verbose text into concise, caveman-style summaries.

Ihr KI-Entwicklungstool aktiviert die Skills google-agents-cli-workflow und google-agents-cli-scaffold. Es führt die folgenden Aktionen aus:

  • Stellt klärende Fragen, z. B. zum Bereitstellungsziel und zu Sicherheitsbeschränkungen.
  • Erstellt eine DESIGN_SPEC.md-Datei, in der der Zweck des Agenten beschrieben wird.

  • Erstellt das Projektgerüst:

    agents-cli create caveman-agent --prototype --yes
cd caveman-agent && agents-cli install

Bei diesem Vorgang wird ein Projekt mit Boilerplate-Agentencode, Tests und Bewertungssätzen erstellt.

KI-Agent erstellen

Ihr KI-Entwicklungstool bearbeitet app/agent.py und ersetzt den Standardagenten durch die Logik des Höhlenmenschen-Komprimierers. Dabei wird der Skill google-agents-cli-adk-code für ADK-Entwurfsmuster verwendet.

Die resultierende Agentendefinition sieht in etwa so aus:

root_agent = Agent(
   name="caveman_agent",
   model=Gemini(model="gemini-3.5-flash"),
   instruction="""You are a text compressor. Convert verbose input text into short, simple summaries with a caveman-like tone. Rules:
   - Omit articles, filler words, and politeness.
   - Use short sentences and simple words.
   - Preserve technical terms.
   - The tone should be abrupt and funny, but the core meaning must be retained.

   Example input:  "I would like to deploy the application to production environment."
   Example output: "Me deploy. Production. Now."
   """,
)

Anschließend führt Ihr KI-Entwicklungstool einen grundlegenden Funktionstest aus:

agents-cli run "Please help me understand the deployment options available for my project"

Dies ist die erwartete Ausgabe dieses Tests:

„Deploy options: Agent Runtime, Cloud Run, GKE. Pick one. Ship.“

KI-Agent bewerten

Weisen Sie Ihr KI-Entwicklungstool mit dem folgenden Prompt an, den Agenten zu bewerten:

Write evaluations for the caveman agent and run them.

Ihr KI-Entwicklungstool aktiviert den Skill google-agents-cli-eval und führt die folgenden Aufgaben aus:

  • Erstellt tests/eval/evalsets/caveman.evalset.json mit Testfällen für Komprimierungsqualität, Beibehaltung von Fachbegriffen und Ton.
  • Konfiguriert die LLM-as-Judge-Kriterien in tests/eval/eval_config.json.

  • Führt die Bewertung aus:

    agents-cli eval run

Wenn Testfälle fehlschlagen, geben Sie Ihrem KI-Entwicklungstool korrigierendes Feedback. Beispiel:

Die Antwort auf den Begrüßungstest ist zu höflich. Formuliere sie etwas ruppiger.

Ihr KI-Entwicklungstool passt die Anweisungen des Agenten an, führt agents-cli eval run noch einmal aus und wiederholt den Vorgang, bis die gewünschte Qualität erreicht ist.

KI-Agenten bereitstellen

Weisen Sie Ihr KI-Entwicklungstool an, den Agenten in der Agent Runtime bereitzustellen und auszuführen: Google CloudWeisen Sie Ihr KI-Entwicklungstool an, den Agenten in der Agent Runtime bereitzustellen und auszuführen:

Deploy this agent to Cloud Run.

Ihr KI-Entwicklungstool aktiviert den Skill google-agents-cli-deploy und führt die folgenden Schritte aus:

  • Fügt die erforderliche Konfiguration der Bereitstellungsinfrastruktur hinzu:

    agents-cli scaffold enhance --deployment-target cloud_run

  • Stellt den Agenten bereit:

    agents-cli deploy

Der Agent wurde jetzt in Cloud Run bereitgestellt. Die Ausgabe enthält die Dienst-URL, mit der Sie auf den Agenten zugreifen.

Agent beobachten

Cloud Trace ist standardmäßig aktiviert. Wenn Sie Traces ansehen möchten, öffnen Sie den Cloud Trace Explorer in der Google Cloud Google Cloud Console und senden Sie Anfragen an Ihren bereitgestellten Agenten. Sie sehen Spans für LLM-Aufrufe und Toolausführungen.

Wenn Sie eine detailliertere Beobachtbarkeit aktivieren möchten, weisen Sie Ihr KI-Entwicklungstool an:

Set up observability infrastructure for my agent.

Ihr KI-Entwicklungstool stellt ein Dienstkonto, einen Cloud Storage-Bucket und ein BigQuery-Dataset bereit und aktualisiert den bereitgestellten Dienst, um diese Ressourcen zu verwenden. Weitere Informationen finden Sie im Leitfaden zur Beobachtbarkeit.

Zusammenfassung der Aktionen

In dieser Tabelle sind die Prompts und die entsprechenden Aktionen zusammengefasst, die von Ihrem KI-Entwicklungstool ausgeführt werden:

Nutzeranweisung Aktionen Ihres KI-Entwicklungstools
„Erstelle einen Höhlenmenschen-Komprimierer-Agenten“ Erstellt das Projektgerüst, schreibt Agentencode, testet lokal.
„Erstelle Bewertungen und führe sie aus“ Erstellt einen Bewertungssatz, konfiguriert LLM-as-Judge, führt agents-cli eval run aus.
„Stelle das in Cloud Run bereit“ Fügt die Konfiguration des Bereitstellungsziels hinzu, stellt in Cloud Run bereit.
„Beobachtbarkeit einrichten“ Stellt ein Dienstkonto, einen Cloud Storage-Bucket und ein BigQuery-Dataset bereit.

Die Agents CLI-Skills liefern den erforderlichen Kontext, damit Ihr KI-Entwicklungstool geeignete ADK-Muster verwenden, Bewertungen strukturieren und Bereitstellungen konfigurieren kann.

Nächste Schritte

Mit diesen Prompts können Sie komplexere Agentendesigns erkunden:

  • Tools hinzufügen : „Integriere ein Google-Suchtool, damit der Agent auf aktuelle Informationen zugreifen kann.“
  • Multi-Agenten-Systeme : „Erstelle einen Agenten, der mit anderen Agenten interagieren kann, indem du die Vorlage adk_a2a verwendest.“
  • RAG : „Erstelle einen Agenten, der Fragen anhand unserer Dokumentation beantwortet, indem du die Vorlage agentic_rag verwendest.“

Weitere Informationen zur Agent Platform: