GENAI104

Présentation : avantages d'Agent Development Kit

Agent Development Kit présente plusieurs avantages majeurs pour les développeurs qui créent des applications agentives :

1. Systèmes multi-agents : créez des applications modulaires et évolutives en combinant plusieurs agents spécialisés de manière hiérarchique, qui permettent une coordination et une délégation complexes.
2. Riche écosystème d'outils : dotez les agents de capacités diversifiées en utilisant des outils prédéfinis (outils de recherche, d'exécution de code, etc.), en créant des fonctions personnalisées, en intégrant des outils issus de frameworks d'agents tiers (LangChain, CrewAI) ou même en vous servant d'autres agents comme outils.
3. Orchestration flexible : définissez des workflows à l'aide d'agents de workflow (SequentialAgent, ParallelAgent et LoopAgent) pour des pipelines prévisibles, ou utilisez le routage dynamique piloté par LLM (transfert LlmAgent) pour un comportement adaptatif.
4. Expérience de développement intégrée : développez, testez et déboguez en local avec une CLI puissante et une UI de développement interactive. Inspectez les événements, l'état et l'exécution de l'agent à chaque étape.
5. Évaluation intégrée : évaluez de façon systématique les performances de l'agent en comparant la qualité de la réponse finale et la trajectoire d'exécution étape par étape à des cas de test prédéfinis.
6. Prêt pour le déploiement : conteneurisez et déployez vos agents où vous le souhaitez. Exécutez-les en local, faites-les évoluer avec Vertex AI Agent Engine ou intégrez-les à une infrastructure personnalisée à l'aide de Cloud Run ou Docker.

Bien que d'autres SDK d'IA générative ou frameworks d'agents vous permettent également d'interroger des modèles et même d'améliorer leur efficacité grâce à des outils, la coordination dynamique entre plusieurs modèles vous demande beaucoup de travail.

Agent Development Kit offre un framework de niveau supérieur. Ainsi, vous pouvez connecter facilement plusieurs agents les uns aux autres pour des workflows complexes, mais simples à gérer.

De plus, ADK vous permet de déployer ces systèmes d'agents complexes sur un point de terminaison entièrement géré dans Agent Engine. Vous pouvez donc vous concentrer sur la logique des agents pendant que l'infrastructure est allouée et ajustée automatiquement.

Objectifs

Dans cet atelier, vous allez créer un agent unique capable d'utiliser un outil de recherche. Vous testerez également des agents dans l'UI Web d'ADK, à partir d'une interface de chat avec CLI et de manière programmatique depuis un script.

Vous allez voir :

• les principales fonctionnalités d'Agent Development Kit ;
• les concepts fondamentaux d'ADK ;
• comment structurer les répertoires de projet pour ADK ;
• les paramètres les plus fondamentaux des agents dans ADK, y compris comment spécifier les noms de modèles et les outils ;
• certaines fonctionnalités de l'UI Web d'ADK ;
• comment contrôler le schéma de sortie d'un agent ;
• comment exécuter des agents de trois manières différentes (dans l'UI Web, de manière programmatique et depuis l'interface de chat avec ligne de commande).

Préparation

Avant de cliquer sur le bouton Start Lab (Démarrer l'atelier)

Lisez ces instructions. Les ateliers sont minutés, et vous ne pouvez pas les mettre en pause. Le minuteur, qui démarre lorsque vous cliquez sur le bouton "Start Lab" (Démarrer l'atelier), indique combien de temps les ressources cloud resteront accessibles.

Cet atelier pratique Qwiklabs vous permet de suivre vous-même les activités dans un véritable environnement cloud, et non dans un environnement de simulation ou de démonstration. Des identifiants temporaires vous sont fournis pour vous permettre de vous connecter à Google Cloud Platform le temps de l'atelier.

Conditions requises

Pour réaliser cet atelier, vous devez remplir les conditions suivantes :

• Vous devez avoir accès à un navigateur Internet standard (nous vous recommandons d'utiliser Chrome).
• Vous devez disposer de suffisamment de temps pour réaliser l'atelier en une fois.

Remarque : Si vous possédez déjà un compte ou un projet GCP, veillez à ne pas l'utiliser pour réaliser cet atelier.

Démarrer l'atelier et se connecter à la console Google Cloud

1. Cliquez sur le bouton Démarrer l'atelier. Si l'atelier est payant, une boîte de dialogue s'affiche pour vous permettre de sélectionner un mode de paiement. Sur la gauche, vous trouverez le panneau "Détails concernant l'atelier", qui contient les éléments suivants :

   • Le bouton "Ouvrir la console Google Cloud"
   • Le temps restant
   • Les identifiants temporaires que vous devez utiliser pour cet atelier
   • Des informations complémentaires vous permettant d'effectuer l'atelier

2. Cliquez sur Ouvrir la console Google Cloud (ou effectuez un clic droit et sélectionnez Ouvrir le lien dans la fenêtre de navigation privée si vous utilisez le navigateur Chrome).

   L'atelier lance les ressources, puis ouvre la page "Se connecter" dans un nouvel onglet.

   Conseil : Réorganisez les onglets dans des fenêtres distinctes, placées côte à côte.

   Remarque : Si la boîte de dialogue Sélectionner un compte s'affiche, cliquez sur Utiliser un autre compte.

3. Si nécessaire, copiez le nom d'utilisateur ci-dessous et collez-le dans la boîte de dialogue Se connecter.

   {{{user_0.username | "Username"}}}

   Vous trouverez également le nom d'utilisateur dans le panneau "Détails concernant l'atelier".

4. Cliquez sur Suivant.

5. Copiez le mot de passe ci-dessous et collez-le dans la boîte de dialogue Bienvenue.

   {{{user_0.password | "Password"}}}

   Vous trouverez également le mot de passe dans le panneau "Détails concernant l'atelier".

6. Cliquez sur Suivant.

   Important : Vous devez utiliser les identifiants fournis pour l'atelier. Ne saisissez pas ceux de votre compte Google Cloud. Remarque : Si vous utilisez votre propre compte Google Cloud pour cet atelier, des frais supplémentaires peuvent vous être facturés.

7. Accédez aux pages suivantes :

   • Acceptez les conditions d'utilisation.
   • N'ajoutez pas d'options de récupération ni d'authentification à deux facteurs (ce compte est temporaire).
   • Ne vous inscrivez pas à des essais sans frais.

Après quelques instants, la console Cloud s'ouvre dans cet onglet.

Remarque : Pour accéder aux produits et services Google Cloud, cliquez sur le menu de navigation ou saisissez le nom du service ou du produit dans le champ Recherche.

Tâche 1 : Installer l'ADK et configurer votre environnement

Activer les API recommandées Vertex AI

1. Dans cet environnement d'atelier, l'API Vertex AI a été activée pour vous. Si vous deviez suivre ces étapes dans votre propre projet, vous pourriez l'activer en accédant à Vertex AI et en suivant l'invite.

Préparer un onglet dans l'éditeur Cloud Shell

1. Dans la fenêtre de la console Google Cloud, ouvrez Cloud Shell en appuyant sur les touches G, puis S de votre clavier. Vous pouvez également cliquer sur le bouton Activer Cloud Shell () en haut à droite de la console Cloud.

2. Cliquez sur Continuer.

3. Si vous êtes invité à autoriser Cloud Shell, cliquez sur Autoriser.

4. En haut à droite du panneau du terminal Cloud Shell, cliquez sur le bouton Ouvrir dans une nouvelle fenêtre .

5. Dans le terminal Cloud Shell, saisissez la commande suivante pour ouvrir l'éditeur Cloud Shell dans votre répertoire d'accueil :

   cloudshell workspace ~

6. Fermez les éventuels tutoriels ou panneaux Gemini qui s'affichent sur le côté droit de l'écran pour donner plus de place à l'éditeur de code.
7. Pour le reste de cet atelier, vous pouvez utiliser cette fenêtre comme IDE avec l'éditeur Cloud Shell et le terminal Cloud Shell.

Télécharger et installer ADK et les exemples de code pour cet atelier

1. Mettez à jour votre variable d'environnement PATH et installez ADK en exécutant les commandes ci-dessous dans le terminal Cloud Shell. Remarque : vous allez spécifier la version pour vous assurer que la version d'ADK que vous installez correspond à celle utilisée dans cet atelier.

   export PATH=$PATH:"/home/${USER}/.local/bin" python3 -m pip install google-adk

2. Collez les commandes suivantes dans le terminal Cloud Shell pour copier un fichier depuis un bucket Cloud Storage et le décompresser. Un répertoire de projet contenant le code de cet atelier sera ainsi créé :

   gcloud storage cp gs://{{{project_0.project_id| YOUR_GCP_PROJECT_ID}}}-bucket/adk_project.zip ./adk_project.zip unzip adk_project.zip

3. Installez les éléments supplémentaires requis pour l'atelier :

   python3 -m pip install -r adk_project/requirements.txt

Concepts fondamentaux d'Agent Development Kit

Google ADK repose sur un petit nombre de concepts fondamentaux qui le rendent puissant et flexible :

• Agent : les agents sont des composants de base conçus pour accomplir des tâches spécifiques. Ils peuvent être optimisés par des LLM pour raisonner, planifier et utiliser des outils afin d'atteindre des objectifs, et ils sont même capables de collaborer sur des projets complexes.
• Outils : les outils fournissent aux agents des capacités qui dépassent la conversation, leur permettant d'interagir avec des API externes, de rechercher des informations, d'exécuter du code ou d'appeler d'autres services.
• Services de session : les services de session gèrent le contexte d'une conversation unique (session), y compris son historique (événements) et la mémoire de travail de l'agent pour cette conversation (état).
• Rappels : il s'agit d'extraits de code personnalisés que vous fournissez pour qu'ils s'exécutent à des moments précis du processus de l'agent. Ils permettent d'effectuer des vérifications, de procéder à une journalisation ou de modifier le comportement.
• Gestion des artefacts : les artefacts permettent aux agents d'enregistrer, de charger et de gérer des fichiers ou des données binaires (comme des images ou des PDF) associés à une session ou à un utilisateur.
• Exécuteur : moteur chargé de gérer le flux d'exécution, d'orchestrer les interactions des agents en fonction des événements et de se coordonner avec les services de backend.

Tâche 2 : Examiner la structure des répertoires de projets Agent Development Kit

1. Dans le volet de l'explorateur de fichiers de l'éditeur Cloud Shell, recherchez le dossier adk_project. Cliquez dessus pour l'ouvrir.

2. Ce répertoire contient trois autres répertoires : my_google_search_agent, app_agent et llm_auditor. Chacun de ces répertoires représente un agent distinct. Séparer les agents dans leurs propres répertoires au sein d'un répertoire de projet facilite l'organisation et permet à Agent Development Kit de comprendre quels agents sont présents.

3. Cliquez sur my_google_search_agent pour explorer un répertoire d'agent.

4. Vous remarquerez que le répertoire contient un fichier __init__.py et un fichier agent.py. Un fichier __init__.py sert généralement à identifier un répertoire en tant que package Python pouvant être importé par d'autres éléments de code Python. Cliquez sur le fichier init.py pour afficher son contenu.

5. Vous constaterez que le fichier __init__.py contient une seule ligne, qui importe le contenu du fichier agent.py. ADK utilise ce fichier pour identifier ce répertoire en tant que package d'agent :

   from . import agent

6. Cliquez à présent sur le fichier agent.py. Ce fichier se compose d'un agent simple. Vous allez le doter d'un outil puissant : la capacité à effectuer des recherches sur Internet à l'aide de la recherche Google. Voici quelques points à noter concernant le fichier :

   • Observez les importations à partir de google.adk : la classe Agent et l'outil google_search du module tools.
   • Lisez les commentaires du code décrivant les paramètres qui configurent cet agent simple.

7. Pour utiliser l'outil google_search importé, celui-ci doit être transmis à l'agent. Pour ce faire, collez la ligne suivante dans le fichier agent.py à l'endroit indiqué à la fin de la création de l'objet Agent :

   tools=[google_search]

8. Enregistrez le fichier.

Tâche 3 : Exécuter l'agent à l'aide de l'UI de développement d'ADK

ADK inclut une UI de développement conçue pour s'exécuter en local afin de vous aider à développer et tester vos agents. Celle-ci peut vous permettre de voir ce que chaque agent fait et comment plusieurs agents interagissent entre eux. Dans cette tâche, vous allez explorer cette interface.

1. Dans les menus de l'éditeur Cloud Shell, sélectionnez View > Toggle Hidden File (Afficher > Activer/Désactiver les fichiers cachés) pour faire apparaître ou non vos fichiers cachés (les fichiers dont le nom commence par un point sont masqués par défaut dans la plupart des systèmes de fichiers). Vous devrez peut-être faire défiler ce menu pour trouver l'option "Toggle Hidden Files" (Activer/Désactiver les fichiers cachés).

2. Dans le volet de l'explorateur de fichiers de l'éditeur Cloud Shell, accédez au répertoire adk_project/my_google_search_agent.

3. Sélectionnez le fichier .env qui se trouve dans le répertoire my_google_search_agent.

4. Collez les valeurs suivantes afin d'écraser celles qui figurent actuellement dans le fichier et ainsi mettre à jour le fichier pour inclure l'ID de votre projet :

   GOOGLE_GENAI_USE_VERTEXAI=TRUE GOOGLE_CLOUD_PROJECT={{{project_0.project_id| YOUR_GCP_PROJECT_ID}}} GOOGLE_CLOUD_LOCATION={{{project_0.default_region| GCP_LOCATION}}} MODEL=gemini-2.5-flash

5. Enregistrez le fichier.

6. Dans le terminal Cloud Shell, assurez-vous d'être dans le répertoire adk_project où se trouvent les sous-répertoires de votre agent en exécutant la commande suivante :

   cd ~/adk_project

7. Lancez l'UI de développement d'Agent Development Kit avec la commande suivante :

   adk web

   Résultat

   INFO: Started server process [2434] INFO: Waiting for application startup. +-------------------------------------------------------+ | ADK Web Server started | | | | For local testing, access at http://localhost:8000. | +-------------------------------------------------------+ INFO: Application startup complete. INFO: Uvicorn running on http://127.0.0.1:8000 (Press CTRL+C to quit)

8. Pour afficher l'interface Web dans un nouvel onglet, cliquez sur le lien http://127.0.0.1:8000 dans la sortie du terminal. Vous serez redirigé par le biais d'un proxy vers cette application qui s'exécute en local sur votre instance Cloud Shell.

9. L'UI de développement d'ADK s'ouvre dans un nouvel onglet du navigateur.

10. Dans le menu déroulant Select an agent (Sélectionner un agent) à gauche, sélectionnez my_google_search_agent.

    

11. Pour encourager l'agent à utiliser son outil de recherche Google, saisissez la question suivante :

    What is some recent global news?

12. Vous remarquerez dans les résultats que l'agent est capable d'utiliser la recherche Google pour obtenir des informations à jour, au lieu de s'arrêter à la date à laquelle son modèle a été entraîné.

    Une réponse utilisant l'ancrage avec la recherche Google inclut des "suggestions de recherche" HTML prêtes à être affichées, comme celles que vous voyez en bas de la réponse de l'agent. Lorsque vous utilisez l'ancrage avec la recherche Google, vous êtes tenu d'afficher ces suggestions, qui aident les utilisateurs à approfondir les informations dont le modèle se sert pour sa réponse.

13. Notez que, par défaut, la barre latérale de gauche vous place dans l'onglet Trace. Cliquez sur le texte de votre dernière requête (What is some recent global news?) pour afficher une trace de la durée d'exécution des différentes parties de votre requête. Vous pouvez exploiter cette trace pour déboguer des exécutions plus complexes impliquant des appels d'outils afin de comprendre comment différents processus contribuent à la latence de vos réponses.

    

14. Cliquez sur l'icône d'agent () à côté de la réponse (ou d'un événement de la liste de l'onglet Events (Événements)) pour inspecter l'événement renvoyé par l'agent. Celui-ci inclut le contenu (content) renvoyé à l'utilisateur, ainsi que les métadonnées d'ancrage (groundingMetadata) qui détaillent les résultats de recherche ayant servi de base à la réponse.

15. Lorsque vous avez terminé d'explorer l'UI de développement, fermez cet onglet de navigateur et revenez à l'onglet dans lequel le terminal Cloud Shell est affiché. Cliquez sur le volet du terminal, puis appuyez sur CTRL+C pour arrêter le serveur Web.

Cliquez sur Vérifier ma progression pour valider l'objectif. Exécuter l'agent à l'aide de l'UI Web d'ADK

Tâche 4 : Exécuter un agent de manière programmatique

Bien que l'UI de développement soit idéale pour les tests et le débogage, elle ne convient pas pour mettre votre agent à la disposition de plusieurs utilisateurs en production.

Pour exécuter un agent dans une application à plus grande échelle, vous devrez inclure dans votre script agent.py quelques composants supplémentaires, que l'application Web a géré pour vous dans la tâche précédente. Suivez les étapes ci-dessous pour ouvrir un script qui inclut ces composants et les examiner.

1. Dans le terminal Cloud Shell, exécutez les commandes suivantes pour exporter les variables d'environnement. Vous pouvez adopter cette approche pour définir des variables d'environnement utilisables par tous vos agents s'ils ne possèdent pas de fichier .env dans leur répertoire :

   export GOOGLE_GENAI_USE_VERTEXAI=TRUE export GOOGLE_CLOUD_PROJECT={{{project_0.project_id| YOUR_GCP_PROJECT_ID}}} export GOOGLE_CLOUD_LOCATION={{{project_0.default_region| GCP_LOCATION}}} export MODEL=gemini-2.5-flash

2. Dans l'explorateur de fichiers de l'éditeur Cloud Shell, sélectionnez le répertoire adk_project/app_agent.

3. Dans ce répertoire, sélectionnez le fichier agent.py.

4. Cet agent est conçu pour s'exécuter dans une application. Lisez le code commenté figurant dans agent.py, en prêtant une attention particulière aux composants de code suivants :

   Composant	Fonctionnalité	Description
   InMemoryRunner()	Supervision de l'exécution de l'agent	L'exécuteur est le code chargé de recevoir la requête de l'utilisateur, de la transmettre à l'agent approprié, de recevoir l'événement de réponse de l'agent et de le faire suivre à l'application ou à l'UI appelante, avant de déclencher l'événement suivant. Pour en savoir plus, consultez la documentation d'ADK sur la boucle d'événements.
   runner.session_service.create_session()	Historique des conversations et état partagé	Les sessions permettent à un agent de conserver l'état, en mémorisant une liste d'éléments, l'état actuel d'une tâche ou d'autres informations "à jour". Par souci de simplicité, cette classe crée un service de session local, mais en production, cela pourrait être géré par une base de données.
   types.Content() et types.Part()	Messages structurés et multimodaux	Au lieu d'une simple chaîne, l'agent reçoit un objet "Content" qui peut être constitué de plusieurs parties. Cela permet de transmettre des messages complexes à l'agent dans un ordre spécifique, y compris du contenu textuel et multimodal.

5. Notez que le script inclut une requête codée en dur qui demande à l'agent : "What is the capital of France?" (Quelle est la capitale de la France ?).

6. Utilisez la commande suivante dans le terminal Cloud Shell pour exécuter cet agent de manière programmatique :

   python3 app_agent/agent.py

   Extrait du résultat :

   trivia_agent: The capital of France is Paris.

7. Vous pouvez également définir des schémas d'entrée et/ou de sortie spécifiques pour un agent.

   Vous allez maintenant ajouter des importations pour les classes de schéma Pydantic BaseModel et Field, puis les utiliser pour définir une classe de schéma constituée d'un seul champ, dont la clé est "capital" et la valeur correspond à une chaîne destinée à stocker le nom de la capitale d'un pays. Vous pouvez coller les lignes suivantes dans votre fichier app_agent/agent.py, juste après vos autres importations :

   from pydantic import BaseModel, Field class CountryCapital(BaseModel): capital: str = Field(description="A country's capital.") Important : Lorsque vous définissez un schéma de sortie, vous ne pouvez pas utiliser d'outils ni de transferts par agent.

8. Dans la définition Agent de votre root_agent, ajoutez les paramètres suivants pour désactiver les transferts (comme vous devez le faire lorsque vous utilisez un schéma de sortie) et pour indiquer que la sortie est à générer selon le schéma CountryCapital défini ci-dessus :

   disallow_transfer_to_parent=True, disallow_transfer_to_peers=True, output_schema=CountryCapital,

9. Exécutez à nouveau le script de l'agent pour afficher la réponse produite avec output_schema :

   python3 app_agent/agent.py

   Extrait du résultat :

   ** User says: {'parts': [{'text': 'What is the capital of France?'}], 'role': 'user'} ** trivia_agent: {"capital": "Paris"}

Cliquez sur Vérifier ma progression pour valider l'objectif. Exécuter un agent de manière programmatique.

Tâche 5 : Discuter avec un agent à l'aide de l'interface de ligne de commande

Vous pouvez également discuter avec un agent dans votre environnement de développement local à l'aide de l'interface de ligne de commande. Cela peut s'avérer très pratique pour déboguer et tester rapidement les agents à mesure que vous les développez.

Comme l'interface Web, l'interface de ligne de commande gère également la création du service de session, du service d'artefacts et de l'exécuteur requis par votre agent.

Pour exécuter une session interactive à l'aide de l'interface de ligne de commande :

1. Exécutez la commande suivante dans le terminal Cloud Shell :

   adk run my_google_search_agent

   Résultat :

   Log setup complete: /tmp/agents_log/agent.20250322_010300.log To access latest log: tail -F /tmp/agents_log/agent.latest.log Running agent basic_search_agent, type exit to exit. user:

2. Saisissez la question suivante :

   what are some new movies that have been released in the past month in India?

   Exemple de résultat (le vôtre peut être légèrement différent) :

   [google_search_agent]: Here are some movies that have been released in India in the past month (August-September 2025): * **Param Sundari** Released on 29 August 2025. * **Ek Chatur Naar** Released on 12 September 2025. * **Jolly LLB 3** Released on 19 September 2025. * **Ajey: The Untold Story of a Yogi** Released on 19 September 2025. * **Antha 7 Naatkal** Released on Sep 25 2025.

3. Lorsque vous avez terminé de discuter avec l'interface de ligne de commande, saisissez exit à la prochaine invite utilisateur pour mettre fin à la conversation.

Cliquez sur Vérifier ma progression pour valider l'objectif. Discuter avec un agent à l'aide de l'interface de ligne de commande.

Tâche 6 : Prévisualiser un exemple de solution multi-agents

Vous en apprendrez davantage sur la création de systèmes multi-agents dans l'atelier Créer des systèmes multi-agents avec ADK. Toutefois, comme les fonctionnalités multi-agents sont au cœur de l'expérience Agent Development Kit, vous pouvez explorer dès maintenant un système multi-agents.

Ce système agentif évalue et améliore l'ancrage factuel des réponses générées par les LLM. Il inclut un agent critic_agent, qui sert à vérifier les faits de manière automatisée, et un agent reviser_agent, qui réécrit les réponses si nécessaire afin de corriger les inexactitudes en fonction des résultats vérifiés.

Pour explorer cet agent :

1. Pour explorer le code de ce système multi-agents, utilisez l'explorateur de fichiers de l'éditeur Cloud Shell afin d'accéder au répertoire adk_project/llm_auditor.

2. Dans le répertoire llm_auditor, sélectionnez le fichier agent.py.

3. Voici quelques points à noter concernant cet exemple de solution multi-agents :

   • Vous remarquerez que la classe SequentialAgent est importée et utilisée. Il s'agit d'un exemple de classe de workflow qui transmet le contrôle de la conversation d'un agent au suivant dans l'ordre, sans attendre que l'utilisateur intervienne entre les deux. Lorsque vous exécutez l'agent, vous voyez les réponses de critic_agent et de reviser_agent, dans cet ordre, sans attendre que l'utilisateur intervienne.
   • Notez que chacun de ces sous-agents est importé depuis son propre répertoire dans un répertoire sub_agents.
   • Dans les répertoires des sous-agents, vous trouverez les mêmes fichiers __init__.py et agent.py que ceux que vous avez examinés précédemment dans la structure de répertoires, ainsi qu'un fichier prompt.py. Ce dernier fichier fournit un emplacement dédié pour stocker et modifier un prompt complet et correctement structuré avant son importation dans le fichier agent.py.

4. Créez un fichier .env pour cet agent et lancez à nouveau l'UI de développement en exécutant la commande suivante dans le terminal Cloud Shell :

   cd ~/adk_project cat << EOF > llm_auditor/.env GOOGLE_GENAI_USE_VERTEXAI=TRUE GOOGLE_CLOUD_PROJECT={{{project_0.project_id| YOUR_GCP_PROJECT_ID}}} GOOGLE_CLOUD_LOCATION={{{project_0.default_region| GCP_LOCATION}}} MODEL=gemini-2.5-flash EOF adk web Remarque : Si vous n'avez pas arrêté votre session adk web précédente, le port par défaut (port 8000) sera bloqué. Toutefois, vous pouvez lancer l'UI de développement avec un nouveau port en utilisant par exemple adk web --port 8001.

5. Cliquez sur le lien http://127.0.0.1:8000 dans le résultat du terminal. L'UI de développement d'ADK s'ouvre dans un nouvel onglet du navigateur.

6. Dans le menu déroulant Select an agent (Sélectionner un agent) à gauche, sélectionnez llm_auditor.

7. Commencez la conversation avec l'affirmation suivante, qui est fausse (elle signifie : "la Terre est plus éloignée du Soleil que Mars") :

   Double check this: Earth is further away from the Sun than Mars.

8. Vous devriez voir deux réponses de l'agent s'afficher dans la zone de chat :

   • Tout d'abord, une réponse détaillée de critic_agent s'assure de la véracité de l'énoncé en effectuant un fact-checking avec la recherche Google.
   • Ensuite, un bref énoncé révisé fourni par reviser_agent propose une version corrigée de votre énoncé d'entrée erroné, par exemple "Earth is closer to the Sun than Mars" (la Terre est plus proche du Soleil que Mars).

9. À côté de chaque réponse, vous pouvez cliquer sur l'icône d'agent () pour ouvrir le panneau d'événements correspondant (ou rechercher l'événement numéroté correspondant dans le panneau "Events" (Événements) pour le sélectionner). En haut de la vue des événements, un graphique permet de visualiser les relations entre les agents et les outils de ce système multi-agents. L'agent responsable de cette réponse sera mis en évidence.

10. N'hésitez pas à explorer le code plus en détail ou à demander d'autres exemples de fact-checking dans l'UI de développement. Voici un autre exemple que vous pouvez tester :

    Q: Why is the sky blue? A: Because the sky reflects the color of the ocean.

11. Si vous souhaitez réinitialiser la conversation, cliquez sur le lien + New Session (+ Nouvelle session) en haut à droite de l'UI de développement d'ADK pour redémarrer la conversation.

12. Lorsque vous avez terminé de poser des questions à cet agent, fermez l'onglet du navigateur et appuyez sur CTRL+C dans le terminal pour arrêter le serveur.

Cliquez sur Vérifier ma progression pour valider l'objectif. Prévisualiser un exemple de solution multi-agents

Félicitations !

Dans cet atelier, vous avez vu :

• les principales fonctionnalités d'Agent Development Kit ;
• les concepts fondamentaux d'ADK ;
• comment structurer les répertoires de projet pour ADK ;
• les paramètres les plus fondamentaux des agents dans ADK, y compris comment spécifier les noms de modèles et les outils ;
• certaines fonctionnalités de l'UI Web d'ADK ;
• comment contrôler le schéma de sortie d'un agent ;
• comment exécuter des agents de trois manières différentes (dans l'UI Web, de manière programmatique et depuis l'interface de chat avec ligne de commande).

Étapes suivantes

Pour en savoir plus sur la création et le déploiement d'agents à l'aide de Agent Development Kit, consultez ces ateliers :

• Équiper les agents ADK d'outils
• Créer des systèmes multi-agents avec ADK
• Déployer des agents ADK sur Agent Engine

Pour en savoir plus sur ADK, consultez la documentation et le dépôt GitHub :

• Documentation Agent Development Kit : Agent Development Kit
• Dépôt GitHub adk-docs : adk-docs

Formations et certifications Google Cloud

Les formations et certifications Google Cloud vous aident à tirer pleinement parti des technologies Google Cloud. Nos cours portent sur les compétences techniques et les bonnes pratiques à suivre pour être rapidement opérationnel et poursuivre votre apprentissage. Nous proposons des formations pour tous les niveaux, à la demande, en salle et à distance, pour nous adapter aux emplois du temps de chacun. Les certifications vous permettent de valider et de démontrer vos compétences et votre expérience en matière de technologies Google Cloud.

Dernière mise à jour du manuel : 04 août 2025

Dernier test de l'atelier : 04 août 2025

Copyright 2020 Google LLC Tous droits réservés. Google et le logo Google sont des marques de Google LLC. Tous les autres noms d'entreprises et de produits peuvent être des marques des entreprises auxquelles ils sont associés.