Google uses AI technology to translate content into your preferred language. AI translations can contain errors.

יצירת סוכן נסיעות פשוט באמצעות ADK ו-Gemini CLI

1. מבוא

עדכון אחרון: 22 ביוני 2026

יצירת סוכן נסיעות פשוט באמצעות ADK

ברוכים הבאים לסדנת ADK Python(*)‎, שכוללת את כל מה שצריך כדי להתחיל, הודות ל-Gemini CLI!

ה-Codelab הזה מחולק לשני אבני דרך 🏅:

תוכנית לימודים נפוצה ופשוטה: הגדרה + סיפוק מיידי.
מסלול מותאם אישית שבו בוחרים משימה לפתור בעזרת Gemini CLI

החלק השני הופך את ה-codelab הזה למושלם להאקתון (עם פרסים לפתרונות הקריאייטיביים ביותר!)

שלב 1: הסוכן הראשון שלכם עם ADK ו-Gemini CLI

המטרה של אבן הדרך הזו היא ליצור סוכן נסיעות פשוט באמצעות ADK, שלב אחר שלב. לשם כך, נגדיר קודם את Gemini CLI כדי שיעזור לנו לכתוב קוד באמצעות ADK. כך, המעטפת המקומית תוכל לבחור את הגרסה האחרונה של Python ADK, להוסיף את הקוד ואת המסמכים ולספק את הקוד העדכני או הטוב ביותר כדי לעבוד איתו להשגת המטרה.

זהו חלק מודרך שבו נשיג אפליקציה שעובדת באופן מלא באמצעות תוספות קטנות ופשוטות. בדרך כלל התהליך נמשך כשעה אחת (בנוסף לזמן ההתקנה).

אבן דרך 2: הרחבת הסוכן

לאחר מכן, אנחנו מציעים לכם תריסר אפשרויות (בדרגות קושי שונות) להרחבת האפליקציה לפי טעמכם. כך תוכלו לבדוק היבטים שונים (ממשק משתמש, פעולות, אינטראקציות מורכבות עם סוכנים וכו')

מה תפַתחו

ב-Codelab הזה נסביר איך ליצור אפליקציית סוכן נסיעות באמצעות ADK ו-Gemini CLI. האפליקציה שלכם:

מתחברים לממשקי API של Airbnb דרך Airbnb MCP.
חיפוש באינטרנט של מידע עדכני (מזג אוויר, תאריכים וכו')
הפעלת כלים בהתאמה אישית.
ליצור תמונות של הדירות או החדרים באמצעות NanoBanana.

‫Gemini CLI ידריך אתכם בכל התהליך: כתיבה או בדיקה של קוד ומציאת המסמכים העדכניים ביותר במאגר מקומי של ADK (ב-Python או בשפה המועדפת עליכם).

מה תלמדו

איך יוצרים אפליקציה באמצעות ADK
איך משתמשים ב-Gemini CLI כדי לקודד אפליקציות שמבוססות על מסמכים מקומיים
איך מתקשרים עם שרת MCP כדי להתחבר למקורות נתונים חיצוניים בזמן אמת, כמו בדוגמה הבאה:

מה תצטרכו

מחשב שמאפשר לכם להתקין חבילות (למשל npm install .. )
יכולת תכנות בסיסית ב-Python,‏ TypeScript,‏ Go או Java.
מומלץ מאוד להשתמש בסביבת פיתוח משולבת (IDE) כלשהי (Antigravity, ‏ vscode, ‏ IntelliJ, ‏ vim).

למה כדאי להשתמש ב-ADK + Gemini CLI?

חלקכם אולי תוהים: למה צריך להשתמש ב-ADK (ערכת SDK ליצירת סוכנים) יחד עם כלי מקומי לעזרה בכתיבת קוד שמבוסס על סוכנים (כמו Gemini CLI)? הסיבה לכך היא ששני הכלים האלה חזקים מאוד, אבל האינטראקציה ביניהם לא פשוטה. הרבה אנשים ניסו לעבוד עם שניהם ביחד ונכשלו (בעיקר בגלל בעיות של "לולאה בתוך לולאה"). בשיעור Codelab הזה ננסה לתת כמה טיפים שיעזרו לכם להשתמש בשתי האפליקציות במקביל.

2. תהליך ההגדרה

בוחרים באחת מהאפשרויות הבאות: הגדרה של סביבה בקצב אישי אם רוצים להריץ את ה-codelab הזה במחשב שלכם, או הפעלה של Cloud Shell אם רוצים להריץ את ה-codelab הזה כולו בענן.

הגדרת סביבה בקצב אישי

נכנסים ל-מסוף Google Cloud ויוצרים פרויקט חדש או משתמשים בפרויקט קיים. אם עדיין אין לכם חשבון Gmail או Google Workspace, אתם צריכים ליצור חשבון.

שם הפרויקט הוא השם המוצג למשתתפים בפרויקט. זו מחרוזת תווים שלא נמצאת בשימוש ב-Google APIs. תמיד אפשר לעדכן את המיקום.
מזהה הפרויקט הוא ייחודי לכל הפרויקטים ב-Google Cloud ואי אפשר לשנות אותו אחרי שהוא מוגדר. מסוף Cloud יוצר באופן אוטומטי מחרוזת ייחודית, ובדרך כלל לא צריך לדעת מה היא. ברוב ה-Codelabs, תצטרכו להפנות למזהה הפרויקט (בדרך כלל מסומן כ-PROJECT_ID). אם אתם לא אוהבים את המזהה שנוצר, אתם יכולים ליצור מזהה אקראי אחר. אפשר גם לנסות שם משתמש משלכם ולבדוק אם הוא זמין. אי אפשר לשנות את ההגדרה הזו אחרי השלב הזה, והיא נשארת לאורך הפרויקט.
לידיעתכם, יש ערך שלישי, מספר פרויקט, שחלק מממשקי ה-API משתמשים בו. מידע נוסף על שלושת הערכים האלה מופיע במאמרי העזרה.

בשלב הבא, תצטרכו להפעיל את החיוב במסוף Cloud כדי להשתמש במשאבי Cloud או בממשקי API של Cloud. השלמת ה-codelab הזה לא תעלה לכם הרבה, אם בכלל. כדי להשבית את המשאבים ולמנוע חיובים נוספים אחרי שתסיימו את המדריך הזה, תוכלו למחוק את המשאבים שיצרתם או למחוק את הפרויקט. משתמשים חדשים ב-Google Cloud זכאים לתוכנית תקופת ניסיון בחינם בשווי 300$.

מפעילים את Cloud Shell

אפשר להפעיל את Google Cloud מרחוק מהמחשב הנייד, אבל ב-Codelab הזה נשתמש ב-Google Cloud Shell, סביבת שורת פקודה שפועלת בענן.

ב-מסוף Google Cloud, לוחצים על סמל Cloud Shell בסרגל הכלים שבפינה הימנית העליונה:

הפעלת Cloud Shell

הקצאת המשאבים והחיבור לסביבה יימשכו רק כמה רגעים. בסיום התהליך, אמור להופיע משהו כזה:

צילום מסך של טרמינל Google Cloud Shell שבו מוצג שהסביבה מחוברת

המכונה הווירטואלית הזו כוללת את כל הכלים שדרושים למפתחים. יש בה ספריית בית בנפח מתמיד של 5GB והיא פועלת ב-Google Cloud, מה שמשפר מאוד את הביצועים והאימות ברשת. אפשר לבצע את כל העבודה ב-codelab הזה בדפדפן. לא צריך להתקין שום דבר.

3. דרישות מוקדמות (התקנה)

כדי לבצע את המדריך הזה, צריך להתקין:

1. ‫Python ו-uv

‫python ו-uv (כלי לניהול חבילות ל-Python). הפרמטר הזה נדרש ל-ADK. מוודאים ש-uv מותקן:

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

למה uv? אפשר להשתמש בכל מנהל Python שרוצים, אבל שימוש ב-uv יבטיח שהגדרת ENV/PATH ל-Python תהיה זהה לכם ול-Gemini CLI, כך שחוויית השימוש במעטפת תהיה דומה לזו של Gemini CLI. אם משתמשים ב-virtualenv , למשל, Gemini CLI יבצע פעולות כמו 'source .env/venv/bin/activate && my-original-command' כדי לחקות את הסביבה שלכם.

2. ‫Gemini CLI

הוראות להתקנה של gemini CLI זמינות כאן: https://github.com/google-gemini/gemini-cli .

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

ב-Mac, אפשר להשתמש ב-brew בהתאם למסמכים הרשמיים.
ב-Windows, אפשר להשתמש ב-chocolatey או פשוט להוריד את קובץ ההפעלה מהכתובת https://nodejs.org/en/download

בשלב 4 (בהמשך), תצטרכו גם להתקין את npx. הפקודות npm ו-npx אמורות להיות חלק טבעי מ-Gemini CLI. אם לא, אפשר לבקש עזרה מ-Gemini CLI כאן.

אימות

אתם צריכים פרויקט ב-Google Cloud עם Vertex AI מופעל, או מפתח Google AI Studio API.

אפשרות א' (מומלצת לסדנה): ייצוא של מפתח ה-API:

export GOOGLE_API_KEY="your-api-key"

אפשרות ב' (Vertex AI): אימות באמצעות 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

הגדרת סביבת העבודה

אתם הולכים ליצור פתרון משלכם בתיקייה mysolution/, אז בואו ניצור את התיקייה ואת שני הקבצים שצריך.

בשלב הזה אפשר לפתוח את ה-IDE (Visual Studio Code,‏ IntelliJ,‏ RubyMine וכו') ולפתוח את התיקייה.

# 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.

סנכרון uv לא נדרש באופן מוחלט, אבל אם הוא נכשל, צריך לתקן את ההתקנה של Python או של uv. הפעולה הזו אמורה להתקין את adk וסקריפטים שימושיים אחרים בתיקייה ./.venv/bin/.

כדי לבדוק את ההגדרה, אפשר פשוט להריץ את make test-step1 ולוודא שלא מתקבלת הודעת השגיאה 403 PERMISSION DENIED.

פתרונות זמינים

הקוד כולו נמצא בתיקייה 📂 steps/. אפשר להעתיק את הקוד משם.

בשיעור Codelab הזה לא נלמד איך לכתוב קוד ADK טוב, אלא איך להגדיר את הסביבה כדי לקבל קוד טוב שנכתב אוטומטית בהתאם להנחיות שלכם.

התקנת התוכנה
הגדרה או הפעלה, וגם
נכנסים למעגל משוב חיובי

זה מה שאנחנו באמת רוצים שתלמדו כאן. אפשר גם לבדוק את כולם בו-זמנית באמצעות $ make web-4steps!

4. שלב 1: סוכן בסיסי

נתחיל ביצירת סוכן בסיסי שיכול לנהל שיחה.

עורכים את הקובץ שנקרא mysolution/__init__.py ומוסיפים את התוכן הבא:

from .agent import root_agent

פשוט וקל! כך ADK יודע איפה הקוד שלכם נמצא: ב-agent.py.

עורכים את הקובץ שנקרא mysolution/agent.py ומוסיפים את התוכן הבא:

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.",
)

בדיקת הסוכן

זה נכון לגבי כל השלבים. ה-ADK מאפשר לבדוק את הנציג בשתי דרכים: CLI ואינטרנט.

CLI הוא הכלי הכי טוב לבדיקות מהירות ואוטומטיות
באינטרנט הכי טוב לראות חזותית מה קורה, להשתמש במיקרופון (!) ולפתור בעיות.

הערה: כדי לבצע את התרגיל הזה, צריך להשתמש באינטרנט (למעט בדיקות יחידה). זה באמת מדהים! מומלץ להשתמש ב-CLI רק לבדיקות אוטומטיות.

הנחיה טובה לבדיקה של שלבים 1-2-3-4 יכולה להיות כזו (הנחיית בדיקה חכמה):

היי, אני רוצה להזמין חדר במלון בפריז למחר בערב, ללילה אחד, במרכז העיר פריז. רצוי שיהיה קרוב לתחנת ליון. תקציב: עד 200 אירו ללילה.

תגיד לי מה התאריך של מחר בפורמט YYYYMMDD ומה היום בשבוע.
תגיד לי אילו מלונות אתה רואה למחר (לפחות 3). אני רוצה לראות: > מחיר, כתובת, דירוג כלשהו (בפורמט XX/YY, למשל '4.7/5' – מ-Google Hotels, ‏ Booking או Airbnb), מספר הביקורות. תציג לי אותם בפורמט של טבלה. מומלץ לקשר את שם המלון לכתובת URL כלשהי של המלון (אין צורך להוסיף עמודה של כתובת URL). מוודאים שהקישור תקין (הוא פועל והדף מפנה למידע על המלון).

זוהי הנחיה חכמה, כי היא בודקת את הזמן ואת המלונות, והיא תיכשל באופן שונה בשלבים 1, 2 ו-3, ותצליח באופן מלא רק בשלב 4. כמובן שאפשר להשתמש בכל הנחיה שרוצים.

מפעילים פתרונות חכמים מ-Bash ‏ (CLI):

# 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/

אפשר לנסות להשתמש בהנחיה 'מבחן הלקמוס' שמופיעה למעלה.

סביר להניח שהוא לא יצליח לדעת תאריכים ספציפיים. אנחנו צריכים ללמד אותו לזהות את התאריך.

באינטרנט, אפשר לעשות את זה כך:

‫uv run adk web . : מריץ את כל הסוכנים בתיקייה הזו. רוצים להפנות אותו לתיקיית המשנה mysolution/‎
בוחרים באפשרות mysolution/ בפינה השמאלית העליונה (ראו תמונה לצד).
מקלידים את השאלה או משתמשים במיקרופון כדי לשאול אותה, בדומה ל "הנחיית הליטמוס".

ממשק משתמש באינטרנט של ADK שמציג את התוצאה של סוכן הנסיעות

שימו לב שצריך להפעיל את הפקודה adk web מהתיקייה העליונה, בהתאם לגרסת ה-CLI.

רובוט צהוב – תוצאה של שלב 1 עם תאריך והצעות למלונות

הנה פתרון אפשרי, עם הזיהוי של התאריך. הערה: 3 מתוך 5 הקישורים להזמנות פועלים. לא רע.

5. שלב 2: מוסיפים את הכלי now()

עורך Cloud Shell שמציג את ההטמעה של הכלי now()‎ ב-agent.py

מוסיפים את הפונקציה הזו ל-agent.py ממש לפני ההגדרה של root_agent:

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
    }

מעדכנים את הגדרת הסוכן כדי לכלול את הכלי:

  # file XXX.py

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

מריצים אותה שוב ושואלים את אותה שאלה. היא אמורה לדעת את התאריך (טוב), אבל לא לתת פרטים ספציפיים על מלונות (לא טוב)!

אפשר גם לבדוק את זה עם משהו כזה:

# 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. שלב 3: נעבור עכשיו ל-google_search

google_search. כך הסוכן שלנו יכול לגשת למידע מהאינטרנט בזמן אמת.

המשימה שלך היא לשנות את הסוכן משלב 2. במקום להשתמש בכלי now, תייבאו את הכלי google_search מספריית ה-ADK ותשתמשו בו.

# 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".""",
)

איך מפעילים את התכונה

אותו דבר כמו בשלב 1.

למומחים בלבד. לשילוב מתקדם יותר (שימוש ב-google_search וב-now יחד), בודקים את הקוד ב-steps/step03b_search_and_tool/agent.py ומפעילים פתרונות חכמים באמצעות make run-step3b. הפעולה הזו אופציונלית לחלוטין.

7. שלב 4: כלי מתוחכם יותר: MCP

הלוגו של ADK

אחרי שראינו כלים מותאמים אישית וכלים מובנים, נעבור לשיטה מתקדמת יותר: התבנית Model-as-a-Tool באמצעות Model Context Protocol‏ (MCP).

כדי להתמקד ביכולות המתקדמות של MCP, אנחנו מחליפים שוב את הכלי הקודם שלנו (google_search). אנחנו נציג מחדש את הכלי הפשוט now שיפעל לצד הכלי airbnb_mcp. בדוגמה הזו רואים איך סוכן יכול להשתמש בכמה כלים תואמים (במקרה הזה, FunctionTool ו-MCPToolset) כדי לבצע משימות מורכבות.

# 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],
)

איך מפעילים

כדי לבצע את השלב הזה, צריך להתקין את npx במערכת. לגבי השאר, התהליך זהה לזה שמתואר למעלה.

הערות/ שגיאות

אם מופיעה שגיאת הגבלה robots.txt, אפשר לתקן את ה-MCP באמצעות הוראת התעלמות מ-robots.txt. מידע נוסף זמין במאמרי העזרה: https://github.com/openbnb-org/mcp-server-airbnb
אם מופיעה שגיאה timeout (5 שניות זה זמן קצר מדי בשביל Airbnb לקבל תשובות), כדאי לעיין בתיעוד של ADK כדי להגדיל את הזמן הקצוב לתפוגה, למשל ל-30 שניות. או.. משתמשים ב-Gemini CLI כדי לעשות את זה! הערה: ב-3 בדצמבר 2025, Cloud Shell הציג לי שגיאת זמן קצוב לתפוגה. תיקנתי את השגיאה הזו, אבל עדיין קיבלתי שגיאות, עד שאילצתי את המערכת לחזור לגרסה הקודמת: args=["-y", "@openbnb/mcp-server-airbnb@0.1.2", "--ignore-robots-txt"].

8. ‫🏅 השלמת את אבן הדרך הראשונה!

🏅 מזל טוב! 🏅 עכשיו אתם מומחים ל-ADK! השלמתם את החלק הראשון של הסדנה, ויצרתם ובדקתם בהצלחה סוכני AI עם כלים בהתאמה אישית, כלים מובנים וכלים מתקדמים של MCP. עכשיו אתם מוכנים ליצור סוכנים מדהימים משלכם באמצעות ערכת פיתוח הסוכנים של Google!

עכשיו יש לכם סוכן נסיעות שיודע מה השעה ויכול לחפש באינטרנט. השמיים הם הגבול!

עכשיו הגיע הזמן להוסיף פונקציונליות נוספת באמצעות Gemini CLI.

9. ‫🏅 אבן דרך 2: תכנות בשיטת Vibe coding באמצעות ADK דרך Gemini CLI

עכשיו אנחנו מגיעים לחלק המעניין של הסדנה.

חשוב לוודא שgit commitשמרתם את הקוד במקום בטוח. אפשר ליצור הסתעפות של הקוד המקורי או ליצור ענף. אל דאגה, Gemini CLI מצוין בעזרה בתהליך הזה.
מוצאים 💡 רעיון להטמעה. אתם יכולים לעיין ברעיונות שבהמשך, למצוא רעיון בעצמכם או לבקש מ-Gemini לעיין במסמכים ב-rag/ ולהציע כמה רעיונות חכמים.
פועלים לפי הדרישות המוקדמות כדי לוודא ש-Gemini יכול לקרוא מסמכי ADK, ואז אפשר להתחיל!

💡 רעיונות

🟢 [קל] האם אתה דובר שפות רבות? האם ברצונך לתת go או java או TypeScript? השינוי של הקוד הקיים הוא פשוט מאוד. פשוט מורידים את ה-ADK המתאים ומבקשים מ-Gemini CLI לתרגם!
🟢 [קל] תוסיף אמוג'י או תציין פורמט פלט שאתה רוצה (למשל, טבלה עם אמוג'י של מלון, ואחריו מחיר, ואחריו אמוג'י של 1-5 כוכבים על סמך 🌕🌕🌕🌗🌑, כדי שיהיו גם חצאים!).
‫🟢 [קל] משנים את ההנחיה כדי ללמד את המודל דברים ספציפיים שאתם מחפשים או לא מחפשים (מתאים לחיות מחמד, לא בקומה הראשונה, שקט, קרוב לתחבורה ציבורית וכו') ובודקים אותה. אפשר גם להוסיף דירוג אישי כמו 'דירוג YOUR_NAME מ-1 עד 10' על סמך הנתונים שלמעלה, ולמיין לפי הדירוג הזה.
🟢 [קל] יש בחדר מפעיל כלשהו? פורסים ל-Cloud Run. או ל-Vertex AI Agent Engine. ידעתם שאפשר לשלב את הסוכן הזה ולקרוא לו ישירות מ-Gemini Enterprise החדש?
‫🟢 [easy] שילוב של adk run עם 🍌 NanoBanana MCP. נדרש מפתח Gemini API. כאן תוכלו ליצור תמונות אבל לא להציג אותן. בהמשך מופיעה גרסה קשה יותר.
‫🟡 [בינוני] צור סוכן משנה שיבצע את הפעולה HotelSearch וצור BudgetAgent או LocationAgent שיכולים להתמקד במלונות ולחפש אותם שוב בהתאם לצרכים שלך לגבי מיקום, למשל "לא יותר מ-X ק"מ ממיקום". אם ה-API לא מאפשר זאת, יכול להיות שיהיה צורך לבצע כמה פעולות הלוך ושוב בעזרת GoogleSearch. הערה: Gemini CLI יכול לעזור לכם.
‫🟡 [בינוני] הטמעה של AirbnbReviewAgent שבודק את הביקורות ומסכם את הנקודות החיוביות והשליליות בכמה תמציתות עם קידוד צבעים, עבור מלון אחד או יותר שמופיעים בתוצאות החיפוש. כבר יש לך 2 רכיבים (GoogleSearch ו-MCP Airbnb), ועכשיו צריך לקשר אותם לסוכן הראשי ואולי ליצור פרוטוקול כלשהו כדי שהם יוכלו לתקשר.
‫🟡 [בינוני] שילוב עם A2A. הופכים אותו לסוכן A2A! אפשר לבקש עזרה מ-Gemini CLI.
‫🔴 [מורכב] אפשר לשלב עם טיסות או עם פונקציות אחרות של MCP כדי ליצור סוכן נסיעות רב-תכליתי עם היבטים רבים.
‫🔴 [מורכב] שילוב של ADK web עם 🍌 NanoBanana MCP. התרגיל הזה קשה יותר מהתרגיל הקודם, ואפשר למצוא טיפים בכתובת https://github.com/palladius/ai-friendly-agents/issues/11 . התהליך הזה לקח למחבר 3 שעות של שיחות הלוך ושוב עם Gemini CLI, ‏ Gemini3 ועם שנינו קוראים מסמכים/קוד מ-rag/!

רוצים לקבל עוד השראה?

כדאי לעיין במדריך הרשמי ל-ADK כדי לקבל רעיונות.
אפשר לבקש מ-Gemini CLI למצוא רעיונות על ידי עיון במסמכים בתיקייה rag/. לדוגמה, אפשר להזין את ההנחיה הבאה: 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.

דרישות מוקדמות ל-ADK ‏RAG

כדי לכתוב קוד של פונקציונליות באמצעות Vibe, מומלץ להוריד את כל ה-ADK ‏python ADK (הערה: אפשר להתאים אותו בקלות לשפה המועדפת עליכם, כמו Java או Go!).

הקוד נמצא בקטע ./rag ואפשר להוריד אותו באמצעות ./download-adk.sh.

מכיוון שהתיקייה rag מופיעה בקובץ .gitignore, חשוב לוודא שהקובץ .gemini/settings.json מכיל את הפרטים הבאים:

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

למה? אנחנו רוצים ש-Gemini יוכל לקרוא את הקבצים האלה, אבל שהם לא ייכללו ב-git. מבחינה טכנית, אפשר גם לבטל את ההסתרה של כל קובצי ‎ .gitignore על ידי הגדרת context.fileFiltering.respectGitIgnore ל-false, אבל זה יציג הרבה קבצים מיותרים של node_modules/ ו-__pycache__/, ולכן האפשרות המועדפת היא לכלול תיקיות באופן מפורש.

10. השלבים הבאים

סקרנות: הסדנה הזו נוצרה בעזרת Gemini CLI. אם אתם סקרנים, תוכלו לראות איך עשיתי את זה על ידי עיון בקבצים GEMINI.md ו-WORKSHOP_PLAN.md בתיקייה הזו.

לקחים

למדנו איך לשלב בין ADK לבין Gemini CLI

מקורות מידע נוספים

כדאי לעיין בשני ה-Codelabs הרשמיים של Antigravity:
כדאי לעיין במדריך הרשמי ל-ADK כדי לקבל רעיונות.