构建 ADK 智能体

这个教程展示一个最小 Google ADK 项目如何用 KsADK 运行、调试并暴露 OpenAI 兼容接口。它只依赖本地文件和模型 provider 配置，不需要私有部署环境。

1. 创建项目

mkdir adk-hello-agent
cd adk-hello-agent
python -m venv .venv
source .venv/bin/activate
pip install -U "ksadk[adk]"

Windows Python 3.13 使用 LiteLlm

Windows Python 3.13 不会由 ksadk[adk] 自动安装 LiteLLM，避免镜像或缓存误选源码包后要求本机具备 MSVC/Rust 构建链。若 Agent 显式使用 google.adk.models.lite_llm.LiteLlm，请先安装官方 wheel：python -m pip install --only-binary=litellm litellm。

创建 agentengine.yaml：

name: adk-hello-agent
framework: adk
entry_point: agent.py
agent_variable: root_agent

创建 .env：

OPENAI_API_KEY=sk-test
OPENAI_BASE_URL=https://api.example.com/v1
OPENAI_MODEL_NAME=my-model

真实 token 只放在本地 .env 或运行环境变量中，不提交到仓库。

2. 编写 Agent

创建 agent.py：

from __future__ import annotations

from google.adk.agents import Agent


def lookup_city(city: str) -> dict:
    """Return a small demo profile for a city."""
    profiles = {
        "beijing": "北京适合安排室内外结合的短行程。",
        "shanghai": "上海适合安排通勤友好的半日行程。",
        "guangzhou": "广州适合预留雨具和室内备选方案。",
    }
    return {"city": city, "summary": profiles.get(city.lower(), "暂无演示数据。")}


root_agent = Agent(
    name="adk_hello_agent",
    description="A small ADK agent that can call a local city lookup tool.",
    instruction=(
        "你是一个简洁的行程助手。用户提到城市时，先调用 lookup_city，"
        "再给出两到三条建议。"
    ),
    tools=[lookup_city],
)

这里的 root_agent 仍然是原生 Google ADK Agent。KsADK 不改写 ADK 编程模型，只是在运行时外面加一层 CLI、Web UI、会话和 HTTP 协议适配。

3. 本地运行

agentengine run . -i

可以试：

帮我规划一个北京半日行程。

如果启动失败，优先检查：

agentengine.yaml 的 framework 是否为 adk。
entry_point 是否指向 agent.py。
agent_variable 是否为 root_agent。
当前虚拟环境是否安装了 ksadk[adk]。

4. 打开 Web UI

另开一个终端：

source .venv/bin/activate
agentengine web . --no-open

打开命令输出的本地地址。Web UI 使用独立 kingsoftcloud/ksadk-web 项目构建出的静态 UI，Python 仓库只消费构建产物。

5. 调用 OpenAI 兼容接口

启动本地 server：

agentengine run . --port 8080

调用 Responses：

curl http://127.0.0.1:8080/v1/responses \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "adk-hello-agent",
    "input": "给我一个上海半日安排。",
    "stream": false
  }'

调用 Chat Completions：

curl http://127.0.0.1:8080/v1/chat/completions \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "adk-hello-agent",
    "messages": [
      {"role": "user", "content": "给我一个广州半日安排。"}
    ],
    "stream": false
  }'

6. 逐步接入高级能力

ADK 项目先保持最小可运行，再逐步接入高级能力：

能力	推荐入口	说明
MCP 工具	`KSADK_MCP_SERVERS`	runner 加载阶段注入 ADK toolset
长期记忆	`KSADK_LTM_*`	先配置 namespace 和 backend，再做行为测试
知识库	provider 环境变量	在 Agent 指令里明确何时使用知识上下文
Skill Runtime	`ksadk[skills]`	只加载经过审核的 skill 包
会话管理	本地 Web UI 或 API session 字段	确认同一 session 内历史符合预期

不要一次性打开所有可选能力。每接入一项，都用 agentengine run . -i、 agentengine web . --no-open 和一条 API smoke request 验证行为。

7. 提交文件

建议提交：

agent.py
agentengine.yaml
README.md
tests/

不要提交：

.env
.venv/
.agentengine/
__pycache__/
dist/
build/

后续阅读

框架接入：ADK runner、加载边界和检测顺序。
Agent 最佳实践：ADK、记忆、知识库、MCP 和 Skill Runtime 模式。
环境变量：模型、记忆、知识库、MCP 和 tracing 变量。
OpenAI 兼容 API：本地协议形态。

构建 ADK 智能体

本页导航