ADK ve Gemini CLI ile basit bir seyahat acentesi oluşturma

1. Giriş

Son güncelleme: 2026-02-02

ADK ile Basit Bir Seyahat Acentesi Oluşturma

Gemini CLI sayesinde pilleri dahil olarak gelen bu ADK Python(*) atölyesine hoş geldiniz.

Bu kod laboratuvarı iki 🏅 kilometre taşına ayrılmıştır:

Yaygın ve basit bir öğrenme yolu: kurulum + anında tatmin.
Gemini CLI'nin yardımıyla çözmek için bir görev seçtiğiniz kişiselleştirilmiş bir yol

İkinci bölüm, bu codelab'i hackathon için mükemmel hale getiriyor (en yaratıcı çözümler için ödüller de var!).

1. dönüm noktası: ADK ve Gemini CLI ile ilk temsilciniz

Bu dönüm noktasının amacı, ADK ile adım adım basit bir seyahat acentesi oluşturmaktır.

Bunun için öncelikle Gemini CLI'yı ADK ile kodlamamıza yardımcı olacak şekilde ayarlamak istiyoruz. Bu sayede yerel kabuğunuz, Python ADK'nın en son sürümünü seçebilir, kodu ve belgeleri yorumlayabilir ve amacınıza uygun olarak çalışmak için en yeni/en iyi kodu sağlayabilir.

Bu, küçük ve basit artışlarla tamamen çalışan bir uygulama elde ettiğimiz, rehberli bir bölümdür. Bu işlem genellikle yaklaşık bir saat sürer (kurulum süresi hariç).

Ara hedef 2: Temsilcinizi genişletme

Ardından, uygulamayı istediğiniz gibi genişletmek için zorluk derecesi değişen 12 seçenek sunarız. Bu sayede farklı yönleri (kullanıcı arayüzü, işlemler, karmaşık aracı etkileşimleri vb.) keşfedebilirsiniz.

Ne oluşturacaksınız?

Bu codelab'de, ADK ve Gemini CLI kullanarak bir Seyahat Acentesi uygulaması oluşturacaksınız. Uygulamanız şunları yapabilecek:

Airbnb MCP aracılığıyla Airbnb API'lerine bağlanın.
Güncel bilgiler (hava durumu, tarihler vb.) için internette arama yapma
Özel araçları yürütme
NanoBanana'yı kullanarak dairelerin/odaların görüntülerini oluşturun.

Gemini CLI, tüm bu süreçte size yol gösterir: ADK deposunun yerel bir kopyasında (Python veya en sevdiğiniz dilde) kod yazma/inceleme ve en son dokümanları bulma.

Neler öğreneceksiniz?

ADK ile uygulama oluşturma
Yerel dokümanlara dayalı uygulamalar kodlamak için Gemini CLI'yı kullanma
Aşağıdaki gibi gerçek zamanlı harici veri kaynaklarına bağlanmak için MCP sunucusuyla nasıl etkileşimde bulunacağınız:

Gerekenler

Paket yüklemenize olanak tanıyan bir bilgisayar (ör. npm install ..)
Python, TypeScript, Go veya Java'da temel kodlama becerisi
Bir IDE ( Antigravity, vscode, IntelliJ, vim) kullanmanız önemle tavsiye edilir.

Neden ADK + Gemini CLI?

Bazılarınız Neden ADK (bir aracı oluşturucu SDK) ile birlikte yerel bir aracı kod yardımcısı (ör. Gemini CLI) kullanmam gerekiyor? diye merak edebilir. Bunun nedeni, her iki aracın da inanılmaz derecede güçlü olmasına rağmen etkileşimlerinin basit olmamasıdır. Birçok kişi her ikisini de birlikte kullanmayı denemiş ancak başarısız olmuştur (çoğunlukla "döngü içinde döngü" sorunları nedeniyle). Bu codelab'de, bu birlikte var olma durumunun nasıl mümkün kılınacağıyla ilgili birkaç ipucu paylaşılmaya çalışılmaktadır.

2. Hazırlanma

Aşağıdaki seçeneklerden birini belirleyin: Bu

makinenizde çalıştırabilir veya bu codelab'i tamamen bulutta çalıştırmak istiyorsanız Cloud Shell'i başlatabilirsiniz.

Kendi hızınızda ortam kurulumu

Google Cloud Console'da oturum açın ve yeni bir proje oluşturun veya mevcut bir projeyi yeniden kullanın. Gmail veya Google Workspace hesabınız yoksa hesap oluşturmanız gerekir.

Proje adı, bu projenin katılımcıları için görünen addır. Google API'leri tarafından kullanılmayan bir karakter dizesidir. Bu bilgiyi istediğiniz zaman güncelleyebilirsiniz.
Proje kimliği, tüm Google Cloud projelerinde benzersizdir ve sabittir (ayarlandıktan sonra değiştirilemez). Cloud Console, benzersiz bir dizeyi otomatik olarak oluşturur. Genellikle bu dizenin ne olduğuyla ilgilenmezsiniz. Çoğu codelab'de proje kimliğinize (genellikle PROJECT_ID olarak tanımlanır) başvurmanız gerekir. Oluşturulan kimliği beğenmezseniz başka bir rastgele kimlik oluşturabilirsiniz. Dilerseniz kendi adınızı deneyerek kullanılabilir olup olmadığını kontrol edebilirsiniz. Bu adım tamamlandıktan sonra değiştirilemez ve proje süresince geçerli kalır.
Bazı API'lerin kullandığı üçüncü bir değer olan Proje Numarası da vardır. Bu üç değer hakkında daha fazla bilgiyi belgelerde bulabilirsiniz.

Ardından, Cloud kaynaklarını/API'lerini kullanmak için Cloud Console'da faturalandırmayı etkinleştirmeniz gerekir. Bu codelab'i tamamlamak neredeyse hiç maliyetli değildir. Bu eğitimin ötesinde faturalandırılmayı önlemek için kaynakları kapatmak üzere oluşturduğunuz kaynakları veya projeyi silebilirsiniz. Yeni Google Cloud kullanıcıları 300 ABD doları değerinde ücretsiz deneme programından yararlanabilir.

Cloud Shell'i başlatma

Google Cloud, dizüstü bilgisayarınızdan uzaktan çalıştırılabilir. Ancak bu codelab'de, Cloud'da çalışan bir komut satırı ortamı olan Google Cloud Shell'i kullanacaksınız.

Google Cloud Console'da sağ üstteki araç çubuğunda Cloud Shell simgesini tıklayın:

Cloud Shell'i etkinleştirme

Ortamın temel hazırlığı ve bağlanması yalnızca birkaç dakikanızı alır. İşlem tamamlandığında aşağıdakine benzer bir sonuç görürsünüz:

Ortamın bağlandığını gösteren Google Cloud Shell terminalinin ekran görüntüsü

Bu sanal makine, ihtiyaç duyacağınız tüm geliştirme araçlarını içerir. 5 GB boyutunda kalıcı bir ana dizin sunar ve Google Cloud üzerinde çalışır. Bu sayede ağ performansı ve kimlik doğrulama önemli ölçüde güçlenir. Bu codelab'deki tüm çalışmalarınızı tarayıcıda yapabilirsiniz. Herhangi bir şey yüklemeniz gerekmez.

Ön koşullar (Yükleme)

Bu eğitim için yüklemeniz gerekenler:

1. Python ve uv

python ve uv (Python için paket yöneticisi). Bu, ADK için gereklidir. uv'nin yüklü olduğundan emin olun:

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

Neden UV? Dilediğiniz Python yöneticisini kullanabilirsiniz ancak uv kullanmak, Python için ENV/PATH kurulumunun sizin ve Gemini CLI için eşit olmasını sağlar. Böylece kabuk deneyiminiz, Gemini CLI'ninkiyle büyük ölçüde aynı olur. Örneğin virtualenv kullanıyorsanız Gemini CLI, ortamınızı taklit etmek için "source .env/venv/bin/activate && my-original-command" gibi işlemler yapmak zorunda kalır.

2. Gemini CLI

gemini CLI'nın yükleme talimatlarını https://github.com/google-gemini/gemini-cli adresinde bulabilirsiniz .

Not: Bu işlem için npm veya npx'in yüklü olması gerekir.

npm install -g @google/gemini-cli

Mac'te brew karakterini resmi belgelere göre kullanabilirsiniz.
Windows'da chocolatey kullanabilir veya yürütülebilir dosyayı https://nodejs.org/en/download adresinden indirebilirsiniz.

4. adım (daha sonra) için npx uygulamasının da yüklü olması gerekir. Hem npm hem de npx, Gemini CLI'ın doğal bir parçası olmalıdır. Aksi takdirde, Gemini CLI'dan yardım almak için burayı tıklayın.

İsteğe bağlı olarak just'ı da yükleyebilirsiniz. Bu, daha gelişmiş ve kendi kendini belgeleyen bir Makefile'dir. Ayrıca, Gemini CLI'dan bunu yüklemenize yardımcı olmasını da isteyebilirsiniz.

Kimlik doğrulama.

Vertex AI'ın etkinleştirildiği bir Google Cloud projeniz veya Google AI Studio API anahtarınız olmalıdır.

A seçeneği (Atölye için önerilir): API anahtarınızı dışa aktarın:

export GOOGLE_API_KEY="your-api-key"

B seçeneği (Vertex AI): gcloud ile kimlik doğrulaması yapın:

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

Çalışma ortamınızı ayarlama

mysolution/ altında KENDİ çözümünüzü oluşturacaksınız. Bu nedenle, ihtiyacımız olan klasörü ve iki dosyayı oluşturalım.

Bu aşamada IDE'nizi (Visual Studio Code, IntelliJ, RubyMine vb.) açıp klasörü açabilirsiniz.

# 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 kesinlikle gerekli değildir ancak başarısız olursa Python veya uv kurulumunuzu düzeltmeniz gerektiğini anlarsınız.

Kullanılabilir çözümler

Kodun tamamı 📂 steps/ altında yer alır. Kodu buradan kopyalayabilirsiniz.

Bu codelab, iyi ADK kodu yazmayı öğrenmekle ilgili değildir. Bu codelab'de, yönlendirmeleriniz doğrultusunda otomatik olarak İYİ kod yazılacak şekilde ortamınızı ayarlamayı öğreneceksiniz.

Yazılımı yükleme
yapılandırma / çalıştırma ve
doğru bir geri bildirim döngüsü girme

Burada öğrenmenizi istediğimiz asıl şey budur. Ayrıca, $ just web-4steps üzerinden hepsini aynı anda test edebilirsiniz.

3. 1. adım: Temel aracı

Sohbet edebilen temel bir temsilci oluşturarak başlayalım.

mysolution/__init__.py adlı dosyayı aşağıdaki içeriği ekleyerek düzenleyin:

from .agent import root_agent

Bu kadar basit. Bu sayede ADK, kodunuzun agent.py içinde olduğunu bilir.

mysolution/agent.py adlı dosyayı aşağıdaki içeriği ekleyerek düzenleyin:

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.",
)

Aracı test etme

Bu durum tüm adımlar için geçerlidir. ADK, temsilcinizi iki şekilde (CLI ve Web) test etmenize olanak tanır.

CLI, hızlı ve otomatik testler için en iyi seçenektir.
Ne olduğunu görsel olarak görmek, mikrofonu (!) kullanmak ve sorun gidermek için en iyi seçenek Web'dir.

İpucu: Bu alıştırmada birim testi dışında herhangi bir işlemi gerçekleştirmek için web'i kullanın. Gerçekten harika! CLI'yı yalnızca otomatik test için kullanın.

1-2-3-4 adımlarını düzgün şekilde test eden iyi bir istem şu olabilir (akıllı "turnusol istemi"):

# <!– litmus prompt –> Merhaba, Paris şehir merkezinde, yarın akşam tek başıma bir gece konaklayacağım bir otel rezervasyonu yaptırmak istiyorum. İdeal olarak Gare de Lyon'a yakın olmalıdır. Bütçe: Gecelik 200 EUR'nun altında.

Yarın hangi YYYYMMDD ve haftanın hangi günü olduğunu söyle.
Yarın için hangi otelleri görüyorsunuz? (En az 3 otel) Görmek istediğim bilgiler: > fiyat, adres, puan (XX/YY biçiminde, örneğin "4,7/5" - Google Oteller, Booking veya Airbnb'den), yorum sayısı. Bunları TABLO biçiminde ver. İdeal olarak, otel adı otelin URL'siyle bağlantılı olmalıdır (URL sütunu eklemenize gerek yoktur). Bağlantının geçerli olduğundan (çalıştığından ve sayfanın otel hakkında bilgi verdiğinden) emin olun.

Bu,zamanı ve otelleri test ettiğinden akıllı bir istemdir. 1,2 ve 3. adımlarda farklı şekilde başarısız olur ve yalnızca 4. adımda tamamen başarılı olur. Elbette istediğiniz istemi kullanabilirsiniz.

Bash'ten (KSA) çalıştırın:

# 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/

Yukarıdaki "litmus istemi" ile kullanmayı deneyin.

Belirli tarihleri bilmekte muhtemelen başarısız olacaktır. Tarihi bilmesi için ona öğretmemiz gerekiyor.

Web'de bu işlemi şu şekilde yapabilirsiniz:

uv run adk web . : Bu, klasördeki tüm aracıları çalıştırır. "mysolution/" alt klasörüne yönlendirmek istiyorsunuz
Sağ üstte mysolution/ simgesini seçin (Yandaki resme bakın).
Sorunuzu metin olarak veya mikrofon aracılığıyla "turnusol istemi" gibi bir ifadeyle sorun.

TODO(ricc): <image here>

CLI sürümüne göre üst klasörden adk web işlevini çağırmanız gerektiğini unutmayın.

Tarihle ilgili yarı halüsinasyon içeren olası bir çözümü burada bulabilirsiniz. 5 rezervasyon bağlantısından 3'ü çalışıyor. Fena değil.

4. 2. adım: now() aracını ekleyin

Temsilci, "bugün"ün ne olduğunu bilmiyor. Temsilciye bir araç verelim.

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

Bu işlevi agent.py öğesine root_agent tanımından hemen önce ekleyin:

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
    }

Temsilci tanımını aracı içerecek şekilde güncelleyin:

  # file XXX.py

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

Aynı sorguyu tekrar çalıştırın ve aynı soruyu sorun. Artık tarihi biliyor (iyi) ancak oteller hakkında net bilgi vermiyor (kötü)!

Aşağıdaki gibi bir ifadeyle de test edebilirsiniz:

# 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. 3. adım: Vites değiştirelim: google_search

Özel araç oluşturmayı öğrendiğimize göre, ADK'nın sunduğu güçlü yerleşik araçlardan birini nasıl kullanacağımızı inceleyelim: google_search. Bu sayede temsilcimiz web'deki gerçek zamanlı bilgilere erişebilir.

Göreviniz, 2. adımda oluşturduğunuz temsilciyi değiştirmek. now aracını kullanmak yerine ADK kitaplığından google_search aracını içe aktarıp kullanacaksınız.

# 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".""",
)

Nasıl Çalıştırılır?

1. adımla aynı şekilde yapılır.

Yalnızca uzmanlar. Daha gelişmiş bir entegrasyon için (google_search ve now birlikte kullanılarak) steps/step03b_search_and_tool/agent.py içindeki kodu kontrol edin ve just run-step3b ile çalıştırın. Bu tamamen isteğe bağlıdır.

6. 4. adım: Daha gelişmiş bir araç: MCP

TODO(ricc): add image 4

Hem özel hem de yerleşik araçları inceledikten sonra daha güçlü bir araca geçelim: Model Context Protocol (MCP)'ü kullanan Model-as-a-Tool (Araç Olarak Model) deseni.

Bu adımı MCP'nin güçlü özelliklerine odaklanacak şekilde tutmak için önceki aracımızı (google_search) bir kez daha değiştireceğiz. airbnb_mcp aracıyla birlikte çalışacak basit now aracımızı yeniden kullanıma sunacağız. Bu örnekte, bir aracının karmaşık görevleri gerçekleştirmek için birden fazla uyumlu aracı (bu örnekte FunctionTool ve MCPToolset) nasıl kullanabileceği gösterilmektedir.

# 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],
)

Nasıl Çalıştırılır?

Bu adım için sisteminizde npx yüklü olmalıdır. Diğerleri için yukarıdakiyle aynıdır.

Uyarılar/ Hatalar

robots.txt kısıtlama hatası alırsanız MCP'yi ignore robots yönergesiyle yamayabilirsiniz. Daha fazla bilgi için belgeleri okuyun: https://github.com/openbnb-org/mcp-server-airbnb
timeout hatası alırsanız (Airbnb'nin yanıt alması için 5 saniye çok kısa bir süre) zaman aşımını örneğin 30 saniyeye çıkarmanın yolları için ADK belgelerine bakın. Alternatif olarak, bu işlemi Gemini CLI ile yapabilirsiniz. Cloud Shell'in 3dec25m sürümünde zaman aşımı hatası verdiğini, zaman aşımı hatasını düzelttiğimi ve önceki sürüme (args=["-y", "@openbnb/mcp-server-airbnb@0.1.2", "--ignore-robots-txt"]) zorla geçene kadar hata almaya devam ettiğimi belirtmek isterim.

7. 🏅 1. dönüm noktası tamamlandı.

🏅 Tebrikler! 🏅 Artık ADK uzmanısınız. Çalıştayın ilk bölümünü tamamladınız ve özel araçlar, yerleşik araçlar ve gelişmiş MCP araçlarıyla yapay zeka sistemlerini başarıyla oluşturup test ettiniz. Artık Google Agent Development Kit ile kendi harika temsilcilerinizi oluşturmaya hazırsınız.

Artık saati bilen ve web'de arama yapabilen işlevsel bir seyahat acenteniz var. Artık sınır yok!

Şimdi "Gemini CLI" ile ek bir işlev ekleme zamanı.

8. 🏅 2. dönüm noktası: Gemini CLI ile ADK'da kodlama

Şimdi atölyenin ilginç kısmına geçiyoruz.

Kodu güvenli bir yerde git commitlediğinizden emin olun. Orijinal kodu çatallayabilir veya bir dal oluşturabilirsiniz. Gemini CLI bu konuda size yardımcı olmaya hazırdır.
Uygulanacak bir 💡 fikir bulun. Aşağıdaki fikirleri inceleyebilir, kendiniz bir fikir bulabilir veya Gemini'dan rag/ içindeki dokümanlara bakıp birkaç akıllı fikir önermesini isteyebilirsiniz.
Gemini'ın ADK dokümanlarını okuyabildiğinden emin olmak için ön koşulları uygulayın. Ardından, kullanmaya başlayabilirsiniz.

💡 Fikirler

Farklı zorluk seviyelerinde bazı fikirlerin yer aldığı menüyü aşağıda bulabilirsiniz.

🟢 [kolay] Çok dilli misin? go, java veya Typescript vermek ister misiniz? Mevcut kodu yeniden düzenlemek çok kolaydır. Doğru ADK'yı indirdiğinizden emin olun ve çeviri için Gemini CLI'dan yardım isteyin.
🟢 [kolay] Emoji ekleyin veya istediğiniz bir çıkış biçimini belirtin (ör. otel emojisi, ardından fiyat ve ardından 🌕🌕🌕🌗🌑 ile yarım yıldız da ekleyebileceğiniz 1-5 yıldız emojisi içeren bir tablo).
🟢 [Kolay] İstemde, özellikle aradığınız veya aramadığınız şeyleri (evcil hayvan dostu, zemin katta değil, sessiz, toplu taşıma araçlarına yakın vb.) öğretecek şekilde değişiklik yapın ve istemi test edin. Yukarıdakilere göre "1-10 arasında YOUR_NAME puanı" gibi kişisel bir puan ekleyip bu puana göre sıralayabilirsiniz.
🟢 [kolay] Odada operatör var mı? Cloud Run'a dağıtın. Veya Vertex AI Agent Engine'e! Bu temsilciyi entegre edebileceğinizi ve doğrudan yeni Gemini Enterprise'dan çağırabileceğinizi biliyor muydunuz?
🟢 [kolay] 🍌 NanoBanana MCP ile `adk run`` komutunu entegre edin. Gemini API anahtarı gerektirir. Burada resim oluşturabilirsiniz ancak görselleştiremezsiniz. Daha zor bir varyant için aşağıya bakın.
🟡 [orta] HotelSearch işlemini yapan bir alt aracı oluşturun ve konum ihtiyaçlarınıza saygı duyarak otelleri ikiye katlayıp yineleyebilecek bir BudgetAgent veya LocationAgent oluşturun (ör. "KONUM'a X km'den daha yakın olmasın"). API buna izin vermiyorsa Google Arama'nın yardımıyla birkaç kez ileri geri gitmeniz gerekebilir. Not: Gemini CLI size yardımcı olabilir.
🟡 [orta] Arama sonucunda elde edilen 1 veya N otel için yorumlara giren ve olumlu ile olumsuz yönleri birkaç renk kodlu madde işaretiyle özetleyen bir AirbnbReviewAgent uygulayın. Zaten 2 bileşeniniz (Google Arama ve MCP Airbnb) varsa bunu ana aracıyı bağlamanız ve belki de iletişim kurmaları için bir protokol oluşturmanız gerekir.
🟡 [orta] A2A ile entegrasyon. A2A temsilcisi oluşturun. Yine Gemini CLI'dan yardım isteyin.
🔴 [karmaşık] Çok yönlü ve çok işlevli bir seyahat acentesi oluşturmak için Uçuşlar veya diğer MCP işlevleriyle entegrasyon yapabilirsiniz.
🔴 [karmaşık] ADK web'i 🍌 NanoBanana MCP ile entegre edin. Bu, yukarıdakinden daha zordur ve https://github.com/palladius/ai-friendly-agents/issues/11 adresinde bazı ipuçları bulabilirsiniz . Bu işlem için yazar, Gemini CLI ve Gemini 3 ile 3 saat boyunca iletişim kurdu ve ikimiz de rag/'daki dokümanları/kodları okuduk.

Daha fazla ilham mı arıyorsunuz?

Fikir edinmek için Maurizio'nun harika ADK eğitimine göz atın.
Gemini CLI'dan rag/ altındaki dokümanlara bakarak fikir bulmasını isteyin. Olası bir istem: 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.

ADK "RAG" için ön koşullar

Bir işlevi vibe kodlamak için python ADK'yı (not: bu, Java veya Go gibi en sevdiğiniz dile çok kolay bir şekilde uyarlanabilir) indirmenizi öneririz.

Kod ./rag kapsamındadır ve ./download-adk.sh ile indirilebilir.

rag klasörü .gitignore dosyanızda listelendiğinden .gemini/settings.json dosyanızın aşağıdakileri içerdiğinden emin olun:

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

Neden mi? Gemini'ın bu dosyaları güvenli bir şekilde git-ignored olarak okuyabilmesini istiyoruz. Teknik olarak, context.fileFiltering.respectGitIgnore değerini false olarak ayarlayarak tüm .gitignore dosyalarının gizliliğini kaldırabilirsiniz ancak bu, çok sayıda node_modules/ ve __pycache__/ çöp dosyası açar. Bu nedenle, klasörün açıkça dahil edilmesi tercih edilen seçenektir.

9. Sonraki adımlar

Curiosity: Bu atölye çalışması, Gemini CLI'nin yardımıyla oluşturuldu. Nasıl yaptığımı merak ediyorsanız bu klasördeki GEMINI.md ve WORKSHOP_PLAN.md dosyalarına bakabilirsiniz.

Öğrenilenler

ADK'yı Gemini CLI ile eşlemeyi öğrendik

Ek kaynaklar

Romin ve Mete'nin hazırladığı bu iki harika Antigravity codelab'ini inceleyin:
Google Antigravity'yi kullanmaya başlama
Google Antigravity ile geliştirme
Antigravity ile Google Cloud'da Derleme ve Dağıtım
Fikir edinmek için Maurizio'nun harika ADK eğitimine göz atın.