KI-Agent mit ADK und Agents CLI 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 für die Entwicklung komplexer KI-Agenten entwickelt wurde. Die Agents CLI bietet eine einheitliche, maschinenlesbare Schnittstelle für KI-Entwicklungstools, um mit dem ADK zu interagieren und so die End-to-End-Verwaltung des Agentenlebenszyklus zu ermöglichen. Es umfasst das Fachwissen zu ADK, Agent-Bewertung und Bereitstellung für Google 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 Gemini CLI, Claude Code oder Codex verwenden, können Sie mithilfe von Prompts in natürlicher Sprache einen Prototyp-Agent definieren, lokal testen und in einerGoogle Cloud -Laufzeitumgebung bereitstellen.

In dieser Anleitung wird beschrieben, wie Sie einen „Höhlenmenschen-Kompressor“-Agenten erstellen, der ausführlichen Text in prägnante Zusammenfassungen umwandelt, inspiriert von Höhlenmenschen.

Hinweis

Erfüllen Sie die folgenden Voraussetzungen:

Prüfen Sie, ob Sie ein Google Cloud Projekt haben und die Agent Platform API aktiviert haben. Wenn nicht, führen Sie einen der folgenden Schnellstarts aus:
- Google Cloud Kurzanleitung für die Konsole für Agent Studio für die Gemini Enterprise Agent Platform
- API-Kurzanleitung für Modelle
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

Installieren Sie uv, ein Python-Paketinstallationsprogramm. Eine Anleitung finden Sie in der Installationsanleitung für UV.
Führen Sie den Einrichtungsbefehl für die Agents CLI mit uvx aus (in uv enthalten). Dies ist der einzige Agents CLI-Befehl, den Sie direkt ausführen:
```
uvx google-agents-cli setup
```
Öffnen Sie Ihr KI-Entwicklungstool, z. B. Antigravity.

Gerüstprojekt

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. Sie führt die folgenden Aktionen aus:

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

Gerüstet das Projekt:

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

Bei diesem Prozess wird ein Projekt mit Boilerplate-Agent-Code, Tests und Evaluationssets erstellt.

KI-Agent erstellen

Ihr KI-Entwicklungstool bearbeitet app/agent.py und ersetzt den Standard-Agenten durch die Logik des Caveman-Komprimierungstools. Dabei werden die google-agents-cli-adk-code-Skill-Designmuster für das ADK verwendet.

Die resultierende Agent-Definition sieht in etwa so aus:

root_agent = Agent(
   name="caveman_agent",
   model=Gemini(model="gemini-flash-latest"),
   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"

Das ist die erwartete Ausgabe dieses Tests:

„Bereitstellungsoptionen: Agent Runtime, Cloud Run, GKE. Wählen Sie eine aus. Ship.“

KI-Agent bewerten

Um den KI-Agenten zu bewerten, geben Sie den folgenden Prompt in Ihr KI-Entwicklungstool ein:

Write evaluations for the caveman agent and run them.

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

Erstellt tests/eval/evalsets/caveman.evalset.json mit Testläufen, die die Komprimierungsqualität, die Beibehaltung von Fachbegriffen und den Stil abdecken.
Konfiguriert die Kriterien für LLM-as-Judge in tests/eval/eval_config.json.
Führt die Bewertung aus:
```
agents-cli eval run
```

Wenn Testläufe fehlschlagen, geben Sie Ihrem KI-Entwicklungstool Korrektur-Feedback. Beispiel:

Die Antwort auf den Begrüßungstest ist zu höflich. Formuliere das direkter.

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

KI-Agent bereitstellen

So stellen Sie den Agenten auf Google Cloudbereit und führen ihn dort aus:

Deploy this agent to Cloud Run.

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

Fügt die erforderliche Konfiguration für die Bereitstellungsinfrastruktur hinzu:
```
agents-cli scaffold enhance --deployment-target cloud_run
```
Stellt den Agenten bereit:
```
agents-cli deploy
```

Der Agent wird jetzt in Cloud Run bereitgestellt. Die Ausgabe enthält die Dienst-URL, die Sie für den Zugriff auf den Agent verwenden.

Agent beobachten

Cloud Trace ist standardmäßig aktiviert. Wenn Sie Traces ansehen möchten, öffnen Sie den Cloud Trace Explorer in der Google Cloud -Konsole und senden Sie Anfragen an Ihren bereitgestellten Agent. Sie sehen Zeiträume für LLM-Aufrufe und Tool-Ausführungen.

Um eine detailliertere Beobachtbarkeit zu ermöglichen, 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 er diese Ressourcen verwendet. Weitere Informationen finden Sie im Observability Guide.

Zusammenfassung der Aktionen

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

Nutzeranleitung	Aktionen für KI‑Entwicklungstools
„Build a caveman compressor agent“ (Erstelle einen Höhlenmenschen-Kompressor-Agent)	Erstellt das Projektgerüst, schreibt Agent-Code und testet lokal.
„Write evals and run them“ (Schreibe Tests und führe sie aus)	Erstellt eine Evaluierungsmenge, konfiguriert LLM als Judge und führt `agents-cli eval run` aus.
„In Cloud Run bereitstellen“	Fügt die Konfiguration des Bereitstellungsziels hinzu und stellt die Anwendung in Cloud Run bereit.
„Observability einrichten“	Stellt ein Dienstkonto, einen Cloud Storage-Bucket und ein BigQuery-Dataset bereit.

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

Nächste Schritte

Entdecken Sie komplexere Agentendesigns mit diesen Prompts:

Tools hinzufügen: „Integriere ein Google Suche-Tool, damit der Agent auf aktuelle Informationen zugreifen kann.“
Multi-Agenten-Systeme: „Erstelle einen Agenten, der mithilfe der Vorlage adk_a2a mit anderen Agenten interagieren kann.“
RAG: „Erstelle einen Agenten, der Fragen auf Grundlage unserer Dokumentation mit der Vorlage agentic_rag beantwortet.“

Weitere Informationen zur Agent Platform:

ADK: Agentische Architekturen erstellen, bereitstellen und orchestrieren.
Agent Runtime: Hier können Sie Agenten erstellen, bereitstellen und verwalten.
Preise: Informationen zu den Preisen für die Agent Platform.
Kurzanleitung für die Agents-Befehlszeile

KI-Agent mit ADK und Agents CLI in der Agent Platform erstellen Mit Sammlungen den Überblick behalten Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.