5分钟内，我将向你展示如何从零开始构建 AI 代理

Source: Dev.to

什么是 AI 代理？（简明解释）

普通的 AI 模型（比如 ChatGPT 或 Gemini）只能给你文字答案。

AI 代理 可以：

• 执行任务，不仅仅是回答问题
• 使用工具，例如 Google 搜索、计算器、API 或数据库
• 做出决策并规划步骤
• 在最少的人类帮助下自主工作

把 AI 代理想象成一个小型的 “AI 工作员”，可以为你完成任务。

开始之前需要准备的东西

• 已在电脑上 安装 Python
• 任意 代码编辑器（如 VS Code 或 Google Antigravity IDE）
• Google ADK —— 我们将要安装的开源框架（参见 Google ADK 概览）
• 一个 Gemini API 密钥（免费生成）

从零构建 AI 代理

步骤 1：创建项目文件夹并建立虚拟环境

mkdir my_first_agent
cd my_first_agent

创建虚拟环境：

python -m venv .venv

激活它：

# macOS / Linux
source .venv/bin/activate  

# Windows
.\venv\Scripts\activate

虚拟环境可以让你的项目保持干净，避免版本冲突。

步骤 2：安装 Google ADK

pip install google-adk

步骤 3：创建你的代理项目

adk create my_agent

选择模型（例如 Gemini 2.5 或 Gemini Flash）。

创建完成后会看到如下文件结构：

my_agent/
 ├── agent.py
 ├── .env
 └── __init__.py

• agent.py – 代码的主文件
• .env – 用来存放你的 API 密钥

在 IDE 中打开该文件夹。

步骤 4：获取免费 Gemini API 密钥

1. 前往并使用 Google 账户登录。
2. 在左下角侧边栏点击 Get API key。
3. 点击 Create API Key，为其命名，选择（或创建）一个项目，然后复制密钥。

将密钥写入 .env：

GOOGLE_API_KEY="your-key-here"

步骤 5：测试默认代理

打开 agent.py，你会看到一些模板代码。
将占位的模型名称替换为 Gemini 模型的内部名称（例如 gemini-2.0-flash 或 gemini-3-pro-preview）。

运行代理：

adk run my_agent

提一个简单的问题。如果一切正常，你会收到答案。如果模型的免费额度已用完，换成更轻量的免费层模型即可。

步骤 6：创建多个代理（研究 + 摘要 + 协调）

在 agent.py（或新建模块）中加入以下代码，构建一个多代理流水线：

from google.adk.agents.llm_agent import Agent
from google.adk.tools import google_search, AgentTool

# Research Agent – searches the web
research_agent = Agent(
    name="Researcher",
    model="gemini-2.5-flash-lite",
    instruction="""
You are a specialized research agent. Your only job is to use the
google_search tool to find the top 5 AI news items for a given topic.
Do not answer any user questions directly.
""",
    tools=[google_search],
    output_key="research_result",
)

print("Research Agent created successfully.")

# Summarizer Agent – creates summaries
summarizert = Agent(
    name="Summarizert",
    model="gemini-2.5-flash-lite",
    instruction="""
Read the research findings {research_result} and create a summary for each topic,
including a link to read more.
""",
    output_key="summary_result",
)

print("Summarizert Agent created successfully.")

# Root Coordinator – orchestrates the workflow
root_agent = Agent(
    model="gemini-2.5-flash-lite",
    name="root_agent",
    description="A helpful assistant for user questions.",
    instruction="""
You are the coordinator. First, delegate user questions to the 'research_agent' to gather information.
Second, pass the findings to the 'summarizert' agent to create a summary.
Finally, compile the summaries into a final response for the user.
""",
    tools=[
        AgentTool(research_agent),
        AgentTool(summarizert),
    ],
)

这段代码定义了一个三步流水线：研究 → 摘要 → 协调。

步骤 7：运行多代理系统

adk run my_agent

提示输入时，键入你想要研究的主题。你会看到：

• Research Agent 正在收集信息
• Summarizer Agent 正在生成摘要
• Coordinator 正在整合最终回复

所有代理协同工作，交付结果。

步骤 8：使用网页界面（更简便）

Google ADK 自带的网页 UI 让你可以通过浏览器与代理交互，测试和迭代更加轻松。使用同样的 adk run 命令启动后，打开终端给出的本地 URL 即可在浏览器中使用。