En esta página, se muestra cómo desarrollar un agente con la plantilla del Kit de desarrollo de agentes (la clase AdkApp
en el SDK de Vertex AI para Python). El agente devuelve el tipo de cambio entre dos monedas en una fecha especificada.
Para ello, sigue estos pasos:
- Define y configura un modelo
- (Opcional) Define y usa una herramienta
- (Opcional) Administrar sesiones
- (Opcional) Administrar recuerdos
Antes de comenzar
Asegúrate de que tu entorno esté configurado con los pasos que se indican en Configura tu entorno.
Define y configura un modelo
Define la versión del modelo:
model = "gemini-2.0-flash"
(Opcional) Configura los parámetros de seguridad del modelo. Si quieres obtener más información sobre las opciones disponibles de parámetros de seguridad en Gemini, consulta Configura los atributos de seguridad. A continuación, se muestra un ejemplo de cómo puedes configurar los parámetros de configuración de seguridad:
from google.genai import types
safety_settings = [
types.SafetySetting(
category=types.HarmCategory.HARM_CATEGORY_DANGEROUS_CONTENT,
threshold=types.HarmBlockThreshold.OFF,
),
]
(Opcional) Especifica los parámetros de generación de contenido:
from google.genai import types
generate_content_config = types.GenerateContentConfig(
safety_settings=safety_settings,
temperature=0.28,
max_output_tokens=1000,
top_p=0.95,
)
Crea un AdkApp
con los parámetros de configuración del modelo:
from google.adk.agents import Agent
from vertexai.agent_engines import AdkApp
agent = Agent(
model=model, # Required.
name='currency_exchange_agent', # Required.
generate_content_config=generate_content_config, # Optional.
)
app = AdkApp(agent=agent)
Si ejecutas el código en un entorno interactivo, como la terminal o un notebook de Colab, puedes ejecutar una consulta como paso de prueba intermedio:
async for event in app.async_stream_query(
user_id="USER_ID", # Required
message="What is the exchange rate from US dollars to Swedish currency?",
):
print(event)
- USER_ID: Elige tu propio ID de usuario con un límite de 128 caracteres.
Por ejemplo,
user-123
La respuesta es un diccionario de Python similar al siguiente ejemplo:
{'actions': {'artifact_delta': {},
'requested_auth_configs': {},
'state_delta': {}},
'author': 'currency_exchange_agent',
'content': {'parts': [{'text': 'To provide you with the most accurate '
'exchange rate, I need to know the specific '
'currencies you\'re asking about. "Swedish '
'currency" could refer to:\n'
'\n'
'* **Swedish Krona (SEK):** This is the '
'official currency of Sweden.\n'
'\n'
"Please confirm if you're interested in the "
'exchange rate between USD and SEK. Once you '
'confirm, I can fetch the latest exchange rate '
'for you.\n'}],
'role': 'model'},
'id': 'LYg7wg8G',
'invocation_id': 'e-113ca547-0f19-4d50-9dde-f76cbc001dce',
'timestamp': 1744166956.925927}
(Opcional) Define y usa una herramienta
Después de definir el modelo, define las herramientas que usa para el razonamiento.
Cuando definas tu función, es importante incluir comentarios que describan de manera completa y clara los parámetros de la función, lo que hace y lo que muestra. El modelo usa esta información para determinar qué función usar. También debes probar la función de forma local para confirmar que funciona.
Usa el siguiente código para definir una función que muestre un tipo de cambio:
def get_exchange_rate(
currency_from: str = "USD",
currency_to: str = "EUR",
currency_date: str = "latest",
):
"""Retrieves the exchange rate between two currencies on a specified date.
Uses the Frankfurter API (https://api.frankfurter.app/) to obtain
exchange rate data.
Args:
currency_from: The base currency (3-letter currency code).
Defaults to "USD" (US Dollar).
currency_to: The target currency (3-letter currency code).
Defaults to "EUR" (Euro).
currency_date: The date for which to retrieve the exchange rate.
Defaults to "latest" for the most recent exchange rate data.
Can be specified in YYYY-MM-DD format for historical rates.
Returns:
dict: A dictionary containing the exchange rate information.
Example: {"amount": 1.0, "base": "USD", "date": "2023-11-24",
"rates": {"EUR": 0.95534}}
"""
import requests
response = requests.get(
f"https://api.frankfurter.app/{currency_date}",
params={"from": currency_from, "to": currency_to},
)
return response.json()
Para probar la función antes de usarla en tu agente, ejecuta el siguiente comando:
get_exchange_rate(currency_from="USD", currency_to="SEK")
La respuesta podría ser similar a la siguiente:
{'amount': 1.0, 'base': 'USD', 'date': '2025-04-03', 'rates': {'SEK': 9.6607}}
Para usar la herramienta dentro de AdkApp
, agrégala a la lista de herramientas en el argumento tools=
:
from google.adk.agents import Agent
agent = Agent(
model=model, # Required.
name='currency_exchange_agent', # Required.
tools=[get_exchange_rate], # Optional.
)
Puedes probar el agente de forma local realizando consultas de prueba en él. Ejecuta el siguiente comando para probar el agente de forma local con dólares estadounidenses y corona sueca:
from vertexai.agent_engines import AdkApp
app = AdkApp(agent=agent)
async for event in app.async_stream_query(
user_id="USER_ID",
message="What is the exchange rate from US dollars to SEK on 2025-04-03?",
):
print(event)
donde USER_ID es el ID de usuario que definiste. Por ejemplo, user-123
La respuesta es una secuencia de diccionarios similar a la siguiente:
{'author': 'currency_exchange_agent',
'content': {'parts': [{'function_call': {'args': {'currency_date': '2025-04-03',
'currency_from': 'USD',
'currency_to': 'SEK'},
'id': 'adk-e39f3ba2-fa8c-4169-a63a-8e4c62b89818',
'name': 'get_exchange_rate'}}],
'role': 'model'},
'id': 'zFyIaaif',
# ...
}
{'author': 'currency_exchange_agent',
'content': {'parts': [{'function_response': {'id': 'adk-e39f3ba2-fa8c-4169-a63a-8e4c62b89818',
'name': 'get_exchange_rate',
'response': {'amount': 1.0,
'base': 'USD',
'date': '2025-04-03',
'rates': {'SEK': 9.6607}}}}],
'role': 'user'},
'id': 'u2YR4Uom',
# ...
}
{'author': 'currency_exchange_agent',
'content': {'parts': [{'text': 'The exchange rate from USD to SEK on '
'2025-04-03 is 9.6607.'}],
'role': 'model'},
'id': 'q3jWA3wl',
# ...
}
Administra sesiones (opcional)
AdkApp
usa sesiones en memoria cuando se ejecuta de forma local y usa sesiones administradas basadas en la nube después de implementar el agente en Vertex AI Agent Engine. En esta sección, se describe cómo configurar tu agente del ADK para que funcione con sesiones administradas.
(Opcional) Personaliza tu base de datos de sesiones
Si deseas anular el servicio de sesión administrada predeterminado con tu propia base de datos, puedes definir una función session_service_builder
de la siguiente manera:
def session_service_builder():
from google.adk.sessions import InMemorySessionService
return InMemorySessionService()
Pasa tu base de datos a AdkApp
como session_service_builder=
:
from vertexai.agent_engines import AdkApp
app = AdkApp(
agent=agent, # Required.
session_service_builder=session_service_builder, # Optional.
)
Cómo usar el agente con sesiones
Cuando ejecutas AdkApp
de forma local, las siguientes instrucciones usan sesiones en memoria:
Crea una sesión para tu agente:
session = await app.async_create_session(user_id="USER_ID")
print(session)
La sesión se crea como la representación de diccionario de un objeto de sesión del ADK.
Enumera las sesiones asociadas con tu agente:
await app.async_list_sessions(user_id="USER_ID")
Obtén una sesión en particular:
session = await app.async_get_session(user_id="USER_ID", session_id="SESSION_ID")
donde
USER_ID es el ID de usuario que definiste. Por ejemplo,
user-123
SESSION_ID es el ID de la sesión específica que deseas recuperar.
Consulta AdkApp
con sesiones:
async for event in app.async_stream_query(
user_id="USER_ID",
session_id=SESSION_ID, # Optional. you can pass in the session_id when querying the agent
message="What is the exchange rate from US dollars to Swedish currency on 2025-04-03?",
):
print(event)
El agente podría responder con una solicitud de información como la siguiente:
{'author': 'currency_exchange_agent',
'content': {'parts': [{'text': 'I need to know the Swedish currency code to '
'provide you with the exchange rate.'}],
'role': 'model'},
'id': 'wIgZAtQ4',
#...
}
Puedes enviar una respuesta (por ejemplo, "SEK"
) en nombre de USER_ID
dentro de la sesión correspondiente a session
especificando lo siguiente:
async for event in app.async_stream_query(
user_id="USER_ID",
session_id=session.id, # Optional. you can pass in the session_id when querying the agent
message="SEK",
):
print(event)
Deberías recibir una continuación de la conversación como la siguiente secuencia de diccionarios:
{'author': 'currency_exchange_agent',
'content': {'parts': [{'function_call': {'args': {'currency_date': '2025-04-03',
'currency_from': 'USD',
'currency_to': 'SEK'},
'id': 'adk-2b9230a6-4b92-4a1b-9a65-b708ff6c68b6',
'name': 'get_exchange_rate'}}],
'role': 'model'},
'id': 'bOPHtzji',
# ...
}
{'author': 'currency_exchange_agent',
'content': {'parts': [{'function_response': {'id': 'adk-2b9230a6-4b92-4a1b-9a65-b708ff6c68b6',
'name': 'get_exchange_rate',
'response': {'amount': 1.0,
'base': 'USD',
'date': '2025-04-03',
'rates': {'SEK': 9.6607}}}}],
'role': 'user'},
'id': '9AoDFmiL',
# ...
}
{'author': 'currency_exchange_agent',
'content': {'parts': [{'text': 'The exchange rate from USD to SEK on '
'2025-04-03 is 1 USD to 9.6607 SEK.'}],
'role': 'model'},
'id': 'hmle7trT',
# ...
}
Administra recuerdos (opcional)
De forma predeterminada, AdkApp
usa una implementación en memoria de la memoria del agente cuando se ejecuta de forma local y usa el banco de memoria de Vertex AI Agent Engine después de que implementas el agente en Vertex AI Agent Engine.
Cuando desarrolles tu agente del ADK, puedes incluir un PreloadMemoryTool
que controle cuándo el agente recupera recuerdos y cómo se incluyen en la instrucción. El siguiente agente de ejemplo siempre recupera recuerdos al comienzo de cada turno y los incluye en la instrucción del sistema:
from google import adk
from vertexai.agent_engines import AdkApp
agent = adk.Agent(
model="gemini-2.0-flash",
name='stateful_agent',
instruction="""You are a Vehicle Voice Agent, designed to assist users with information and in-vehicle actions.
1. **Direct Action:** If a user requests a specific vehicle function (e.g., "turn on the AC"), execute it immediately using the corresponding tool. You don't have the outcome of the actual tool execution, so provide a hypothetical tool execution outcome.
2. **Information Retrieval:** Respond concisely to general information requests with your own knowledge (e.g., restaurant recommendation).
3. **Clarity:** When necessary, try to seek clarification to better understand the user's needs and preference before taking an action.
4. **Brevity:** Limit responses to under 30 words.
""",
tools=[adk.tools.preload_memory_tool.PreloadMemoryTool()],
)
app = AdkApp(agent=agent)
(Opcional) Personaliza tu servicio de memoria
Si deseas anular el servicio de memoria predeterminado, puedes definir una función memory_service_builder
que devuelva un BaseMemoryService
de la siguiente manera:
def memory_service_builder():
from google.adk.memory import InMemoryMemoryService
return InMemoryMemoryService()
Pasa tu base de datos a AdkApp
como memory_service_builder=
:
from vertexai.agent_engines import AdkApp
app = AdkApp(
agent=agent, # Required.
memory_service_builder=memory_service_builder, # Optional.
)
Cómo usar el agente con recuerdos
Prueba tu agente del ADK con recuerdos:
Crea una sesión e interactúa con el agente:
initial_session = await app.async_create_session(user_id="USER_ID") async for event in app.async_stream_query( user_id="USER_ID", session_id=initial_session.id, message="Can you update the temperature to my preferred temperature?", ): print(event)
Dado que no hay recuerdos disponibles durante la primera sesión y el agente no conoce las preferencias del usuario, es posible que responda con una respuesta como "¿Cuál es tu temperatura preferida?". Puedes responder con el siguiente comando:
async for event in app.async_stream_query( user_id="USER_ID", session_id=initial_session.id, message="I like it at 71 degrees", ): print(event)
El agente podría devolver una respuesta como "Estableciendo la temperatura en 71 grados Fahrenheit. La temperatura se cambió correctamente". La respuesta del agente puede variar según el modelo que usaste.
Generar recuerdos de la sesión Para almacenar información de la sesión y usarla en sesiones futuras, usa el método
async_add_session_to_memory
:await app.async_add_session_to_memory(session=initial_session)
Para probar que el agente retuvo la memoria de la sesión (con
PreloadMemoryTool
), crea una sesión nueva y pídele al agente lo siguiente:new_session = await app.async_create_session(user_id="USER_ID") async for event in app.async_stream_query( user_id="USER_ID", session_id=initial_session.id, message="Fix the temperature!", ): print(event)
El agente podría devolver una respuesta como "Estableciendo la temperatura en 22 grados". ¿Es correcto?" La respuesta del agente puede variar según el modelo y el proveedor de servicios de memoria que hayas usado.
Usa el método
async_search_memory
para mostrar los recuerdos del agente:response = await app.async_search_memory( user_id="USER_ID", query="Fix the temperature!", ) print(response)
¿Qué sigue?
- Resumen de las sesiones
- Descripción general de Memory Bank
- Usa un agente del Kit de desarrollo de agentes.
- Evalúa un agente.
- Implementa un agente.
- Soluciona problemas de desarrollo de un agente.
- Obtén asistencia.