ADK-代理-统一分配
此仓库包含了Google人工智能代理开发工具包（ADK）关键代码实验室的实现，展示了如何使用ADK和MCP数据库工具箱来构建、增强和部署人工智能代理。
项目描述
该项目基于谷歌官方的codelabs和教程，探索实用的AI代理创建与协调方法，展示了从原型到高级工具赋能助手的AI代理开发的不同阶段。
- 从原型到带有ADK的代理\
使用ADK基础构建一个对话式AI代理原型，包括环境设置和基本交互。
- 使用ADK构建AI代理：以工具赋能\
增强智能体的功能，集成工具、优化工作流程并赋予其高级能力，以实现动态且情境感知的行为。
- 使用MCP工具箱和ADK构建旅行代理\
通过结合ADK与MCP工具箱，开发一个针对特定领域的旅行助手，以执行数据库操作并提供可操作的旅行信息。
- Vertex AI RAG Agent（ADK）
一个基于Google的Agent开发工具包（ADK）在Vertex AI上构建的紧凑型检索增强生成（RAG）代理。它允许您以最少的设置查询文档语料库、管理集合并导入新文件。
你能做什么
- 针对你的文件提出问题（检索+基于文件的回答）
- 列出、创建和删除语料库
- 从Google Drive URL或GCS路径添加数据
- 检查语料库统计信息（计数、元数据、创建时间）
先决条件
- 已启用计费的Google Cloud项目
- Vertex AI API已启用
- 已安装 Python 3.9+ 和 gcloud CLI
- 创建/管理Vertex AI资源的权限
使用该代理
- 查询文档 — 针对选定的语料库提出自然语言问题；智能体检索相关片段并组成答案。
- 语料库列表 — 查看可用的收藏集。
- 创建语料库 — 使用推荐的嵌入方式创建一个新的、空的语料库。
- 添加新数据 — 从Drive/GCS导入文件；在需要时自动创建语料库。
- 获取语料库信息 — 观看次数、元数据、时间戳。
- 删除语料库 — 删除未使用的语料库（需确认）。
文件夹结构
├── Prototype-Agent/ │ ├── agent.py │ ├── README.md │ ├── requirements.txt │ └── prototype_agent_colab.ipynb │ ├── Empowering-Agents-With-Tools/ │ ├── agent_with_tools.py │ ├── README.md │ ├── requirements.txt │ └── tools_agent_colab.ipynb │ ├── Travel-Agent-MCP/ │ ├── travel_agent.py │ ├── README.md │ ├── requirements.txt │ ├── travel_agent_colab.ipynb │ └── MCP_toolbox_demo/ │ └── README.md
学习成果
- 理解用于AI代理开发的Google ADK基础概念。
- 构建对话原型，并将其发展为功能丰富的智能体。
- 集成外部工具和API，为AI代理赋予实用能力。
- 利用MCP工具箱将关系数据库查询与对话式人工智能相结合。
- 在云环境和本地设置中部署并测试代理。
- 通过实践获得多智能体协同调度和动态工作流设计的实战经验。
所使用的技术
- 谷歌代理开发工具包（ADK）： 构建AI代理的核心工具包。
- 模型上下文协议（MCP）工具箱： 用于数据库查询和结构化数据集成。
- Python 3.8+： 所有代理实现的编程语言。
- Google Colab： 用于便捷执行和演示的云笔记本环境。
- 谷歌云平台： 可选的后端云服务和基础设施。
- OpenAI Gemini模型： 用于自然语言理解和生成（在适用的情况下）。
入门指南
- 克隆此仓库：git clone https://github.com/intimanjunath/ADK-Agents-Unified-Assignment.git
进入目录 ADK-Agents-Unified-Assignment
- 导航至每个作业文件夹，并按照其中包含的README文件进行设置和执行。
- 使用提供的Colab笔记本，轻松实现云端执行。
- 根据需要配置环境变量
.env.
视频演示 walkthroughs（或可译为“视频导览”）
每个文件夹都包含指向YouTube视频教程的链接，这些视频将解释代码内容。YouTube链接：https://www.youtube.com/playlist?list=PLh8Ujk1E7vYXQPMRCtQa1Yv0qnxRVY87r