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 anspruchsvoller KI-Agenten dient. Agents CLI bietet eine einheitliche, maschinenlesbare Schnittstelle für KI-Entwicklungstools, um mit dem ADK zu interagieren. So wird ein End-to-End-Lebenszyklusmanagement für KI-Agenten ermöglicht. Er bündelt Expertenwissen zu ADK, Agentenbewertung und Bereitstellung inGoogle Cloud, sodass KI-Entwicklungstools komplexe Aktionen aus 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 mit Prompts in natürlicher Sprache einen Prototyp-Agenten definieren, lokal testen und in einerGoogle Cloud -Laufzeit bereitstellen.

In dieser Anleitung erstellen Sie einen „Caveman Compressor“-Agenten, der ausführlichen Text in prägnante Zusammenfassungen umwandelt, inspiriert von Caveman.

Hinweis

Erfüllen Sie die folgenden Voraussetzungen:

  1. Sie benötigen ein Google Cloud -Projekt und müssen die Agent Platform API aktiviert haben. 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 im uv-Installationsleitfaden.

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

    uvx google-agents-cli setup

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

Scaffold-Projekt

Geben Sie Ihrem KI-Entwicklungstool den folgenden Prompt:

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. Sie führt die folgenden Aktionen aus:

  • Stellt klärende Fragen, z. B. zum Bereitstellungsziel und zu Sicherheitseinschränkungen.
  • Schreibt eine DESIGN_SPEC.md-Datei, in der der Zweck des KI-Agenten festgehalten wird.

  • Erstellt das Projektgerüst:

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

Dabei wird ein Projekt mit Boilerplate-Agent-Code, Tests und Bewertungssätzen erstellt.

KI-Agent erstellen

Ihr KI-Entwicklungstool bearbeitet app/agent.py und ersetzt den Standard-Agenten durch die Logik des Höhlenmenschen-Kompressors. Es nutzt die google-agents-cli-adk-code-Fähigkeit für ADK-Entwurfsmuster.

Die resultierende Agent-Definition 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."
   """,
)

Ihr KI-Entwicklungstool führt dann einen grundlegenden Funktionstest durch:

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

Dies ist die erwartete Ausgabe dieses Tests:

„Bereitstellungsoptionen: Agent Runtime, Cloud Run, GKE. Wähle einen aus. Ship."

KI-Agent bewerten

Weisen Sie Ihr KI-Entwicklungstool mit dem folgenden Prompt an, den KI-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, die die Komprimierungsqualität, die Beibehaltung von Fachbegriffen und den Tonfall abdecken.
  • Konfiguriert 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 es schroffer.

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

KI-Agent bereitstellen

Wenn Sie den Agenten in Google Cloudbereitstellen und ausführen möchten, weisen Sie Ihr KI-Entwicklungstool so an:

Deploy this agent to Cloud Run.

Ihr KI-Entwicklungstool aktiviert den Skill google-agents-cli-deploy und:

  • Fügt die erforderliche Konfiguration der Bereitstellungsinfrastruktur hinzu:

    agents-cli scaffold enhance --deployment-target cloud_run

  • Stellt den KI-Agenten bereit:

    agents-cli deploy

Der KI-Agent ist jetzt in Cloud Run bereitgestellt. Die Ausgabe enthält die Dienst-URL, über die Sie auf den Agent zugreifen.

Agent beobachten

Cloud Trace ist standardmäßig aktiviert. Öffnen Sie zum Aufrufen von Traces den Cloud Trace-Explorer in der Google Cloud Console und senden Sie Anfragen an Ihren bereitgestellten Agenten. Sie sehen Spans für LLM-Aufrufe und Toolausführungen.

Wenn Sie eine detailliertere Beobachtbarkeit ermöglichen 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, damit diese Ressourcen verwendet werden. 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:

Anleitung für Nutzer Ihre Aktionen für KI-Entwicklungstools
„Agenten für einen Höhlenmenschen-Kompressor erstellen“ Erstellt das Projektgerüst, schreibt den Agent-Code und testet ihn lokal.
„Bewertungen schreiben und ausführen“ Erstellt ein EvalSet, konfiguriert LLM-as-a-Judge und führt agents-cli eval run aus.
„In Cloud Run bereitstellen“ Fügt die Konfiguration des Bereitstellungsziels hinzu und stellt in Cloud Run bereit.
„Beobachtbarkeit einrichten“ Stellt ein Dienstkonto, einen Cloud Storage-Bucket und ein BigQuery-Dataset bereit.

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

Nächste Schritte

Mit diesen Prompts können Sie komplexere Agentendesigns ausprobieren:

  • Tools hinzufügen: „Integrieren Sie ein Google-Suchtool, damit der KI-Agent auf aktuelle Informationen zugreifen kann.“
  • Multi-Agenten-Systeme: „Erstelle einen Agenten, der mit anderen Agenten interagieren kann, und verwende dafür die Vorlage adk_a2a.“
  • RAG: „Erstelle einen Agenten, der Fragen basierend auf unserer Dokumentation mit der Vorlage agentic_rag beantwortet.“

Weitere Informationen zur Agent Platform: