新手也能理解的 Agentic AI 系统入门，绝对让你大开眼界
Google 刚刚发布了全新的 Agent Development Kit（ADK）。如果你对构建 AI 智能体哪怕只有一点点好奇，这个工具你绝对不能错过。
你可能已经接触过像 AutoGen 或 CrewAI 这样的框架，它们可以把大型语言模型（LLM）强大地串联起来。而 ADK 也属于这个领域，但它带来了新的思路，主打实时多模态处理、智能体协作，以及极简的开发体验。
而且，它不仅仅是个科研玩具。ADK 基于 Google 自己用于生产环境的工程实践构建，用起来更像是一个现代化开发工具箱，而不是一个抽象的框架。
最惊人的是，不到 100 行代码，你就能搭建起一个拥有实时音视频处理、云端或本地部署、自带 UI 演练场的多智能体系统。
这篇文章将带你逐步了解，我是如何使用 ADK 构建了一个智能旅行规划师，过程中遇到了什么、有何惊喜，以及为什么我认为它非常值得一试——如果你对 AI 的未来发展感兴趣的话。
我们先从了解 ADK 是什么开始吧。
什么是 Google 的 Agent Development Kit（ADK）？
Google 最新推出的 Agent Development Kit（ADK） 是一个开源框架，目的是让构建先进 AI 智能体变得更简单、更快速、也更容易上手。
不用再东拼西凑各种工具和 API，ADK 提供了一个统一且即开即用的框架。
它有什么亮点呢？
- 模型无关性：你可以使用任何 AI 模型，包括 Google 自家的 Gemini 系列，自由选择最适合的模型。
- 部署灵活：无论是本地开发还是部署到 Google Cloud，ADK 都不会限制你的选择。
- 天生兼容：很容易与现有服务、工具，甚至其他框架开发的智能体集成。
了解了 ADK 的特点之后，是时候动手实践了。不论你是新手还是想挑战智能体的极限，这里都是你起步的地方。我们开始吧！
第 1 步：搭建开发环境
在开始写代码之前，先搭建一个干净的开发环境。Google 的 ADK 是以Python 包的形式提供的，推荐使用虚拟环境来避免包冲突，保持项目整洁。
在你的项目目录下运行以下命令：
python -m venv .venv # Windows 或 Python 已正确指向版本时 python3 -m venv .venv # macOS/Linux
然后根据你的操作系统激活虚拟环境：
# macOS / Linux source .venv/bin/activate # Windows (CMD) .venv\Scripts\activate.bat # Windows (PowerShell) .venv\Scripts\Activate.ps1
第 2 步：安装 ADK
虚拟环境激活后，安装 ADK：
pip install google-adk
安装完成后，可以通过以下命令确认（可选但推荐）：
pip show google-adk
如果安装成功，你会看到类似下面的输出。
这就说明 ADK 安装成功，可以开始使用啦！
第 3 步：设置项目结构
安装好 ADK 后，接下来要搭建 Python 项目的基础结构，用来管理你的各个智能体。
首先，创建一个新的项目文件夹，比如我这里创建了一个叫 travel_planner 的文件夹。在里面再建立两个子目录，分别是 subagents（存放不同的子智能体模块）和 tools（存放工具函数和数据结构）。
整体结构如下：
travel_planner/
└── travel_planner/
├── .env # 存放环境变量（比如 API 密钥）
├── agent.py # 主协调器，负责分配任务给子智能体
├── subagents/ # 子智能体模块文件夹
│ ├── flight_agent.py # 航班搜索与推荐
│ └── hotel_agent.py # 酒店搜索与预订
├── tools/ # 工具函数与数据结构
│ ├── schemas.py # 使用 Pydantic 定义统一数据格式
└── __init__.py # 让 travel_planner 成为 Python 包
暂时不用着急创建所有这些文件，我们接下来会一步步一起完成。
第 4 步：从 Google AI Studio 获取 API 密钥
在写代码之前，先配置好环境，让你的应用能安全地连接到用于驱动智能体的 Gemini 大语言模型。
虽然本指南用的是 Google AI Studio 的 Gemini，你其实也可以通过类似 LiteLLM 的工具连接到 OpenAI、Anthropic 等其他 LLM。如果你需要关于这些的教程，欢迎在评论区告诉我！
在你的 travel_planner 根目录下，创建一个 .env 文件，用来存放认证信息和配置参数。
但在这之前，先去申请一个 API 密钥。
- 访问 Google AI Studio（确保已登录你的 Google 账号）。
- 点击“获取 API 密钥”。
- 点击“创建 API 密钥”。
- 选择“在新项目中创建密钥”（如果已有项目，也可以选“在现有项目中创建”）。
- 复制生成的 API 密钥。
**重要提醒：绝不要把你的 API 密钥上传到代码仓库或者公开分享。把它当作密码一样保护！
第 5 步：配置 .env 文件
现在用你喜欢的编辑器打开项目，我这里用的是 Visual Studio Code。
编辑刚才创建的 .env 文件，添加以下内容：
GOOGLE_GENAI_USE_VERTEXAI=FALSE GOOGLE_API_KEY=YOUR_ACTUAL_API_KEY_HERE
把 YOUR_ACTUAL_API_KEY_HERE 替换成你刚刚复制的 API 密钥。
第 6 步：定义旅行请求的数据结构
为了保证各个智能体能统一沟通，我们用 Pydantic 定义一个“旅行请求”的数据格式，比如出发地、目的地、出发时间、预算等等。
在 tools 文件夹下新建一个文件，命名为 schemas.py，写入以下代码：
from pydantic import BaseModel
class TravelInfo(BaseModel):
origin: str
destination: str
start_date: str
end_date: str
budget_amount: float
budget_currency: str
这小段代码定义了旅行请求的“规范”，每个子智能体都会按照这个结构来理解和处理数据。可以把它想象成系统内部通用的语言。
如果你对 Pydantic 不熟悉也没关系，这里我们只是用它来确保数据格式统一，让系统更稳定，减少出错。
第 7 步：创建子智能体
搜索工具准备好了，现在来搭建具体的子智能体！这些智能体分别专注于特定任务，比如查找航班或预订酒店。
我们将使用 ADK 的 Agent 类，快速创建并连接到 Gemini API。每个子智能体都有自己明确的职责和执行逻辑。
智能体的组成要素：
name：智能体的名字，用来区分。model：我们这里用的是 “gemini-2.0-flash-exp”，你也可以根据需要换别的模型。description：智能体的简短描述，相当于它的“职位简介”。instructions：行为指令，告诉智能体该怎么工作。tools：执行任务所需的辅助工具（本项目为了简单，暂时用假数据，不接入真实搜索工具）。
下面正式开始：
1. 航班智能体（subagents/flight_agent.py）
在 subagents 文件夹下新建 flight_agent.py，写入以下代码：
from google.adk import Agent
flight_agent = Agent(
name="flight_agent",
model="gemini-2.0-flash-exp",
description="根据出发地、目的地、日期和预算推荐航班。",
instruction="""
你是一位航班预订助手。你将接收以下信息：
- 出发地
- 目的地
- 出发日期
- 返回日期
- 预算金额
- 预算货币
请返回 1-2 个假设的航班选项，包括：
- 航空公司名称
- 出发和返回的日期/时间
- 价格（指定货币）
- 舱位（经济舱/商务舱）
确保总价不超过预算。
"""
)
2. 酒店智能体（subagents/hotel_agent.py）
同样，在 subagents 文件夹下新建 hotel_agent.py，内容如下：
from google.adk import Agent
hotel_agent = Agent(
name="hotel_agent",
model="gemini-2.0-flash-exp",
description="根据目的地、日期和预算推荐酒店。",
instruction="""
你是一位酒店预订助手。你将接收以下信息：
- 目的地
- 入住日期
- 离店日期
- 预算金额
- 预算货币
请返回 1-2 个假设的酒店选项，包括：
- 酒店名称
- 每晚房价与总价（指定货币）
- 主要设施特色
确保总价符合预算。
"""
)
这里发生了什么？
- 航班智能体：专注于用提供的信息找出合适的航班推荐。
- 酒店智能体：专门根据目的地、入住时间和预算，推荐酒店。
第 9 步：搭建协调器智能体
现在你已经有了航班智能体和酒店智能体，接下来要创建一个“总指挥”——协调器智能体（Coordinator Agent）！
它是整个系统的核心，负责直接与用户交互，根据用户自然语言的输入提取关键信息，然后把具体任务分配给子智能体。
协调器智能体的主要职责：
- 理解用户需求：从自然语言中提取出出发地、目的地、日期、预算等信息。
- 补充信息：如果用户没提供足够信息，比如没说清楚出发日期或货币单位，协调器会主动询问或使用默认值。
- 分配任务：一旦信息齐全，分别交给航班和酒店智能体处理。
- 整合结果：最终生成完整的旅行规划，包括航班、酒店、预算估算和建议行程。
下面是在 travel_planner/agent.py 文件中定义协调器智能体的代码（注意，不是子智能体目录，而是主目录！）：
from google.adk import Agent
from travel_planner.subagents.flight_agent import flight_agent
from travel_planner.subagents.hotel_agent import hotel_agent
from travel_planner.tools.schemas import TravelInfo
from datetime import datetime, timedelta
today = datetime.today().date()
coordinator_agent = Agent(
name="TravelCoordinator",
model="gemini-2.0-flash-exp",
description="主协调器，收集旅行偏好并与子智能体协作完成任务。",
instruction=f"""
你是一个旅行规划协调员。
你的任务是从用户那里收集旅行偏好，并协调子智能体提供航班、酒店建议及行程安排。
用户会用自然语言描述需求，你需要提取以下信息：
注意：机票和酒店的总预算不能超过用户提供的总预算。
如果用户只说了“下周”、“下个月”这种模糊时间，请以今天 {today} 为基准推算具体日期。
第 1 步：提取以下细节：
- 出发地（origin）
- 目的地（destination）
- 出发日期（start_date，格式：YYYY-MM-DD）
- 返回日期（end_date，格式：YYYY-MM-DD）
- 预算金额（budget_amount，数值）
- 预算货币（budget_currency，例如 USD、LKR、$）
第 2 步：如果有信息缺失：
- 出发日期缺失时，询问是否默认用今天 {today}，或请用户指定日期。
- 返回日期缺失但有天数时，根据出发日期推算；若出发日期也没有，则询问或默认今天。
- 若未指定货币单位，默认用 "USD"。
第 3 步：确认收集到的旅行需求信息，若有歧义，主动与用户确认。
第 4 步：将数据分派给子智能体：
- 发送给 `flight_agent` 获取航班建议
- 发送给 `hotel_agent` 获取酒店建议
第 5 步：整合并展示最终结果，包括：
- 旅行摘要（出发地、目的地、日期、预算等）
- 航班推荐
- 酒店推荐
- 预算估算
- 简单的日程安排（包含活动推荐）
与用户沟通时要简洁、清晰、友好。如果遇到信息不完整，请主动询问补充。
""",
sub_agents=[flight_agent, hotel_agent]
)
root_agent = coordinator_agent
协调器智能体的核心是什么？
在 Coordinator Agent 里，其他字段（比如 name、model、description、instruction）都跟子智能体类似。新增的是 sub_agents 参数。
- sub_agents：就是指航班智能体和酒店智能体，协调器会把用户需求拆分给它们处理，再把结果合并，给用户一份完整的旅行规划。
此外，我们把协调器定义为 root_agent，意味着它是整个系统的入口点，用户的所有交互都会从它开始。
第 10 步：创建 __init__.py
最后一小步！
为了让你的 travel_planner 目录成为一个完整的 Python 包，需要创建一个空的 __init__.py 文件。
不过我们可以顺便在里面导入 root_agent，方便其他地方调用。
在 travel_planner/__init__.py 文件中添加：
from . import agent
至此，你的模块化多智能体旅行规划系统已经搭建完成了！🎉
如何运行你的智能体：多种交互方式
现在所有智能体都就绪了，是时候看看它们如何运作了！Google ADK 提供了几种不同的方式运行你的智能体：
- ADK CLI：最简单直接的方法，用终端命令快速运行智能体。
- ADK Web：超酷！自带一个基于 Angular 的交互式网页界面，可以文本、语音、视频方式与智能体互动。
- ADK API Server：如果需要和其他应用集成，可以把智能体通过 REST API 的形式暴露出去。
- 程序调用（Programmatic Call）：如果你在写自己的程序，可以直接通过代码调用智能体。
不同方式各有优劣，具体选择取决于你的需求。这篇文章演示的是使用 ADK Web，因为它既直观又容易上手。如果你喜欢命令行，也可以直接用下面的命令运行：
adk run travel_planner
看它运行起来吧：使用 ADK Web 启动你的旅行智能体！
现在，我们来通过 ADK Web 看看我们打造的旅行协调智能体如何实际运作！
这种方式可以让你通过交互式网页界面测试智能体的功能，观察它是如何管理航班和酒店推荐的。
在终端中，进入你的项目父目录（即包含 travel_planner 文件夹的目录），然后运行以下命令：
adk web
你应该会看到类似下面的结果：
按住 CTRL（Mac 上是 CMD），点击 http://localhost:8000，这会在浏览器中打开一个本地服务器。
你将看到一个界面如下：
在界面左上角的下拉菜单中，选择你的智能体：“travel_planner”。
然后，你就可以在文本框里直接跟旅行规划师智能体聊天了！甚至还能用麦克风进行语音交互！
除此之外，你还能查看每一次函数调用、响应结果、模型输出等详细过程，只需点击界面上的操作项即可查看细节。
总结
到这里，你已经成功搭建并运行了一个多智能体旅行规划系统！🎉
可以看到，使用 Google 的 Agent Development Kit（ADK），从环境搭建到智能体交互，整个过程都变得非常简单顺畅。
虽然这篇指南内容比较多、稍微有点长，但我尽量以最通俗易懂的方式进行讲解，目的是希望让你打下一个扎实的基础，方便以后进一步扩展或者深入开发更高级的 AI 智能体系统。
有了这套系统，你可以自由扩展，比如：
- 增加更多子智能体（比如景点推荐、美食推荐等）
- 集成新的外部 API
- 调整智能体的行为逻辑
- 打造个性化的用户体验
ADK 的灵活性让你可以根据自己的需求，自由发挥和创新。
无论你是通过网页界面、命令行，还是 API 集成来运行智能体，玩法多样，潜力无限，创造的空间也无限大！