AI 에이전트는 현대 AI 개발의 가장 흥미로운 영역 중 하나이며, 에이전트는 도구를 사용하고 코드를 실행하고 웹을 검색하고 단계를 계획하며 다른 에이전트와 함께 복잡한 작업을 수행 할 수 있기 때문에 간단한 채팅봇보다 더 강력합니다. 이 기사에서는 Google의 ADK (Agent Development Kit)를 사용하여 최초의 AI 에이전트를 처음부터 구축하는 방법을 보여 드리겠습니다.이 프레임워크는 에이전트를 쉽게 만들고 테스트하고 도구를 추가하며 심지어 멀티 에이전트 시스템을 구축하는 데 도움이됩니다. 가장 좋은 부분은 Python이 이미 설치되어 있으면 몇 분 안에 모든 것을 무료로 만들 수 있습니다. 이제 시작해 보자. AI 에이전트는 무엇입니까? (단순한 설명) 시작하기 전에 AI 에이전트가 실제로 무엇인지 신속하게 검토하자. 정상적인 AI 모델 (ChatGPT 또는 Gemini와 같은)은 당신에게 텍스트 응답 만 제공합니다. 한 그것은 다르다 - 그것은 할 수 있습니다 : AI agent 
 
 
 
 
 질문에 답하는 것뿐만 아니라 작업을 수행하십시오. Google 검색, 계산기, API 또는 데이터베이스와 같은 도구를 사용하십시오. 결정을 내리고 계획 단계 최소한의 인간의 도움으로 독립적으로 일하십시오. AI 에이전트를 당신을 대신하여 작업을 수행 할 수있는 작은 "AI 노동자"라고 생각할 수 있습니다. 이 튜토리얼에서는 간단한 에이전트를 먼저 구축한 다음 연구, 요약 및 조정을 위한 개별 에이전트가 있는 멀티 에이전트 시스템으로 업그레이드할 것입니다. 시작하기 전에 필요한 것들 이 튜토리얼을 따르려면, 당신은 단지 필요합니다 : 
 
 
 
 
 당신의 컴퓨터에 설치된 Python VS 코드와 같은 코드 편집기 (또는 원하는 경우 Google Antigravity IDE) Google ADK - 우리가 설치할 오픈 소스 프레임 워크 무료로 생성할 수 있는 Gemini API 키 구글 안티그라비티 IDE 구글 ADK 구글 ADK 모든 것이 준비되어 있다면, 건설하자! AI 에이전트 from scratch 만들기 1단계: 프로젝트 폴더 및 가상 환경 만들기 먼저 터미널을 열고 폴더를 만듭니다: mkdir my_first_agent
cd my_first_agent
 이제 가상 환경을 만듭니다: python -m venv .venv
 그것을 활성화 : source .venv/bin/activate  # macOS / Linux
# or
.\venv\Scripts\activate    # Windows
 가상 환경은 프로젝트를 깨끗하게 유지하고 버전 충돌을 피합니다. 2단계: Google ADK 설치 이제 Agent Development Kit를 설치하세요: pip install google-adk
 Step 3: Create Your Agent Project 당신의 터미널 내부에서, 실행 : adk create my_agent
 모델을 선택하십시오 (당신은 Gemini 2.5 또는 Gemini 플래시를 선택할 수 있습니다). 그 후, 폴더 구조가 나타납니다: my_agent/
 ├── agent.py
 ├── .env
 └── __init__.py
 
 
 
 agent.py → 이것은 당신의 코드가 살고있는 주요 파일입니다. .env → 이것은 당신의 API 키가 가는 곳입니다 VS 코드 또는 IDE에서 폴더를 엽니다. 4 단계 : 무료 쌍둥이 API 키를 얻으십시오 가서 가라 : https://aistudio.google.com https://aistudio.google.com 귀하의 Google 계정으로 로그인 → 아래 왼쪽 사이드바 → . Get API key 클릭 , 이름을 지정하고 프로젝트를 선택 (또는 하나를 만듭니다)하고 키를 복사합니다. Create API Key 이제 당신의 열기 파일 및 추가: .env GOOGLE_API_KEY="your-key-here"
 단계 5: 기본 에이전트를 테스트 오픈 당신은 기본 boilerplate 코드를 볼 수 있습니다. agent.py 실행하기 전에 모델 이름을 업데이트하십시오. AI 스튜디오 → 모델 → 모델 선택 → 내부 이름 복사 (예를 들면 : 또는 ) gemini-2.0-flash gemini-3-pro-preview 귀하의 코드에 있는 placeholder 모델 이름을 교체합니다.Replace the placeholder model name in your code. 이제 에이전트를 테스트합니다.이 명령을 터미널 내부에서 실행하십시오: adk run my_agent
 모든 것이 효과가 있다면, 당신은 답을 얻어야합니다. 모델에 대한 무료 제한을 만난 경우, 더 가벼운, 무료 계층 모델로 전환하십시오. 단계 6: 여러 에이전트를 만듭니다 (Research + Summarizer + Coordinator) 이제 우리는 진정한 . multi-agent system 이 에이전트는 웹을 검색하고 결과를 저장합니다. 1. Research Agent. 이것은 연구 결과를 취하고 요약을 작성합니다.This takes the research result and writes a summary. 2. Summarizer Agent. 이 에이전트는 누가 먼저 작동해야하는지 결정하고 나서 최종 답변을 구축합니다. 3. Coordinator Agent (Root Agent). 각 에이전트는 필요합니다 : 
 
 
 
 
 자신의 이름 자신의 지시를 옵션 도구 (예: Google 검색) 명확하게 예상되는 행동 당신은 당신의 agent.py 파일 내에서이 코드를 사용할 수 있습니다 : from google.adk.agents.llm_agent import Agent
from google.adk.tools import google_search, AgentTool


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 top 5 AI news for a give topic. Do not answer any user questions directly.""",
    tools=[google_search],
    output_key="research_result",
)

print("Resereach Agent created successfully.")

summarizert = Agent(
    name="Summarizert",
    model="gemini-2.5-flash-lite",
    instruction="""
    Read the research findings {research_result} and create a summary for each topic with the link to read more
    """,
    output_key="summary_result",
)
print("Summarizert Agent created successfully.")


# Root Coordinator:
root_agent = Agent(
    model='gemini-2.5-flash-lite',
    name='root_agent',
    description='A helpful assistant for user questions.',
    instruction="""
    You are coordinator. First your job is to 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),
    ]
)
 이것은 이제 진정한 멀티 에이전트 파이프라인입니다. 단계 7: 멀티 에이전트 시스템을 실행 이 명령을 터미널 내부에서 실행하십시오: adk run my_agent
 그런 다음 연구를위한 주제를 입력합니다. 에이전트를 실행 한 후에, 당신은 볼 수 있습니다 : 
 
 
 
 연구원 정보 수집 Summarizer 에이전트 producing a summarizer 수출을 결합하는 코디네이터 모든 것이 함께 작동합니다! 단계 8: 웹 인터페이스 사용 (더 쉬운) ADK includes a web UI. 터미널 내부에서 이 명령을 실행하십시오: adk web --port 8000
 모든 것이 괜찮다면 서버 URL을 볼 수 있습니다: 브라우저에서 링크를 열고 메뉴에서 에이전트를 선택합니다. 이제 당신은 볼 수 있습니다 : 
 
 
 
 메시지 flow 어떤 경찰관이 불렸는지 그들이 수행한 단계들 이것은 멀티 에이전트 시스템을 디버깅 할 때 많은 도움이됩니다. All the code is available on my GitHub repository:  https://github.com/proflead/how-to-build-ai-agents-from-scratch https://github.com/proflead/how-to-build-ai-agents-from-scratch https://github.com/proflead/how-to-build-ai-agents-from-scratch 비디오 튜토리얼 : AI 에이전트를 구축하는 방법 시각적 인 지침을 원한다면, 내 단계별 비디오 튜토리얼을 보시기 바랍니다. https://youtu.be/lh8LBRXHnGE?si=dCpXkbwk5n1M8fn6&embedable=true YouTube에서 보세요 : AI 에이전트를 처음부터 구축하는 방법 AI 에이전트를 처음부터 만드는 방법 How to Build an AI Agent from Scratch AI 에이전트를 처음부터 만드는 방법 How to Build an AI Agent from Scratch 결론 대부분의 사람들이 생각하는 것보다 AI 에이전트를 구축하는 것이 쉽습니다.Google ADK를 사용하면 몇 분 안에 간단한 또는 다중 에이전트 시스템을 만들고 웹 인터페이스에서 테스트하고 도구, 워크플로우 및 실제 통합으로 확장 할 수 있습니다. 안녕하세요! 😉

Google

GitHub

Read My Blog

Read My Stories

이 오디오는 이야기의 원래 언어로 제작되었습니다!

10 분 이내에 AI 에이전트를 구축 할 수 있습니다 (여기에 방법이 있습니다)

About Author

코멘트

태그 걸기

이 기사는 다음에서 발표되었습니다.

Related Stories

Claude Sonnet 3.5 시스템 프롬프트 유출: 법의학적 분석

독특한 생태계를 강화하는 비트코인 UTXO 모델

탭하여 수익 창출: 텔레그램에서 솔라나 이전에 100억 명의 암호화폐 사용자를 확보할 수 있음

이 18가지 개발자 도구로 생산성을 높이세요 🚀🔥

Claude Sonnet 3.5 시스템 프롬프트 유출: 법의학적 분석

독특한 생태계를 강화하는 비트코인 UTXO 모델

탭하여 수익 창출: 텔레그램에서 솔라나 이전에 100억 명의 암호화폐 사용자를 확보할 수 있음

이 18가지 개발자 도구로 생산성을 높이세요 🚀🔥

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps