AI-agenten behoren tot de meest opwindende gebieden van moderne AI-ontwikkeling. ze zijn krachtiger dan eenvoudige chatbots omdat agenten hulpmiddelen kunnen gebruiken, code kunnen uitvoeren, het web kunnen zoeken, stappen kunnen plannen en zelfs samen kunnen werken met andere agenten om complexe taken te voltooien. In dit artikel zal ik je laten zien hoe je je eerste AI-agent vanaf nul kunt bouwen met behulp van Google's ADK (Agent Development Kit).Dit is een open source framework dat het gemakkelijker maakt om agenten te maken, ze te testen, tools toe te voegen en zelfs multi-agent-systemen te bouwen. Je kunt alles gratis en in slechts een paar minuten bouwen als je Python al hebt geïnstalleerd. Laten we beginnen. Wat is een AI Agent? (Eenvoudige uitleg) Voordat we beginnen, laten we snel bekijken wat een AI-agent eigenlijk is. Een normaal AI-model (zoals ChatGPT of Gemini) geeft je alleen tekst antwoorden. een is anders - het kan: AI agent 
 
 
 
 
 Uitvoeren van taken, niet alleen antwoorden op vragen Gebruik tools zoals Google Search, rekenmachines, API's of databases Maak beslissingen en plan stappen Zelfstandig werken met minimale menselijke hulp Je kunt een AI-agent beschouwen als een kleine "AI-werker" die taken kan uitvoeren in plaats van jou. In deze tutorial bouwen we eerst een eenvoudige agent en upgraden deze vervolgens naar een multi-agent systeem met afzonderlijke agenten voor onderzoek, samenvatting en coördinatie. Wat je nodig hebt voordat je begint Om deze tutorial te volgen heb je alleen nodig: 
 
 
 
 
 Python geïnstalleerd op uw computer Elke code-editor, zoals VS Code (of Google Antigravity IDE als u wilt) Google ADK – het open-source framework dat we installeren Een Gemini API-sleutel, die gratis kan worden gegenereerd De Google Antigravity IDE Google Adsense Google Adsense Als je alles klaar hebt, laten we bouwen! AI-agenten bouwen vanaf nul Stap 1: Maak een projectmap en virtuele omgeving Open eerst uw terminal en maak een map: mkdir my_first_agent
cd my_first_agent
 Maak nu een virtuele omgeving: python -m venv .venv
 Activeer het dan: source .venv/bin/activate  # macOS / Linux
# or
.\venv\Scripts\activate    # Windows
 Een virtuele omgeving houdt uw project schoon en voorkomt versieconflicten. Stap 2: Installeer Google ADK Installeer nu de Agent Development Kit: pip install google-adk
 Stap 3: Maak uw agent project Binnen uw terminal, run: adk create my_agent
 Kies het model (u kunt kiezen voor Gemini 2.5 of Gemini Flash). Hierna verschijnt een mapstructuur: my_agent/
 ├── agent.py
 ├── .env
 └── __init__.py
 
 
 
 agent.py → Dit is het hoofdbestand waar uw code leeft .env → Dit is waar uw API-sleutel gaat Open de map in VS Code of een IDE. Stap 4: Krijg uw gratis Gemini API-sleutel Ga naar: https://aistudio.google.com https://aistudio.google.com Log in met je Google-account → linksbovenzijde . Get API key Klik op , geef het een naam, selecteer een project (of maak er een), en kopieer de sleutel. Create API Key Open nu uw Filteren en toevoegen: .env GOOGLE_API_KEY="your-key-here"
 Stap 5: Test de standaardagent open U ziet de standaard boilerplate code. agent.py Voordat u deze uitvoert, moet u de modelnaam bijwerken. Ga naar AI Studio → Modellen → kies een model → kopieer de interne naam (voorbeeld van : of ) gemini-2.0-flash gemini-3-pro-preview Vervang de plaatshouder modelnaam in uw code. Test nu uw agent. Voer deze opdracht in de terminal uit: adk run my_agent
 Vraag iets eenvoudigs.Als alles werkt, moet je een antwoord krijgen. Als u de vrije limiet voor een model bereikt, schakelt u over op een lichter, gratis model. Stap 6: Maak meerdere agenten (onderzoek + samenvatting + coördinator) Laten we nu een echte . multi-agent system Deze agent zal het web zoeken en het resultaat opslaan. 1. Research Agent. Hiermee wordt het onderzoeksresultaat genomen en wordt een samenvatting geschreven. 2. Summarizer Agent. Deze agent beslist wie eerst moet werken en bouwt vervolgens het uiteindelijke antwoord op. 3. Coordinator Agent (Root Agent). Elke agent heeft nodig: 
 
 
 
 
 Zijn eigen naam Zijn eigen instructies Optionele hulpmiddelen (zoals Google Search) Duidelijk verwacht gedrag U kunt deze code gebruiken in uw agent.py bestand: 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),
    ]
)
 Dit is nu een echte multi-agent pijpleiding. Stap 7: Voer het multi-agent systeem uit Voer deze opdracht uit in uw terminal: adk run my_agent
 Voer vervolgens het onderwerp in voor onderzoek.Na het uitvoeren van de agenten zie je: 
 
 
 
 Onderzoeksagent verzamelen info Summarizer agent die een samenvatting produceert Coördinator combineert output Alles werkt samen! Stap 8: Gebruik de webinterface (veel gemakkelijker) ADK bevat een web UI. Binnen de terminal voert u deze opdracht uit: adk web --port 8000
 Als alles in orde is, ziet u de server-URL: Open de link in uw browser. Selecteer uw agent uit het menu. Nu kun je zien: 
 
 
 
 De boodschap flow Welke agent wordt genoemd De stappen die ze hebben uitgevoerd Dit helpt veel bij het debuggen van multi-agent systemen. 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 Video Tutorial: Hoe AI-agenten te bouwen Als u visuele instructie wilt, bekijk dan mijn stap-voor-stap video tutorial. https://youtu.be/lh8LBRXHnGE?si=dCpXkbwk5n1M8fn6&embedable=true Bekijk op YouTube: Hoe maak je een AI-agent vanaf nul opbouwen Hoe maak je een AI-agent vanaf nul te bouwen Hoe maak je een AI-agent vanaf nul te bouwen Conclusie Met Google ADK kun je in minuten eenvoudige of zelfs multi-agent systemen maken, ze testen in een webinterface en ze uitbreiden met tools, workflows en real-world integraties. Gefeliciteerd! 😉

Google

GitHub

Read My Blog

Support my work

Deze audio wordt geproduceerd in de originele taal van het verhaal!

Je kunt een AI-agent vanaf nul bouwen in minder dan 10 minuten (hier is hoe)

About Author

OPMERKINGEN

LABELS

DIT ARTIKEL WERD GEPRESENTEERD IN

Related Stories

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps