GoogleAgent-quickstart 学习笔记

谷歌代理开发工具包 （ADK）快速入门

官方文档 : google.github.io/adk-docs/get-started/quickstart/

一、Quickstart

1.配置环境

参照官方文档配置环境、创建项目结构、获取APIkey （注意Google AI Studio的API密钥设置了地理位置限制，仅允许特定国家/地区访问，需要先挂代理）

2.运行项目

运行adk web后打开http://localhost:8000/，经测试对话功能和agent的时间、天气查询功能均能正常使用（demo代码仅支持new york单个城市）

---

二、Quickstart (streaming)

1.配置环境

和no streaming的流程基本一样，参照官方文档完成。

2.运行项目

通过测试发现这个demo虽然代码简短，且仅调用了 google_serach 这一个tool，却可以很有效地识别图片、语音、视频、通过搜索回答实时问题。

3.demo分析

ADK Streaming和Gemini模型的协同设计实现了这种"简单调用，多模态响应"的效果，核心原因有三：

1. 模型多模态原生支持：gemini-2.0-flash-exp本身是多模态模型，内置理解图像/语音/视频的能力。ADK Streaming通过框架层自动将音视频流转换为模型可理解的格式，无需额外工具。

2. 实时数据流处理：ADK Streaming架构采用异步双向通信管道，能实时处理流式输入（麦克风/摄像头数据流）并分片传输给模型，同时保持对话上下文连贯。

3. 工具链隐式集成：虽然只显式添加google_search，但ADK底层已集成语音识别（STT）、语音合成（TTS）、视频帧分析等基础工具链，通过参数配置自动激活

这种模式特别适用于AI原生应用开发：​​用大模型的多模态能力作认知引擎，用框架处理传感器级的信号转换，开发者只需聚焦业务逻辑编排​​。

4.构建自定义流式app

原先使用的是 ADK 自带的默认界面，这一步使用 FastAPI 和 ADK Streaming 构建自定义流式应用，学习如何集成 ADK 的 agent 到 Web 服务中。（官方文档中给出的代码只包含基础的文字聊天界面）