Google verwendet KI-Technologie, um Inhalte in Ihre bevorzugte Sprache zu übersetzen. KI-Übersetzungen können Fehler enthalten.

Einen einfachen Reise-Agenten mit dem ADK und der Gemini CLI erstellen

1. Einführung

Zuletzt aktualisiert: 22.06.2026

Einen einfachen Reiseberater mit ADK erstellen

Willkommen bei diesem ADK-Workshop für Python(*), der dank der Gemini CLI alles enthält, was Sie brauchen.

Dieses Codelab ist in zwei 🏅 Meilensteine unterteilt:

Ein gängiger, einfacher Lernpfad: Einrichtung + sofortige Belohnung.
Ein personalisierter Pfad, bei dem Sie einen Aufgabenblock auswählen, den Sie mit Unterstützung der Gemini CLI lösen möchten

Der zweite Teil macht dieses Codelab perfekt für einen Hackathon (und Preise für die kreativsten Lösungen!).

Meilenstein 1: Erster Agent mit ADK und Gemini CLI

Das Ziel dieses Meilensteins ist es, mit dem ADK Schritt für Schritt einen einfachen Reiseberater zu erstellen. Dazu richten wir zuerst die Gemini CLI ein, damit sie uns beim Programmieren mit dem ADK unterstützt. Dadurch kann Ihre lokale Shell die neueste Version des Python-ADK auswählen, den Code und die Dokumente einlesen und den neuesten/besten Code für Ihr Ziel bereitstellen.

In diesem Teil werden Sie Schritt für Schritt angeleitet, um in kleinen, einfachen Schritten eine voll funktionsfähige App zu erstellen. Das dauert in der Regel etwa eine Stunde (plus Installationszeit).

Meilenstein 2: KI-Agenten erweitern

Anschließend bieten wir Ihnen ein Dutzend Optionen (mit unterschiedlichem Schwierigkeitsgrad), um die App nach Ihren Wünschen zu erweitern. So können Sie verschiedene Aspekte (UI, Ops, komplexe Agenteninteraktionen usw.) erkunden.

Aufgaben

In diesem Codelab erstellen Sie mit dem ADK und der Gemini CLI eine Reiseberater-App. Mit der Anwendung können Sie Folgendes tun:

Verbindung zu Airbnb-APIs über Airbnb-MCP herstellen
Online nach aktuellen Informationen suchen (Wetter, Termine usw.)
Benutzerdefinierte Tools ausführen
Erstellen Sie mit Nano Banana Bilder der Wohnungen/Zimmer.

Die Gemini CLI führt Sie durch alle diese Schritte: Code schreiben/prüfen und die neuesten Dokumente in einem lokalen Spiegel des ADK-Repositorys (in Python oder Ihrer bevorzugten Sprache) finden.

Lerninhalte

Anwendung mit dem ADK erstellen
Mit der Gemini CLI Anwendungen auf Basis lokaler Dokumente programmieren
So interagieren Sie mit einem MCP-Server, um eine Verbindung zu externen Echtzeit-Datenquellen herzustellen:

Voraussetzungen

Einen Computer, auf dem Sie Pakete installieren können (z. B. npm install ..)
Grundlegende Programmierkenntnisse in Python, TypeScript, Go oder Java.
Eine IDE (Antigravity, VS Code, IntelliJ, Vim) wird dringend empfohlen.

Warum ADK und Gemini CLI?

Einige von Ihnen fragen sich vielleicht: Warum sollte ich das ADK (ein SDK für die Erstellung von KI-Agenten) zusammen mit einem lokalen agentischen Code-Helfer (wie der Gemini CLI) verwenden? Der Grund dafür ist, dass beide Tools unglaublich leistungsstark sind, ihre Interaktion jedoch nicht trivial ist. Viele haben versucht, mit beiden zusammenzuarbeiten, und sind gescheitert (meistens aufgrund von Problemen mit „Schleifen in Schleifen“). In diesem Codelab erhalten Sie einige Tipps, wie Sie diese Koexistenz ermöglichen können.

2. Einrichtung

Wählen Sie eine der folgenden Optionen aus: Self-paced environment setup (Umgebung selbst einrichten), wenn Sie dieses Codelab auf Ihrem eigenen Computer ausführen möchten, oder Start Cloud Shell (Cloud Shell starten), wenn Sie dieses Codelab vollständig in der Cloud ausführen möchten.

Umgebung zum selbstbestimmten Lernen einrichten

Melden Sie sich in der Google Cloud Console an und erstellen Sie ein neues Projekt oder verwenden Sie ein vorhandenes Projekt. Wenn Sie noch kein Gmail- oder Google Workspace-Konto haben, müssen Sie eines erstellen.

Der Projektname ist der Anzeigename für die Teilnehmer dieses Projekts. Es handelt sich um einen String, der nicht von Google APIs verwendet wird. Sie können sie jederzeit aktualisieren.
Die Projekt-ID ist für alle Google Cloud-Projekte eindeutig und unveränderlich (kann nach dem Festlegen nicht mehr geändert werden). Die Cloud Console generiert automatisch einen eindeutigen String. In der Regel ist es egal, wie dieser lautet. In den meisten Codelabs müssen Sie auf Ihre Projekt-ID verweisen (normalerweise als PROJECT_ID gekennzeichnet). Wenn Ihnen die generierte ID nicht gefällt, können Sie eine andere zufällige ID generieren. Alternativ können Sie auch einen eigenen Namen ausprobieren und prüfen, ob er verfügbar ist. Sie kann nach diesem Schritt nicht mehr geändert werden und bleibt für die Dauer des Projekts bestehen.
Zur Information: Es gibt einen dritten Wert, eine Projektnummer, die von einigen APIs verwendet wird. Weitere Informationen zu allen drei Werten finden Sie in der Dokumentation.

Als Nächstes müssen Sie in der Cloud Console die Abrechnung aktivieren, um Cloud-Ressourcen und ‑APIs verwenden zu können. Die Kosten für dieses Codelab sind gering, wenn überhaupt welche anfallen. Wenn Sie Ressourcen herunterfahren möchten, um zu vermeiden, dass Ihnen über diese Anleitung hinaus Kosten in Rechnung gestellt werden, können Sie die erstellten Ressourcen oder das Projekt löschen. Neue Google Cloud-Nutzer kommen für das Programm für die kostenlose Testversion mit einem Guthaben von 300 $ infrage.

Cloud Shell starten

Google Cloud kann zwar remote von Ihrem Laptop aus bedient werden, in diesem Codelab verwenden Sie jedoch die Google Cloud Shell, eine Befehlszeilenumgebung, die in der Cloud ausgeführt wird.

Klicken Sie in der Google Cloud Console rechts oben in der Symbolleiste auf das Cloud Shell-Symbol:

Cloud Shell aktivieren

Die Bereitstellung und Verbindung mit der Umgebung sollte nur wenige Augenblicke dauern. Wenn der Vorgang abgeschlossen ist, wird in etwa Folgendes angezeigt:

Screenshot des Google Cloud Shell-Terminals, auf dem zu sehen ist, dass die Umgebung verbunden ist

Diese virtuelle Maschine verfügt über sämtliche Entwicklertools, die Sie benötigen. Sie bietet ein Basisverzeichnis mit 5 GB nichtflüchtigem Speicher und läuft in Google Cloud, was die Netzwerkleistung und Authentifizierung erheblich verbessert. Alle Aufgaben in diesem Codelab können in einem Browser erledigt werden. Sie müssen nichts installieren.

3. Voraussetzungen (Installation)

Für diese Anleitung müssen Sie Folgendes installieren:

1. Python und uv

python und uv (Paketmanager für Python). Dies ist für das ADK erforderlich. Prüfen Sie, ob uv installiert ist:

$ curl -LsSf https://astral.sh/uv/install.sh | sh

Warum uv? Sie können zwar einen beliebigen Python-Manager verwenden, aber mit uv wird sichergestellt, dass die ENV/PATH-Einrichtung für Python für Sie und die Gemini CLI identisch ist. Ihre Shell-Umgebung ist dann also weitgehend mit der der Gemini CLI identisch. Wenn Sie beispielsweise virtualenv verwenden, muss die Gemini CLI Befehle wie „source .env/venv/bin/activate && my-original-command“ ausführen, um Ihre Umgebung zu imitieren.

2. Gemini CLI

Eine Installationsanleitung für die Gemini-Befehlszeile finden Sie unter https://github.com/google-gemini/gemini-cli.

# Note: This requires having npm or npx installed.
npm install -g @google/gemini-cli

Auf einem Mac können Sie brew gemäß der offiziellen Dokumentation verwenden.
Unter Windows können Sie chocolatey verwenden oder die ausführbare Datei einfach von https://nodejs.org/en/download herunterladen.

Für Schritt 4 (später) muss außerdem npx installiert sein. Sowohl npm als auch npx sollten als Teil der Gemini CLI natürlich wirken. Wenn nicht, bitten Sie die Gemini CLI, Ihnen hier zu helfen.

Authentifizierung

Sie benötigen entweder ein Google Cloud-Projekt mit aktiviertem Vertex AI oder einen Google AI Studio API-Schlüssel.

Option A (für den Workshop empfohlen): API-Schlüssel exportieren:

export GOOGLE_API_KEY="your-api-key"

Option B (Vertex AI): Authentifizieren Sie sich mit gcloud:

export GOOGLE_CLOUD_PROJECT="YOUR_PROJECT_ID"
export GOOGLE_CLOUD_LOCATION="YOUR_PROJECT_LOCATION"
export GOOGLE_GENAI_USE_VERTEXAI=true
gcloud auth application-default login

Arbeitsumgebung einrichten

Sie erstellen Ihre EIGENE Lösung unter mysolution/. Erstellen Sie also den Ordner und die beiden benötigten Dateien.

Jetzt können Sie Ihre IDE (Visual Studio Code, IntelliJ, RubyMine usw.) und den Ordner öffnen.

# 1. Find an empty directory, and download this repo.
git clone https://github.com/palladius/adk-gemini-cli-workshop
cd adk-gemini-cli-workshop/

# 2. Create your solution empty skeleton
mkdir -p mysolution/
touch mysolution/__init__.py mysolution/agent.py

# 3. This installs ADK and MCP via `uv` by reading pyproject.toml
uv init
uv sync

# 4. Call Gemini CLI
gemini  # This runs Gemini CLI under the adk-gemini-cli-workshop/ folder.
# Login with your GMail account.

„uv sync“ ist nicht unbedingt erforderlich. Wenn der Befehl jedoch fehlschlägt, müssen Sie Ihre Python- oder uv-Installation korrigieren. Dadurch sollten adk und andere nützliche Skripts im Ordner ./.venv/bin/ installiert werden.

Sie können Ihre Einrichtung testen, indem Sie einfach make test-step1 ausführen und prüfen, ob Sie keine 403 PERMISSION DENIED. erhalten.

Verfügbare Lösungen

Der gesamte Code befindet sich in 📂 steps/. Sie können den Code von dort kopieren.

In diesem Codelab geht es nicht darum, wie Sie guten ADK-Code schreiben, sondern darum, wie Sie Ihre Umgebung so einrichten, dass unter Ihrer Anleitung automatisch GUTER Code geschrieben wird.

Software installieren
Konfiguration/Inbetriebnahme und
und eine Feedbackschleife in Gang setzen,

Das ist es, was wir Ihnen hier wirklich vermitteln möchten. Du kannst sie auch alle gleichzeitig über $ make web-4steps testen.

4. Schritt 1: Einfacher KI-Agent

Erstellen wir zuerst einen einfachen KI-Agenten, der eine Unterhaltung führen kann.

Bearbeiten Sie die Datei mysolution/__init__.py, indem Sie den folgenden Inhalt hinzufügen:

from .agent import root_agent

So einfach ist das. So weiß das ADK, wo sich Ihr Code befindet: in agent.py.

Bearbeiten Sie die Datei mysolution/agent.py, indem Sie den folgenden Inhalt hinzufügen:

from google.adk.agents import Agent

root_agent = Agent(
    name="travel_basic",
    model="gemini-2.5-flash",
    instruction="You are a helpful travel assistant." +
    "You can help with general travel advice based on your knowledge.",
)

Agent testen

Das gilt für alle Schritte. Mit dem ADK können Sie Ihren KI-Agenten auf zwei Arten testen: über die Befehlszeile und über das Web.

Die CLI eignet sich am besten für schnelle und automatisierte Tests.
Das Web eignet sich am besten, um visuell zu sehen, was passiert, das Mikrofon zu verwenden (!) und Fehler zu beheben.

Tipp: Verwenden Sie für diese Übung das Web, um alles außer Unittests zu erledigen. Das ist wirklich toll! Verwenden Sie die Befehlszeile nur für automatisierte Tests.

Ein guter Prompt, mit dem die Schritte 1 bis 4 richtig getestet werden, könnte so aussehen (intelligenter „Lackmustest-Prompt“):

Hallo, ich möchte für morgen Abend ein Hotel in Paris buchen, für eine Person, eine Nacht, im Stadtzentrum von Paris. Ideale Lage nahe dem Bahnhof Paris-Gare-de-Lyon. Budget: unter 200 € pro Nacht.

Sag mir, welches Datum (JJJJMMTT) und welcher Wochentag morgen ist.
Nennen Sie mir die Hotels, die Sie für morgen sehen (mindestens 3). Ich möchte Folgendes sehen: > Preis, Adresse, eine Bewertung (im Format XX/YY, z. B. „4,7/5“ – von Hotels auf Google, Booking oder Airbnb), Anzahl der Rezensionen. Gib sie mir im TABELLENFORMAT. Idealerweise sollte der Hotelname mit einer URL des Hotels verknüpft sein. Sie müssen keine URL-Spalte hinzufügen. Achten Sie darauf, dass der Link funktioniert und auf eine Seite mit Informationen zum Hotel verweist.

Dies ist ein intelligenter Prompt,da er Zeit und Hotels testet und in den Schritten 1,2 und 3 unterschiedlich fehlschlägt. Nur in Schritt 4 sollte er vollständig erfolgreich sein. Sie können natürlich jeden beliebigen Prompt verwenden.

Führen Sie ihn über die Bash (Befehlszeile) aus:

# 1. If ADK was installed:
adk run mysolution/
# ... but if you get: -bash: adk: command not found"
# 2. Call ADK cli script through UV to avoid python install nightmares.
uv run adk run mysolution/

Probieren Sie es mit dem obigen „Lackmustest-Prompt“ aus.

Es ist wahrscheinlich, dass es bestimmte Daten nicht kennt. Wir müssen ihm beibringen, das Datum zu erkennen.

Im Web können Sie so vorgehen:

uv run adk web . : Damit werden alle Agenten in diesem Ordner ausgeführt. Sie möchten, dass sie auf den Unterordner „mysolution/“ verweist.
Wählen Sie rechts oben mysolution/ aus (siehe Bild nebenan).
Stellen Sie Ihre Frage per Text oder Mikrofon, ähnlich wie im „Litmus-Prompt“.

ADK-Web-UI mit dem Ergebnis des Reisebüros

Beachten Sie, dass Sie adk web aus dem übergeordneten Ordner aufrufen müssen, je nach Befehlszeilenversion.

Gelber Roboter – Ergebnis von Schritt 1 mit Datums- und Hotelvorschlägen

Hier ist eine mögliche Lösung mit einer Datums-Halluzination. Hinweis: 3 der 5 Buchungslinks funktionieren. Gar nicht schlecht.

5. Schritt 2: Tool „now()“ hinzufügen

Cloud Shell-Editor mit der Implementierung des „now()“-Tools in agent.py

Fügen Sie diese Funktion in agent.py direkt vor der Definition von root_agent hinzu:

from datetime import datetime

def now() -> dict:
    """Returns the current date and time."""
    my_datetime = ... # Ask Gemini CLI to help you!
    return {
        "status": "success",
        "current_time": my_datetime
    }

Aktualisieren Sie die Definition des KI-Agenten, um das Tool einzubinden:

  # file XXX.py

  root_agent = Agent(
        name="..",
        model="..",
        instruction="..",
        tools=[now] # <== This is the only line you want to add.
    )

Führen Sie sie noch einmal aus und stellen Sie dieselbe Frage. Es sollte jetzt das Datum kennen (gut) und vage Angaben zu Hotels machen (schlecht).

Sie können es auch mit einem Befehl wie diesem testen:

# Let's pretend we're in Milan. This should call the tool
# and respond correctly (possibly with some TZ math issues)
echo "What time is it in Milan?" | uv run adk run mysolution/

6. Schritt 3: Zeit für etwas Neues: google_search

google_search. So kann unser KI-Agent auf Echtzeitinformationen aus dem Web zugreifen.

Ihre Aufgabe besteht darin, den KI-Agenten aus Schritt 2 zu ändern. Anstatt das Tool now zu verwenden, importieren und verwenden Sie das Tool google_search aus der ADK-Bibliothek.

# Full Code: `steps/step03_search/agent.py`
# Remember to REMOVE the now() tool here. See above why.
from google.adk.agents import Agent
from google.adk.tools import google_search

root_agent = Agent(
    name="travel_agent",
    model="gemini-2.5-flash",
    tools=[google_search],
    instruction="""You are a travel agent.
Your job is to help the user plan a trip.
You have access to a search engine.
If you don't know the answer, you can use the search engine.
When you are done, reply with "DONE".""",
)

Anleitung zum Ausführen

Wie in Schritt 1.

Nur Experten: Eine komplexere Integration (mit google_search und now zusammen) finden Sie im Code in steps/step03b_search_and_tool/agent.py. Führen Sie ihn mit make run-step3b aus. Dies ist völlig optional.

7. Schritt 4: Ein komplexeres Tool: MCP

Logo: ADK

Nachdem wir uns sowohl benutzerdefinierte als auch integrierte Tools angesehen haben, kommen wir nun zu etwas Leistungsfähigerem: dem Model-as-a-Tool-Muster mit dem Model Context Protocol (MCP).

Damit wir uns in diesem Schritt auf die leistungsstarken Funktionen von MCP konzentrieren können, werden wir unser vorheriges Tool (google_search) noch einmal ersetzen. Wir werden das einfache Tool now wieder einführen, damit es parallel zum Tool airbnb_mcp ausgeführt werden kann. Dies zeigt, wie ein KI-Agent mehrere kompatible Tools (in diesem Fall ein FunctionTool und ein MCPToolset) verwenden kann, um komplexe Aufgaben auszuführen.

# Full Code: steps/step04_mcp/agent.py
# ... Imports as before
from google.adk.tools.mcp_tool.mcp_toolset import MCPToolset
from google.adk.tools.mcp_tool.mcp_session_manager import StdioConnectionParams
from mcp import StdioServerParameters

def now() -> dict:
    # ... as before

# Configure the Airbnb MCP Toolset
airbnb_mcp = MCPToolset(
    connection_params=StdioConnectionParams(
        server_params=StdioServerParameters(
            command='npx',
            args=["-y", "@openbnb/mcp-server-airbnb", "--ignore-robots-txt"],
        ),
    )
)

root_agent = Agent(
    name="travel_mcp",
    model="gemini-2.5-flash",
    instruction="You are a helpful travel assistant. You can find accommodation using Airbnb, and have access to the current time.",
    tools=[now, airbnb_mcp],
)

Anleitung zum Ausführen

Für diesen Schritt muss npx auf Ihrem System installiert sein. Ansonsten ist dies dasselbe wie oben.

Hinweise/Fehler

Wenn Sie einen robots.txt-Einschränkungsfehler erhalten, können Sie den MCP mit einer „ignore robots“-Anweisung patchen. Weitere Informationen finden Sie in der Dokumentation: https://github.com/openbnb-org/mcp-server-airbnb
Wenn Sie einen timeout-Fehler erhalten (5 Sekunden sind zu kurz, um Antworten von Airbnb zu erhalten), finden Sie in der ADK-Dokumentation Informationen dazu, wie Sie das Zeitlimit auf beispielsweise 30 Sekunden erhöhen können. Oder Sie verwenden die Gemini CLI. Hinweis: Am 3. Dezember 2025 hat Cloud Shell einen Zeitüberschreitungsfehler ausgegeben. Ich habe den Zeitüberschreitungsfehler behoben und trotzdem Fehler erhalten, bis ich die vorherige Version erzwungen habe: args=["-y", "@openbnb/mcp-server-airbnb@0.1.2", "--ignore-robots-txt"].

8. 🏅 Meilenstein 1 erreicht!

🏅 Glückwunsch! 🏅 Sie sind jetzt ADK-Experte. Sie haben den ersten Teil des Workshops abgeschlossen und KI-Agenten mit benutzerdefinierten Tools, integrierten Tools und erweiterten MCP-Tools erstellt und getestet. Jetzt können Sie mit dem Google Agent Development Kit Ihre eigenen KI-Agenten erstellen.

Sie haben jetzt einen funktionsfähigen Reise-Agenten, der die Uhrzeit kennt und im Web suchen kann. Alles ist möglich!

Jetzt fügen Sie mit der Gemini CLI eine zusätzliche Funktion hinzu.

9. 🏅 Meilenstein 2: Vibe Coding mit dem ADK über die Gemini-Befehlszeile

Jetzt kommen wir zum interessanten Teil des Workshops.

achten Sie darauf, dass Sie den Code an einem sicheren Ort aufbewahrengit commit. Sie können den ursprünglichen Code forken oder einen Branch erstellen. Keine Sorge, die Gemini CLI ist hier sehr hilfreich.
Suchen Sie nach einer 💡 Idee, die Sie umsetzen möchten. Sie können sich die Ideen unten ansehen, selbst eine Idee finden oder Gemini bitten, sich die Dokumentation in rag/ anzusehen und ein paar gute Ideen vorzuschlagen.
Beachten Sie die Voraussetzungen, damit Gemini ADK-Dokumente lesen kann. Dann kann es losgehen!

💡 Ideen

🟢 [leicht] Sprichst du mehrere Sprachen? Möchten Sie go, java oder TypeScript angeben? Das Refaktorieren des vorhandenen Codes ist ganz einfach. Laden Sie einfach das richtige ADK herunter und bitten Sie die Gemini CLI, die Übersetzung zu übernehmen.
🟢 [Einfach] Fügen Sie Emojis hinzu oder geben Sie ein Ausgabeformat an, das Ihnen gefällt (z. B. eine Tabelle mit einem Hotel-Emoji, gefolgt vom Preis und 1–5 Sterne-Emojis, wobei Sie auch 🌕🌕🌕🌗🌑 für halbe Sterne verwenden können).
🟢 [Einfach] Ändern Sie den Prompt, um dem Modell beizubringen, wonach Sie suchen oder was Sie vermeiden möchten (haustierfreundlich, kein Erdgeschoss, ruhig, in der Nähe von öffentlichen Verkehrsmitteln usw.), und testen Sie es. Maybe add a personal rating like "a YOUR_NAME-rating from 1-10" based on the above, and sort by that rating.
🟢 [leicht] Ist ein Operator im Raum? In Cloud Run bereitstellen Oder in der Vertex AI Agent Engine. Wussten Sie, dass Sie diesen KI-Agenten einbinden und direkt über das neue Gemini Enterprise aufrufen können?
🟢 [Einfach] adk run in 🍌 NanoBanana MCP einbinden. Erfordert einen Gemini API-Schlüssel. Hier können Sie Bilder erstellen, aber nicht visualisieren. Unten finden Sie eine schwierigere Variante.
🟡 [mittel] Erstellen Sie einen Sub-Agenten, der die HotelSearch ausführt, und erstellen Sie einen BudgetAgent oder einen LocationAgent, der die Hotels noch einmal durchgeht und Ihre Standortanforderungen berücksichtigt, z. B. „nicht mehr als X km von STANDORT entfernt“. Wenn die API dies nicht zulässt, kann es sein, dass die Google Suche einiges an Hin und Her erfordert. Hinweis: Die Gemini CLI kann Ihnen helfen.
🟡 [mittel] Implementieren Sie eine AirbnbReviewAgent, die die Rezensionen analysiert und die positiven und negativen Punkte in einigen farbcodierten Aufzählungspunkten für ein oder mehrere Hotels zusammenfasst, die sich aus einer Suche ergeben. Sie haben bereits zwei Zutaten (GoogleSearch und MCP Airbnb). Jetzt müssen Sie diese mit dem Haupt-Agenten verbinden und möglicherweise eine Art Protokoll für die Kommunikation erfinden.
🟡 [mittel] In A2A einbinden. A2A-Agenten erstellen Bitten Sie Gemini CLI noch einmal um Hilfe.
🔴 [Komplex] Sie können Google Flüge oder andere MCP-Funktionen einbinden, um ein vielseitiges, multifunktionales Reisebüro zu erstellen.
🔴 [komplex] ADK Web in 🍌 NanoBanana MCP einbinden. Diese Aufgabe ist schwieriger als die vorherige. Tipps dazu finden Sie unter https://github.com/palladius/ai-friendly-agents/issues/11. Der Autor hat dafür drei Stunden lang mit der Gemini-Befehlszeile und Gemini 3 gearbeitet und wir haben beide Dokumente und Code von rag/ gelesen.

Benötigen Sie weitere Inspiration?

In der offiziellen ADK-Anleitung finden Sie einige Ideen.
Bitten Sie die Gemini CLI, Ideen in der Dokumentation unter rag/ zu finden. Ein möglicher Prompt könnte so aussehen: Is there a feature in here which seems very succulent to you? Give me 3 proposals and let's implement together the one I choose.

Voraussetzungen für ADK „RAG“

Wenn Sie eine Funktion per Vibe-Coding erstellen möchten, empfehlen wir, das gesamte Python-ADK herunterzuladen. Hinweis: Das ADK lässt sich ganz einfach an Ihre bevorzugte Sprache wie Java oder Go anpassen.

Der Code befindet sich unter ./rag und kann mit ./download-adk.sh heruntergeladen werden.

Da der Ordner rag in der Datei .gitignore aufgeführt ist, muss die Datei .gemini/settings.json Folgendes enthalten:

{
 "context": {
   "includeDirectories": ["rag"]
 }
}

Warum? Wir möchten, dass Gemini diese Dateien lesen kann, während sie sicher von Git ignoriert werden. Technisch gesehen könnten Sie auch alle .gitignore-Dateien einblenden, indem Sie context.fileFiltering.respectGitIgnore auf false setzen. Dadurch werden jedoch viele node_modules/- und __pycache__/-Mülldateien geöffnet. Daher ist die explizite Einbeziehung von Ordnern die bevorzugte Option.

10. Nächste Schritte

Interessant zu wissen: Dieser Workshop wurde mithilfe der Gemini CLI erstellt. Wenn Sie neugierig sind, können Sie sich die GEMINI.md und WORKSHOP_PLAN.md in diesem Ordner ansehen, um herauszufinden, wie ich das gemacht habe.

Erkenntnisse

Wir haben gelernt, wie wir das ADK mit der Gemini CLI kombinieren können.

Weitere Informationen

Sehen Sie sich diese beiden offiziellen Antigravity-Codelabs an:
In der offiziellen ADK-Anleitung finden Sie einige Ideen.