你可能已经了解过Firebase。它是由谷歌开发的一个全方位平台，旨在简化整个应用开发周期——涵盖从构建和测试到部署和扩展你的移动和网络应用的各个方面。

近期，Google 将 Firebase 套件扩展，加入了 Firebase Studio。这是一个 代理式的 云端开发环境，专门用于帮助你构建和发布高质量的全栈 AI 应用程序——包括 API、后端服务、数据库、前端界面等。

这些新的人工智能应用的关键驱动因素是它们的自主性能力。谷歌在这方面做出了重大贡献，发布了Google 代理开发工具包（ADK）——一个专门为创建复杂代理和多代理系统而设计的开源工具包。随着这种以ADK等工具支持的代理开发为重点，很多人问我该如何开始他们的实验和开发工作。

所以，想要开始使用谷歌ADK的朋友们，我的建议是：试试Firebase Studio！

设置好简直太容易了。当你点击“现在试用 Firebase Studio”按钮时，Google 会立即为你准备好一个完整的开发环境，你可以在浏览器中直接访问。没错，你根本不需要在本地机器上安装任何东西。

在欢迎界面上，你可能会看到一个提示，让你描述你想要构建的应用程序。Firebase Studio 内置的AI原型生成代理（由Gemini提供支持）会根据你的描述自动生成应用代码。虽然这是一个强大的功能，值得单独探索，但在本次教程中，我们将跳过 AI 生成这一步。我们的目标是更直观地理解如何手动设置ADK代理。为此，我们将使用另一个强大的功能：Firebase Studio的大量预构建项目模板。

查看 Firebase Studio 中的 左侧栏。你应该看到比如 新建工作空间 和 导入仓库 等选项。

选择 [新工作区] 选项。你会发现这里有各种预设模板，令人印象深刻，适合多种项目的起点。

对于本指南，我们将使用 Python Flask 模板。提供以下详细信息后，Firebase Studio 将基于该模板启动应用程序：

1. 给你的新工作区取个名字。
2. 你想要用的包管理器（例如，pip或poetry）。

你的初始工作区应该看起来像这样：

你可能会看到一些弹出通知。Firebase Studio 通常会建议为你的项目类型安装推荐的插件（如 Python 支持、Pylint 等）。通常最好点击“是”或“安装”来确认这些安装。之后你可能需要刷新浏览器页面，以便这些插件能正确加载和激活。

在左侧面板中查看文件资源管理器，你会发现工作室生成了一个基本的 Flask 应用框架（包括 main.py 和 devserver.sh 这样的文件）。因为我们是要从头开始构建一个 Google ADK 代理，所以并不需要这个默认的网页应用代码。请将 main.py 和 devserver.sh 这两个文件删除。

接下来，我们需要准备Python环境。打开一个新的终端窗口（通常可以通过顶部菜单，如“终端” > “新建终端窗口”）进行此操作。

首先，我们先创建一个虚拟环境来管理这个Python项目的依赖。

在命令行中执行以下命令来创建一个虚拟环境:

    python -m venv myenv

（此命令用于创建一个名为 myenv 的虚拟环境。）

然后激活它。

    source myenv/bin/activate # 激活虚拟环境

接下来，打开“需求文件.txt”（你可以在主项目目录中找到它）。我们需要添加所需的代理Python库（注意在主项目目录中找到“需求文件.txt”文件）。

在你的 requirements.txt 文件中加入以下内容：

    google-adk  
    python-dotenv

他们做了这些：

• google-adk: 这是 Google 代理开发工具包的核心库。
• python-dotenv: 这个工具让我们可以轻松地从一个单独的 .env 文件中加载环境变量（比如 API 密钥和项目设置），将敏感信息排除在代码之外，这样更安全。

添加这些行并保存 requirements.txt 文件后，在你的终端执行下面的命令来安装这些库：

    pip install -r requirements.txt

执行此命令以安装项目依赖项，确保所有指定的Python库都已安装。

接下来，在你的工作区的主目录（与 requirements.txt 同级）中，创建一个名为 .env 的新文件。

在文件中添加以下内容。记得把占位符（your-gcp-project-id 和 us-central1）替换为实际的 Google Cloud 项目 ID 和您想要使用的区域。

    # .env - 代理设置  

    # 大型语言模型提供商（LLM）: 使用 'vertex_ai' 或 'google_ai_studio'  
    ADK_AGENT_LLM_PROVIDER=vertex_ai  

    # 填写您的 Google Cloud 项目 ID（仅当使用 Vertex AI 时需要）  
    ADK_VERTEX_AI_PROJECT=your-gcp-project-id  

    # Vertex AI 地区（示例：us-central1, europe-west1）  
    ADK_VERTEX_AI_LOCATION=us-central1

• **ADK_AGENT_LLM_PROVIDER**: 指定提供大语言模型的服务。我们将其设置为 vertex_ai，主要的替代选项通常是 google_ai_studio。
• **ADK_VERTEX_AI_PROJECT**: 您特定的已启用 Vertex AI 的 Google Cloud 项目 ID。
• **ADK_VERTEX_AI_LOCATION**: 您想要访问 Vertex AI 模型的 Google Cloud 地区。选择一个适合您的地区（例如，us-central1，europe-central2）。

安装了环境依赖项并在 .env 文件中设置了配置后，我们准备好定义核心部分：‘Hello World’代理代码。

    import os  
    from dotenv import load_dotenv  
    from google.cloud.dialogflow.agents import Agent  
    from google.genai import types  

    load_dotenv()  

    MODEL = "gemini-2.0-flash-001"  
    AGENT_APP_NAME = 'enterpriseagent'  

    root_agent = Agent(  
            model=MODEL,  
            name=AGENT_APP_NAME,  
            description="你是一个乐于助人的助手，总是以非常积极的方式回答各种问题。",  
            instruction="如果有人问你如何创建的，告诉他们你是通过Google Agent Framework创建的。",  
            generate_content_config=types.GenerateContentConfig(temperature=0.2),  
    )  

• root_agent = Agent(...)：这是创建并配置Agent类实例的主要步骤，结果赋值给变量root_agent。
• model=MODEL：告诉Agent实例使用由MODEL变量指定的LLM（即 "gemini-2.0-flash-001"）。
• name=AGENT_APP_NAME：将名称 'enterpriseagent' 赋给这个Agent实例。
• description="您是一个乐于助人的助手，以积极的态度回答各种问题！"：提供关于此Agent实例的角色或人格的一般描述。该描述可能被ADK框架或可能被LLM本身用作其上下文的一部分。
• instruction="如果有人问你是怎么被创造出来的，你就说你是在Google Agent Framework里被创造出来的。"：为Agent的行为提供具体且高层次的指令或规则。这就像一个系统提示，告诉Agent如何回应特定查询。
• generate_content_config=types.GenerateContentConfig(temperature=0.2)：这用来配置LLM的内容生成参数。

最后，在代理目录内（例如，helloworldadk，与你的 agent.py 同级目录中），你需要创建一个名为 __init__.py 的空文件，这个文件是必需的。这个特别的文件会让 Python 认为该目录是一个包，这样你的代理代码就能被 ADK 框架以及其他应用部分导入使用了。

好吧，轮到测试这个代理了！

首先，确保你的终端位于项目的根目录（即包含 helloworldadk 文件夹的那一级）。在此父级目录下运行 adk 工具。

要从你的代理目录下向上移动到上级目录，输入 cd ..，这样可以更好地帮助不熟悉命令行的用户理解。

现在，在包含 helloworldadk 的父目录下，运行 adk run，并指定你的代理模块目录的名字：

运行 `adk run helloworldadk` (运行 "adk 运行 helloworldadk")

运行命令后，终端中会显示几个提示，指引你完成操作。

1. 用户名提示: ADK 程序会要求输入一个用户标识符（例如，输入用户:）。这将为你与代理的互动创建一个会话。测试时，你可以输入任何名字（如 user1 或 test_dev），然后按回车。在实际使用中，这通常对应于应用程序的当前登录用户ID。
2. Google Cloud 认证: 因为你的代理已配置使用 Vertex AI（如你的 .env 文件中指定），ADK 需要验证你对 Google Cloud 资源 的访问权限。
3. GCP 项目选择: 认证后，你可能需要确认要使用哪个 Google Cloud 项目（应该默认为你的 .env 文件中的 ADK_VERTEX_AI_PROJECT 参数）。如果有提示，请选择正确的项目。

完成这些步骤后，你应该会看到类似 user1: 或 test_dev: 的提示信息，表明 ADK 运行器已经准备好供你使用，你可以开始和代理聊天了。

在提示符下，你现在可以在提示符下提问了！输入你的问题并按回车键，直接在终端里与你的助手互动。

不过，这个命令行界面更适合基本测试，但ADK提供了一种更直观和用户友好的方式来与您的代理互动：内置的网页界面，这样更直观易用。

要启动 web UI 而不是使用命令行工具，只需执行：

ADK网页

注：ADK可能指的是某个特定的网站或服务，请根据具体上下文进行解释。

这将开始运行ADK网络服务器。

当Web服务器启动的时候，在终端输出中，你会看到这样的信息：“ADK Web Server运行在http://0.0.0.0:8000”。

大多数现代终端（包括 Firebase Studio 中的终端）都让这个 URL 变得互动起来。可以试试以下常见的打开方法：

• 悬停并点击：（可以尝试以下步骤） 将鼠标指针移到 http://0.0.0.0:8000 文本上。可能会看到提示或下划线。如果有 跟随链接 或 打开链接 的选项，点击它。
• Ctrl/Cmd + 点击： 按住 **Ctrl** 键（Windows/Linux）或 **Cmd** 键（macOS），然后点击 http://0.0.0.0:8000 链接。

在导航到外部链接之前，Firebase Studio 可能会弹出一个安全提示弹窗，要求您确认是否打开外部链接。

如果看到这个提示，请单击“打开”按钮（或类似的按钮）。

ADK的Web界面将在新浏览器标签页中打开，准备好让您使用。

你现在可以开始与你的代理聊天了，使用网页界面中的输入框进行交流。这个界面也能帮助你检查对话细节并调试回复。尽情实验吧！

虽然 Firebase Studio 提供了出色的、简化的体验来开始和原型设计 AI 应用程序，但它可能并不是每个组织环境的理想选择。特别是在具有严格安全政策和合规要求（例如需要在私有网络内开发或特定的 IAM 权限控制）的环境中，或者在公司政策禁止访问 Firebase Studio 的情况下，需要一个更强大的解决方案。

如果您需要一个与企业安全策略无缝集成，并且满足严格合规要求的开发环境工具，那么Google Cloud 工作区是推荐的选择。

但这里才是最令人兴奋的部分！使用ADK和Firebase Studio将您的代理运行在云端被设计得非常简单易用。我之前说过，只需一条命令就可以将您的代理应用部署到类似Cloud Run或Agent Engine的平台上。

看看我的另一篇博客文章，了解如何使用这个工具GCP Integration Connectors将您的代理连接到超过100个系统吧。

本文由Lukasz Olejniczak——Google Cloud 的客户工程师撰写。文中观点仅代表作者个人观点，不一定代表 Google 的立场。

如果喜欢这篇文章，请给它点个赞。想要了解更多关于Google Cloud、数据科学、数据工程和AI/ML的信息，请关注我在LinkedIn上的分享。

[MCP]: 模型上下文协议
[LLM]: 大型语言模型
[RAG]: 检索增强生成
[SSE]: 服务器发送事件