Вони більш потужні, ніж прості чат-боти, тому що агенти можуть використовувати інструменти, запускати код, шукати в Інтернеті, планувати кроки і навіть працювати разом з іншими агентами для завершення складних завдань. У цій статті я покажу вам, як побудувати свого першого агента AI з нуля, використовуючи Google's ADK (Agent Development Kit). Ви можете створити все безкоштовно і всього за кілька хвилин, якщо у вас вже встановлений Python. Давайте почнемо Що таке агент AI? (Просте пояснення) Перш ніж ми почнемо, давайте швидко розглянемо, що насправді є агентом AI. Нормальна модель AI (наприклад, ChatGPT або Gemini) дає тільки текстові відповіді. А Інакше – це може бути: AI agent 
 
 
 
 
 Виконуйте завдання, а не просто відповідайте на запитання Використовуйте інструменти, такі як Пошук Google, калькулятори, API або бази даних Приймайте рішення і плануйте кроки Робота самостійно з мінімальною допомогою Ви можете подумати про агента штучного інтелекту як про невеликого «робітника штучного інтелекту», який може виконувати завдання замість вас. У цьому підручнику ми спочатку побудуємо простий агент, а потім оновимо його на багатоагентну систему з окремими агентами для досліджень, підсумовування та координації. Що потрібно перед початком Щоб слідувати цьому інструкції, вам потрібно тільки: 
 
 
 
 
 Завантажити Python на свій комп'ютер Будь-який редактор коду, наприклад VS Code (або Google Antigravity IDE, якщо ви хочете) Google ADK — рамка відкритого коду, яку ми будемо встановлювати Ключ API Gemini, який можна вільно генерувати Google Antigravity Ідея Google АДК Google АДК Якщо у вас є все готове, давайте будувати! Створення Agents from Scratch Крок 1: Створення проектної папки та віртуального середовища Спочатку відкрийте свій термінал і створіть папку: mkdir my_first_agent
cd my_first_agent
 Створення віртуального середовища: python -m venv .venv
 Активуйте його: source .venv/bin/activate  # macOS / Linux
# or
.\venv\Scripts\activate    # Windows
 Віртуальне середовище зберігає ваш проект чистим і уникає конфліктів версій. Крок 2: Встановлення Google ADK Завантажити програму Agent Development Kit: pip install google-adk
 Крок 3: Створіть свій проект агента У вашому терміналі завантажуйте: adk create my_agent
 Виберіть модель (ви можете вибрати Gemini 2.5 або Gemini Flash). Після цього з'являється структура папки: my_agent/
 ├── agent.py
 ├── .env
 └── __init__.py
 
 
 
 agent.py → Це основний файл, де живе ваш код .env → Це де йде ваш ключ API Відкрийте папку в коді VS або будь-якому IDE. Крок 4: Отримати свій безкоштовний ключ API Gemini Ідіть до: https://aistudio.google.com https://aistudio.google.com Увійдіть зі своїм обліковим записом Google → нижній лівий бічний рядок → . Get API key Клік , дайте йому назву, виберіть проект (або створити один) і скопіюйте ключ. Create API Key Відкрийте свою Файли та додавання: .env GOOGLE_API_KEY="your-key-here"
 Крок 5: Перевірте дефолтного агента Відкритий Ви побачите код за замовчуванням Boilerplate. agent.py Перед тим, як його запустити, оновити назву моделі. Перейти до AI Studio → Моделі → вибрати модель → скопіювати її внутрішню назву (Прикладом може бути: або ) gemini-2.0-flash gemini-3-pro-preview Замініть назву моделі у своєму коді. Тепер випробуйте свого агента. Запустіть цю команду всередині терміналу: adk run my_agent
 Запитайте про щось просте.Якщо все працює, ви повинні отримати відповідь. Якщо ви досягли вільного ліміту для моделі, перейдіть на більш легку, вільну модель. Крок 6: Створення декількох агентів (дослідження + підсумок + координатор) Давайте побудуємо реальну . multi-agent system Цей агент буде шукати в Інтернеті і зберегти результат. 1. Research Agent. Це бере результат дослідження і пише резюме. 2. Summarizer Agent. Цей агент вирішує, хто повинен працювати спочатку, а потім будує остаточну відповідь. 3. Coordinator Agent (Root Agent). Кожен агент потребує: 
 
 
 
 
 Власне ім'я Власні інструкції Опційні інструменти (наприклад, пошук Google) Ясна очікувана поведінка Ви можете використовувати цей код всередині вашого файлу agent.py: 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),
    ]
)
 Тепер це справжній мультиагентський трубопровід. Крок 7: Запустіть мультиагентну систему Виконайте цю команду всередині свого терміналу: adk run my_agent
 Потім введіть тему для дослідження. Після запуску агентів, ви побачите: 
 
 
 
 Агент збирає інформацію Агент, який створює резюме Координатор поєднання результатів Все працює разом! Крок 8: Використання веб-інтерфейсу (багато простіше) ADK включає Web UI. У терміналі запустити команду: adk web --port 8000
 Якщо все в порядку, ви побачите сервер URL: Відкрийте посилання у своєму браузері. Виберіть свого агента з меню. Тепер ви можете побачити: 
 
 
 
 Повідомлення Flow Яким агентом називали Крок, який вони зробили Це дуже допомагає при дебютуванні мультиагентних систем. 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 Відеоурок: Як побудувати агентів AI Якщо вам потрібна візуальна інструкція, будь ласка, перегляньте мій крок за кроком відеоурок. https://youtu.be/lh8LBRXHnGE?si=dCpXkbwk5n1M8fn6&embedable=true Дивіться на YouTube: Як побудувати агента AI з нуля Як побудувати агента з нуля Як побудувати агента з нуля Висновок З Google ADK ви можете створювати прості або навіть багатоагентні системи за хвилини, тестувати їх у веб-інтерфейсі та розширювати їх за допомогою інструментів, робочих процесів та інтеграцій в реальному світі. Вітаємо! 😉

Google

GitHub

Read My Blog

Support my work

Це аудіо створено мовою оригіналу історії!

Ви можете побудувати агента AI з нуля менш ніж за 10 хвилин (ось як)

About Author

КОМЕНТАРІ

ПОВІСИТИ БИРКИ

ЦЯ СТАТТЯ БУЛА ПРЕДСТАВЛЕНА В

Related Stories

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps