Membangun Agen Perjalanan Sederhana dengan ADK dan Gemini CLI

1. Pengantar

Terakhir Diperbarui: 02-02-2026

Membangun Agen Perjalanan Sederhana dengan ADK

Selamat datang di workshop Python(*) ADK ini, yang dilengkapi dengan semua yang Anda butuhkan, berkat Gemini CLI.

Codelab ini dibagi menjadi dua pencapaian 🏅:

Jalur pembelajaran yang umum dan sederhana: penyiapan + kepuasan instan.
Jalur yang dipersonalisasi tempat Anda memilih misi untuk diselesaikan dengan bantuan Gemini CLI

Bagian kedua membuat codelab ini sempurna untuk hackathon (dan hadiah untuk solusi paling kreatif!)

Milestone1: Agen pertama Anda dengan ADK dan Gemini CLI

Tujuan tonggak pencapaian ini adalah membangun agen perjalanan sederhana dengan ADK langkah demi langkah.

Untuk melakukannya, kita harus menyiapkan Gemini CLI terlebih dahulu agar dapat membantu kita membuat kode dengan ADK; hal ini akan membuat shell lokal Anda dapat memilih versi terbaru Python ADK, yang tidak sesuai dengan kode dan dokumen, serta memberikan kode terbaru/terbaik untuk digunakan sesuai tujuan Anda.

Ini adalah bagian yang dipandu secara manual di mana kita akan membuat aplikasi yang berfungsi penuh melalui penambahan kecil dan sederhana. Proses ini biasanya memerlukan waktu sekitar satu jam (ditambah waktu penginstalan).

Tonggak 2: Memperluas agen Anda

Setelah itu, kami memberi Anda selusin opsi (dengan tingkat kesulitan yang bervariasi) untuk memperluas aplikasi sesuai keinginan Anda. Dengan begitu, Anda dapat menjelajahi berbagai aspek (UI, Operasi, Interaksi agen yang kompleks, ..)

Yang akan Anda bangun

Dalam codelab ini, Anda akan membuat aplikasi Agen Perjalanan menggunakan ADK dan Gemini CLI. Aplikasi Anda akan:

Menghubungkan ke Airbnb API melalui MCP Airbnb.
Telusuri informasi terbaru secara online (cuaca, tanggal, ..)
Menjalankan alat kustom.
Buat gambar apartemen/kamar menggunakan NanoBanana.

Gemini CLI akan memandu Anda melakukan semua ini: menulis/meninjau kode dan menemukan dokumen terbaru di mirror lokal repositori ADK (dalam Python, atau bahasa favorit Anda).

Yang akan Anda pelajari

Cara membuat dan membuat aplikasi dengan ADK
Cara menggunakan Gemini CLI untuk membuat kode aplikasi berdasarkan dokumen lokal.
Cara berinteraksi dengan server MCP untuk terhubung ke sumber data eksternal real-time, seperti berikut:

Yang Anda butuhkan

Komputer yang memungkinkan Anda menginstal paket (misalnya npm install .. )
Kemampuan coding dasar di Python, TypeScript, Go, Java.
IDE ( Antigravity, vscode, IntelliJ, vim) sangat disarankan.

Mengapa ADK + Gemini CLI?

Beberapa dari Anda mungkin bertanya-tanya: Mengapa saya perlu menggunakan ADK (SDK pembuat agen) bersama dengan helper kode agen lokal (seperti Gemini CLI)? Alasannya adalah karena kedua alat ini sangat canggih, tetapi interaksinya tidak mudah; banyak orang telah mencoba menggunakan keduanya secara bersamaan dan gagal (sebagian besar karena masalah "loop dalam loop"). Codelab ini mencoba membagikan beberapa tips tentang cara mewujudkan koeksistensi ini.

2. Mempersiapkan

Pilih salah satu opsi berikut: Penyiapan lingkungan mandiri jika Anda ingin menjalankan

codelab di komputer Anda sendiri, atau; Mulai Cloud Shell jika Anda ingin menjalankan codelab ini sepenuhnya di cloud.

Penyiapan lingkungan mandiri

Login ke Google Cloud Console dan buat project baru atau gunakan kembali project yang sudah ada. Jika belum memiliki akun Gmail atau Google Workspace, Anda harus membuatnya.

Project name adalah nama tampilan untuk peserta project ini. String ini adalah string karakter yang tidak digunakan oleh Google API. Anda dapat memperbaruinya kapan saja.
Project ID bersifat unik di semua project Google Cloud dan tidak dapat diubah (tidak dapat diubah setelah ditetapkan). Cloud Console otomatis membuat string unik; biasanya Anda tidak mementingkan kata-katanya. Di sebagian besar codelab, Anda harus merujuk Project ID-nya (umumnya diidentifikasi sebagai PROJECT_ID). Jika tidak suka dengan ID yang dibuat, Anda dapat membuat ID acak lainnya. Atau, Anda dapat mencobanya sendiri, dan lihat apakah ID tersebut tersedia. ID tidak dapat diubah setelah langkah ini dan tersedia selama durasi project.
Sebagai informasi, ada nilai ketiga, Project Number, yang digunakan oleh beberapa API. Pelajari lebih lanjut ketiga nilai ini di dokumentasi.

Selanjutnya, Anda harus mengaktifkan penagihan di Konsol Cloud untuk menggunakan resource/API Cloud. Menjalankan operasi dalam codelab ini tidak akan memakan banyak biaya, bahkan mungkin tidak sama sekali. Guna mematikan resource agar tidak menimbulkan penagihan di luar tutorial ini, Anda dapat menghapus resource yang dibuat atau menghapus project-nya. Pengguna baru Google Cloud memenuhi syarat untuk mengikuti program Uji Coba Gratis senilai $300 USD.

Mulai Cloud Shell

Meskipun Google Cloud dapat dioperasikan dari jarak jauh menggunakan laptop Anda, dalam codelab ini, Anda akan menggunakan Google Cloud Shell, lingkungan command line yang berjalan di Cloud.

Dari Google Cloud Console, klik ikon Cloud Shell di toolbar kanan atas:

Mengaktifkan Cloud Shell

Hanya perlu waktu beberapa saat untuk penyediaan dan terhubung ke lingkungan. Jika sudah selesai, Anda akan melihat tampilan seperti ini:

Screenshot terminal Google Cloud Shell yang menunjukkan bahwa lingkungan telah terhubung

Mesin virtual ini berisi semua alat pengembangan yang Anda perlukan. Layanan ini menawarkan direktori beranda tetap sebesar 5 GB dan beroperasi di Google Cloud, sehingga sangat meningkatkan performa dan autentikasi jaringan. Semua pekerjaan Anda dalam codelab ini dapat dilakukan di browser. Anda tidak perlu menginstal apa pun.

Prasyarat (Penginstalan)

Untuk tutorial ini, Anda perlu menginstal:

1. Python dan uv

python dan uv (pengelola paket untuk Python). Hal ini diperlukan untuk ADK. Pastikan Anda telah menginstal uv:

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

Mengapa uv? Meskipun Anda dapat menggunakan pengelola Python pilihan Anda, penggunaan uv akan memastikan penyiapan ENV/PATH untuk Python akan sama bagi Anda dan Gemini CLI, sehingga pengalaman shell Anda sebagian besar akan sama dengan Gemini CLI. Jika Anda menggunakan virtualenv , misalnya, Gemini CLI akan dipaksa untuk melakukan hal-hal seperti "source .env/venv/bin/activate && my-original-command" untuk meniru lingkungan Anda.

2. Gemini CLI

Untuk gemini CLI, temukan petunjuk penginstalan di sini: https://github.com/google-gemini/gemini-cli .

Catatan: Anda harus menginstal npm atau npx.

npm install -g @google/gemini-cli

Di Mac, Anda dapat menggunakan brew sesuai dengan dokumen resmi.
Di Windows, Anda dapat menggunakan chocolatey atau cukup mendownload file yang dapat dieksekusi dari https://nodejs.org/en/download

Untuk langkah 4 (nanti), Anda juga perlu menginstal npx. npm dan npx harus muncul secara alami sebagai bagian dari Gemini CLI. Jika tidak, minta bantuan Gemini CLI di sini.

Secara opsional, Anda mungkin juga ingin menginstal just, yang merupakan Makefile yang lebih canggih dan mendokumentasikan dirinya sendiri. Selain itu, Anda dapat meminta Gemini CLI untuk membantu Anda menginstalnya. Gemini CLI dapat melakukannya untuk Anda.

Autentikasi.

Anda memerlukan Project Google Cloud dengan Vertex AI yang diaktifkan, atau Kunci API Google AI Studio.

Opsi A (Direkomendasikan untuk Workshop): Mengekspor Kunci API Anda:

export GOOGLE_API_KEY="your-api-key"

Opsi B (Vertex AI): Lakukan autentikasi dengan 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

Menyiapkan lingkungan kerja Anda

Anda akan membuat solusi SENDIRI di mysolution/, jadi mari buat folder dan dua file yang kita butuhkan.

Pada tahap ini, Anda dapat membuka IDE (Visual Studio Code, IntelliJ, RubyMine, ..) dan membuka folder.

# 1. Find an empty directory, and download this repo.
git clone https://github.com/palladius/ai-friendly-agents/
cd ai-friendly-agents/adk/workshops/simple-travel-agent/

# 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 sync

# 4. Call Gemini CLI
gemini  # This runs Gemini CLI under the simple-travel-agent/ folder.
# Login with your GMail account.

uv sync tidak benar-benar diperlukan, tetapi jika gagal, Anda tahu bahwa Anda perlu memperbaiki penginstalan Python atau uv.

Solusi yang tersedia

Semua kode terdapat di 📂 steps/. Anda dapat menyalin kode dari sana.

Codelab ini bukan tentang mempelajari cara menulis kode ADK yang baik; melainkan tentang menyiapkan lingkungan Anda agar kode yang BAIK dapat ditulis secara otomatis di bawah arahan Anda.

Menginstal perangkat lunak
mengonfigurasi / membuatnya berfungsi, dan
memasuki Feedback Loop yang benar

Inilah yang sebenarnya ingin kami ajarkan kepada Anda di sini. Anda juga dapat mengujinya secara bersamaan melalui $ just web-4steps.

3. Langkah 1: Agen Dasar

Mari kita mulai dengan membuat agen dasar yang dapat melakukan percakapan.

Edit file bernama mysolution/__init__.py dengan menambahkan konten berikut:

from .agent import root_agent

Semudah itu. Dengan begitu, ADK dapat mengetahui lokasi kode Anda: di agent.py.

Edit file bernama mysolution/agent.py dengan menambahkan konten berikut:

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.",
)

Menguji agen

Hal ini berlaku untuk semua langkah. ADK memungkinkan Anda menguji agen dengan dua cara: CLI dan Web.

CLI paling cocok untuk pengujian cepat dan otomatis
Web adalah yang terbaik untuk melihat secara visual apa yang terjadi, menggunakan mikrofon (!), dan memecahkan masalah.

Tips: untuk tujuan latihan ini, guna menyelesaikan apa pun (kecuali pengujian unit), gunakan Web. Sungguh luar biasa! Pertahankan CLI hanya untuk pengujian otomatis.

Perintah yang baik yang menguji langkah 1-2-3-4 dengan benar dapat berupa perintah ini (perintah "litmus" cerdas):

# <!– litmus prompt –> Halo, saya ingin memesan hotel di Paris untuk besok malam sendirian, satu malam, di pusat kota Paris. Idealnya dekat dengan Gare de Lyon. Anggaran: di bawah 200 EUR per malam.

Beri tahu saya YYYYMMDD dan Hari dalam Seminggu untuk besok.
Beri tahu saya hotel mana yang Anda lihat untuk besok (minimal 3). Saya ingin melihat: > harga, alamat, beberapa rating (dalam bentuk XX/YY, misalnya "4.7/5" - dari Google Hotel, Booking, atau Airbnb), # ulasan. Berikan dalam format TABEL. Idealnya, nama hotel harus ditautkan ke semacam URL hotel (jangan repot-repot menambahkan kolom URL). Pastikan link tersebut sah (berfungsi dan halaman mengarah ke info tentang hotel).

Ini adalah perintah cerdas karena menguji waktu dan hotel, serta akan gagal secara berbeda di langkah 1, 2, 3 dan hanya akan berhasil sepenuhnya di langkah 4. Tentu saja Anda dapat menggunakan perintah apa pun yang Anda inginkan.

Jalankan dari 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/

Coba gunakan "perintah litmus" di atas.

AI ini kemungkinan akan gagal mengetahui tanggal tertentu. Kita perlu mengajarinya untuk mengetahui tanggal.

Untuk web, Anda dapat melakukannya dengan:

uv run adk web . : Ini menjalankan semua agen di folder ini. Anda ingin mengarahkannya ke subfolder "mysolution/"
pilih mysolution/ di kanan atas (Lihat gambar di samping)
Ajukan pertanyaan Anda dalam bentuk teks atau melalui mikrofon dengan menggunakan "perintah litmus".

TODO(ricc): <image here>

Perhatikan bahwa Anda perlu memanggil adk web dari folder atas, sesuai dengan versi CLI.

Berikut kemungkinan solusinya, dengan halusinasi semi-tanggal. Perhatikan bahwa 3 dari 5 link pemesanan berfungsi. Lumayan.

4. Langkah 2: Tambahkan alat now()

Agen tidak tahu apa itu "hari ini". Mari kita berikan alat.

TODO(image): ricc put here image of step2.

Tambahkan fungsi ini ke agent.py tepat sebelum definisi 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
    }

Perbarui definisi agen untuk menyertakan alat:

  # file XXX.py

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

Jalankan lagi dan ajukan pertanyaan yang sama. Sekarang, aplikasi tersebut akan mengetahui tanggal (baik), dan tidak jelas tentang hotel (buruk).

Anda juga dapat mengujinya dengan sesuatu seperti ini:

# 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/

5. Langkah 3: Mari kita beralih: google_search

Setelah mengetahui cara membuat alat kustom, mari kita pelajari cara menggunakan salah satu alat bawaan canggih yang disediakan oleh ADK: google_search. Hal ini memungkinkan agen kami mengakses informasi real-time dari web.

Tugas Anda adalah mengubah agen dari Langkah 2. Daripada menggunakan alat now, Anda akan mengimpor dan menggunakan alat google_search dari library ADK.

# 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".""",
)

Cara Menjalankan

Sama seperti langkah 1.

Khusus pakar. Untuk integrasi yang lebih canggih (menggunakan google_search dan now bersama-sama), periksa kode di steps/step03b_search_and_tool/agent.py dan jalankan dengan just run-step3b. Tindakan ini sepenuhnya bersifat opsional.

6. Langkah 4: Alat yang lebih canggih: MCP

TODO(ricc): tambahkan gambar 4

Setelah melihat alat kustom dan bawaan, mari kita beralih ke sesuatu yang lebih canggih: pola Model-as-a-Tool menggunakan Model Context Protocol (MCP).

Agar langkah ini tetap berfokus pada kemampuan canggih MCP, kami akan mengganti alat sebelumnya (google_search). Kami akan memperkenalkan kembali alat now sederhana untuk dijalankan bersama alat airbnb_mcp. Hal ini menunjukkan cara agen dapat menggunakan beberapa alat yang kompatibel (dalam hal ini, FunctionTool dan MCPToolset) untuk melakukan tugas yang kompleks.

# 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],
)

Cara Menjalankan

Langkah ini mengharuskan npx diinstal di sistem Anda. Untuk bagian lainnya, sama seperti di atas.

Peringatan/ Error

Jika Anda mendapatkan error pembatasan robots.txt, Anda dapat menambal MCP dengan perintah abaikan robot. Baca dokumen untuk mengetahui detail selengkapnya: https://github.com/openbnb-org/mcp-server-airbnb
Jika Anda mendapatkan error timeout (5 detik terlalu rendah bagi Airbnb untuk mendapatkan respons), lihat dokumentasi ADK tentang cara memperpanjang waktu tunggu menjadi, misalnya, 30 detik. Atau.. gunakan Gemini CLI untuk melakukannya. Perhatikan bahwa pada 3dec25m, Cloud Shell memberi saya error waktu tunggu, saya memperbaiki error waktu tunggu, dan masih mendapatkan error, hingga saya memaksanya ke versi sebelumnya: args=["-y", "@openbnb/mcp-server-airbnb@0.1.2", "--ignore-robots-txt"].

7. 🏅 Tonggak Pencapaian 1 Selesai!

🏅 Selamat! 🏅 Sekarang Anda menjadi pakar ADK! Anda telah menyelesaikan bagian pertama workshop dan berhasil membuat serta menguji agen AI dengan alat kustom, alat bawaan, dan alat MCP lanjutan. Sekarang Anda siap membangun agen yang luar biasa dengan Google Agent Development Kit.

Sekarang Anda memiliki agen perjalanan fungsional yang mengetahui waktu dan dapat menelusuri web. Sekarang tidak ada batasan!

Sekarang saatnya menambahkan fungsi tambahan dengan "Gemini CLI".

8. 🏅 Tonggak Pencapaian 2: vibe coding untuk menyelesaikan ADK melalui Gemini CLI

Sekarang kita memasuki bagian menarik dari workshop ini.

pastikan Anda telah git commit kode di tempat yang aman. Anda dapat membuat fork kode asli, atau membuat cabang: jangan khawatir, Gemini CLI sangat membantu Anda di sini.
Temukan 💡 ide untuk diterapkan. Anda dapat memeriksa ide di bawah, menemukan ide sendiri, atau meminta Gemini untuk melihat dokumentasi di rag/ dan menyarankan beberapa ide cerdas.
Ikuti prasyarat untuk memastikan Gemini dapat membaca dokumen ADK, lalu Anda siap menggunakannya.

💡 Ide

Berikut adalah menu dengan beberapa Ide dengan kompleksitas yang berbeda.

🟢 [mudah] Apakah Anda menguasai banyak bahasa? Apakah Anda ingin memberikan go, java, atau Typescript? Memfaktorkan ulang kode yang ada sangatlah mudah. Pastikan Anda mendownload ADK yang tepat dan meminta Gemini CLI melakukan terjemahan.
🟢 [mudah] Tambahkan emoji atau tentukan format output yang Anda inginkan (misalnya, tabel dengan emoji hotel, diikuti dengan harga, diikuti dengan emoji bintang 1-5 berdasarkan 🌕🌕🌕🌗🌑 untuk melakukan setengah juga!).
🟢 [mudah] Ubah perintah untuk mengajari model hal-hal yang secara khusus Anda cari atau tidak Anda inginkan (ramah hewan peliharaan, tidak di lantai dasar, tenang, dekat dengan transportasi umum, ..) dan uji. Mungkin tambahkan rating pribadi seperti "rating YOUR_NAME dari 1-10" berdasarkan di atas, dan urutkan berdasarkan rating tersebut.
🟢 [mudah] Apakah ada Operator di ruangan? Deploy ke Cloud Run. Atau ke Vertex AI Agent Engine. Tahukah Anda bahwa Anda dapat mengintegrasikan agen ini dan memanggilnya langsung dari Gemini Enterprise yang baru?
🟢 [mudah] Mengintegrasikan `adk run`` dengan 🍌 MCP NanoBanana. Memerlukan Kunci Gemini API. Di sini, Anda dapat membuat gambar, tetapi tidak dapat memvisualisasikannya. Lihat varian yang lebih sulit di bawah.
🟡 [sedang] Buat sub-agen yang melakukan HotelSearch dan buat BudgetAgent atau LocationAgent yang dapat mempercepat dan melakukan iterasi pada hotel dengan mempertimbangkan kebutuhan lokasi Anda, misalnya "tidak lebih dari X km dari LOKASI". Jika API tidak mengizinkan hal ini, mungkin ada beberapa bolak-balik yang dibantu oleh GoogleSearch. Catatan: Gemini CLI dapat membantu Anda.
🟡 [sedang] Terapkan AirbnbReviewAgent yang masuk ke ulasan dan meringkas hal positif dan negatif dalam beberapa poin berkode warna, untuk 1 atau N hotel yang dihasilkan dari penelusuran. Anda sudah memiliki 2 bahan (GoogleSearch dan MCP Airbnb), lalu Anda perlu menghubungkannya ke Agen utama dan mungkin membuat semacam protokol agar mereka dapat berkomunikasi.
🟡 [sedang] Berintegrasi dengan A2A. Jadikan agen ini sebagai agen A2A. Sekali lagi, minta bantuan Gemini CLI.
🔴 [kompleks] Anda dapat berintegrasi dengan Flights atau fungsi MCP lainnya untuk membuat agen perjalanan multifungsi yang memiliki banyak aspek.
🔴 [kompleks] Mengintegrasikan web ADK dengan 🍌 NanoBanana MCP. Ini lebih sulit daripada yang di atas, dan Anda dapat menemukan beberapa tips di https://github.com/palladius/ai-friendly-agents/issues/11 . Penulis membutuhkan waktu 3 jam untuk berinteraksi dengan Gemini CLI, Gemini3, dan kami berdua membaca dokumen/kode dari rag/!

Mencari inspirasi lainnya?

Lihat tutorial ADK yang bagus dari Maurizio untuk mendapatkan beberapa ide.
Minta Gemini CLI untuk menemukan ide dengan melihat dokumentasi di rag/: perintah yang mungkin adalah: 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.

Prasyarat untuk "RAG" ADK

Untuk menguji kode fungsi, sebaiknya download seluruh ADK python ADK (catatan: ini dapat diadaptasi dengan sangat mudah ke bahasa favorit Anda, seperti Java atau Go).

Kode berada di bagian ./rag dan dapat didownload dengan ./download-adk.sh.

Karena folder rag tercantum dalam file .gitignore, pastikan .gemini/settings.json Anda berisi yang berikut ini:

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

Mengapa demikian? Kami ingin Gemini dapat membaca file tersebut, sementara file tersebut diabaikan dengan aman oleh git. Secara teknis, Anda juga dapat menampilkan semua file .gitignore dengan menyetel context.fileFiltering.respectGitIgnore ke false, tetapi hal ini akan membuka banyak sampah node_modules/ dan __pycache__/ - jadi opsi penyertaan folder eksplisit lebih disukai.

9. Langkah berikutnya

Rasa ingin tahu: Workshop ini dibuat dengan bantuan Gemini CLI. Jika ingin tahu, Anda dapat melihat cara saya melakukannya dengan melihat GEMINI.md dan WORKSHOP_PLAN.md di folder ini.

Pelajaran yang diperoleh

Kita telah mempelajari cara menyambungkan ADK dengan Gemini CLI

Bacaan tambahan

Lihat dua codelab Antigravity yang luar biasa ini dari Romin dan Mete:
Mulai Menggunakan Google Antigravity
Membangun dengan Google Antigravity
Membangun dan Men-deploy ke Google Cloud dengan Antigravity
Lihat tutorial ADK yang bagus dari Maurizio untuk mendapatkan beberapa ide.