ADK ve Gemini CLI ile basit bir seyahat acentesi oluşturma

1. Giriş

Son güncelleme: 22.06.2026

ADK ile basit bir seyahat acentesi oluşturma

Gemini CLI sayesinde her şeyin hazır olduğu bu ADK Python(*) atölyesine hoş geldiniz.

Bu codelab iki 🏅 aşamaya ayrılmıştır:

1. Yaygın ve basit bir öğrenme rotası: kurulum + anında tatmin.
2. Gemini KSA'nın yardımıyla çözmek istediğiniz görevi seçebileceğiniz kişiselleştirilmiş bir yol

İkinci bölüm, bu codelab'i hackathon için mükemmel hale getirir (ve en yaratıcı çözümler için ödüller verilir).

1. aşama: ADK ve Gemini CLI ile ilk temsilciniz

Bu aşamanın amacı, ADK ile adım adım basit bir seyahat acentesi oluşturmaktır. Bunun için öncelikle Gemini CLI'yı ADK ile kod yazmamıza yardımcı olacak şekilde ayarlamamız gerekiyor. Bu sayede yerel kabuğunuz Python ADK'nin en yeni sürümünü seçebilir, kodu ve belgeleri inceleyebilir ve hedefinize ulaşmak için en yeni/en iyi kodu sağlayabilir.

Bu bölümde, küçük ve basit adımlarla tam olarak çalışan bir uygulama oluşturacağız. Bu işlem genellikle bir saat kadar sürer (yükleme süresi hariç).

Not (*): Bu codelab'de Python ADK kullandığınız varsayılsa da çok az değişiklikle Go, Java veya TypeScript ile de çalışabilirsiniz. Aslında, ADK'yi yalnızca Python ile kullandıysanız bu codelab, yolu farklı bir dilde denemek için harika bir fırsattır. Lütfen aşağıdaki geri bildirim bağlantısını kullanarak düşüncelerinizi bize bildirin.

2. Ara Hedef: Temsilcinizi genişletme

Ardından, uygulamayı dilediğiniz gibi genişletmeniz için size farklı zorluk derecelerinde bir düzine seçenek sunuyoruz. Bu sayede farklı yönleri (kullanıcı arayüzü, operasyonlar, karmaşık temsilci 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 çalıştırma
• NanoBanana'yı kullanarak apartman dairelerinin/odaların görüntülerini oluşturun.

Gemini CLI, tüm bu süreçte size rehberlik eder: Kod yazma/inceleme ve ADK deposunun yerel bir kopyasında (Python veya tercih ettiğiniz dilde) en güncel dokümanları bulma.

Neler öğreneceksiniz?

• ADK ile uygulama oluşturma
• Yerel belgelere dayalı uygulamaları kodlamak için Gemini CLI'yı kullanma
• Gerçek zamanlı harici veri kaynaklarına bağlanmak için MCP sunucusuyla nasıl etkileşim kuracağını bilir. Örneğin:

Gerekenler

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

Neden ADK ve Gemini CLI?

Bazılarınız, neden ADK'yi (temsilci oluşturucu SDK'sı) yerel bir temsilci kod yardımcısıyla (Gemini CLI gibi) birlikte kullanmanız gerektiğini merak edebilir. Bunun nedeni, her iki aracın da son derece güçlü olması ancak etkileşimlerinin basit olmamasıdır. Birçok kişi her ikisini birlikte kullanmaya çalışmış ve başarısız olmuştur (çoğunlukla "döngü içinde döngü" sorunları nedeniyle). Bu codelab'de, bu birlikte kullanımın nasıl mümkün olabileceğine dair birkaç ipucu paylaşılmaktadır.

2. Kurulum

Bu codelab'i kendi makinenizde çalıştırmak istiyorsanız Kendi hızınızda ortam kurulumu'nu, tamamen bulutta çalıştırmak istiyorsanız Cloud Shell'i başlat'ı seçin.

Yönlendirmesiz ortam kurulumu

1. 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 dilediğiniz zaman güncelleyebilirsiniz.
• Proje kimliği, tüm Google Cloud projeleri genelinde benzersizdir ve sabittir (ayarlandıktan sonra değiştirilemez). Cloud Console, benzersiz bir dizeyi otomatik olarak oluşturur. Genellikle bu dizeyi önemsemeniz gerekmez. Çoğu codelab'de proje kimliğinize (genellikle PROJECT_ID olarak tanımlanır) başvurmanız gerekir. Oluşturulan kimliği beğenmezseniz başka bir rastgele kimlik oluşturabilirsiniz. Alternatif olarak, kendi adınızı deneyebilir ve kullanılabilir olup olmadığını görebilirsiniz. Bu adımdan sonra değiştirilemez ve proje süresince geçerli olur.
• Bazı API'lerin kullandığı üçüncü bir değer olan proje numarası da vardır. Bu üç değer hakkında daha fazla bilgiyi belgelerde bulabilirsiniz.

Dikkat: Proje kimliği dünya genelinde benzersizdir ve siz seçtikten sonra başka kimse tarafından kullanılamaz. Bu kimliğin tek kullanıcısı sizsiniz. Proje silinse bile kimlik tekrar kullanılamaz.

Not: Gmail hesabı kullanıyorsanız varsayılan konumu Kuruluş yok olarak bırakabilirsiniz. Google Workspace hesabı kullanıyorsanız kuruluşunuz için uygun bir konum seçin.

2. Ardından, Cloud kaynaklarını/API'lerini kullanmak için Cloud Console'da faturalandırmayı etkinleştirmeniz gerekir. Bu codelab'i tamamlamak için çok az bir ücret ödemeniz gerekir veya hiç ödeme yapmanız gerekmez. Bu eğitimden sonra faturalandırma yapılmaması için oluşturduğunuz kaynakları veya projeyi silebilirsiniz. Yeni Google Cloud kullanıcıları 300 ABD doları değerinde ücretsiz deneme programından yararlanabilir.

Cloud Shell'i başlatma

Google Cloud'u dizüstü bilgisayarınızdan uzaktan çalıştırabilirsiniz 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:

Birkaç saniye içinde ortamın temel hazırlığı yapılır ve bağlantı kurulur. İşlem tamamlandığında şuna benzer bir sonuç görürsünüz:

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

3. Ön koşullar (Yükleme)

Not: Bu codelab'i Cloud Shell'de çalıştırmaya karar verirseniz Python, uv ve Gemini CLI (gemini) sizin için önceden yüklenir.

Bu eğitim için şunları yüklemeniz gerekir:

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? İstediğiniz Python yöneticisini kullanabilirsiniz ancak uv kullanırsanız Python için ENV/PATH kurulumu sizin ve Gemini CLI için aynı olur. Böylece kabuk deneyiminiz Gemini CLI ile büyük ölçüde aynı olur. Örneğin, virtualenv kullanıyorsanız Gemini CLI, ortamınızı taklit etmek için "source .env/venv/bin/activate && my-original-command" gibi işlemler yapmaya zorlanır.

2. Gemini CLI

Gemini CLI için kurulum talimatlarını https://github.com/google-gemini/gemini-cli adresinde bulabilirsiniz.

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

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

4. adımda (daha sonra) npx uygulamasının da yüklü olması gerekir. Hem npm hem de npx, Gemini KSA'nın bir parçası olarak doğal bir şekilde kullanılmalıdır. Yüklü değilse Gemini CLI'dan yardım isteyin.

Kimlik doğrulama

Vertex AI'ın etkinleştirildiği bir Google Cloud projesine veya Google AI Studio API anahtarına ihtiyacınız vardır.

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

export GOOGLE_API_KEY="your-api-key"

B seçeneği (Vertex AI): gcloud ile kimlik doğrulayın:

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, klasörü ve ihtiyacımız olan iki dosyayı oluşturalım.

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

# 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 kesinlikle gerekli değildir ancak başarısız olursa Python veya uv kurulumunuzu düzeltmeniz gerekir. Bu işlem, adk ve diğer faydalı komut dosyalarını ./.venv/bin/ klasörüne yükler.

Kurulumunuzu test etmek için make test-step1 komutunu çalıştırıp 403 PERMISSION DENIED. hatası almadığınızdan emin olabilirsiniz.

Önemli. Gemini CLI'ı 📁 adk-gemini-cli-workshop/ klasöründen çalıştırdığınızdan emin olun. IDE de bunu kök adı olarak göstermelidir. Böylece Gemini CLI doğru yapılandırmayı seçer. Harici klasörleri dilediğiniz zaman /dir add /your/other/folder üzerinden ekleyebilirsiniz ancak 📁 adk-gemini-cli-workshop/ en iyi başlangıç konumunu sağlar.

Kullanılabilir çözümler

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

Bu codelab'in amacı, iyi ADK kodu yazmayı öğrenmek değil, ortamınızı talimatlarınız doğrultusunda otomatik olarak İYİ kod yazacak şekilde ayarlamaktır.

1. Yazılımı yükleme
2. yapılandırma/çalıştırma ve
3. ve doğru bir geri bildirim döngüsüne girer.

Burada asıl öğrenmenizi istediğimiz şey bu. Ayrıca $ make web-4steps üzerinden hepsini aynı anda test edebilirsiniz.

4. 1. adım: Temel Temsilci

Sohbet edebilen temel bir temsilci oluşturarak başlayalım.

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

from .agent import root_agent

İşte bu kadar basit. Bu sayede ADK, kodunuzun nerede olduğunu (agent.py içinde) 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.",
)

Temsilciyi test etme

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

• CLI, hızlı ve otomatik testler için en iyi seçenektir.
• Web, neler olduğunu görsel olarak görmek, mikrofonu kullanmak (!) ve sorun gidermek için en iyi seçenektir.

İpucu: Bu alıştırmada, birim testi dışında herhangi bir işlem yapmak için web'i kullanın. Gerçekten muhteşem. KSA'yı yalnızca otomatik test için kullanın.

1, 2, 3 ve 4. adımları doğru şekilde test eden iyi bir istem (akıllı "turnusol istemi") şu şekilde olabilir:

Merhaba, yarın akşam için Paris şehir merkezinde tek kişilik, bir gecelik otel rezervasyonu yapmak istiyorum. Gare de Lyon'a yakın, ideal bir konumda. Bütçe: gecelik 200 avronun altında.

1. Yarının tarihini YYYYAAGG biçiminde ve haftanın hangi günü olduğunu söyle.
2. Yarın için hangi otelleri görüyorsunuz? (En az 3 otel belirtin.) Şu bilgileri görmek istiyorum: > 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 bir URL'sine bağlanmalıdır (URL sütunu eklemenize gerek yoktur). Bağlantının geçerli olduğundan (çalıştığından ve sayfanın otel hakkındaki bilgilere yönlendirdiğinden) emin olun.

Bu,zamanı ve otelleri test eden 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 (CLI) 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 "turnusol istemini" kullanmayı deneyin.

Belirli tarihleri bilemeyebilir. Ona tarihi bilmeyi öğretmemiz gerekiyor.

Web'de bunu şu şekilde yapabilirsiniz:

1. uv run adk web . : Bu klasördeki tüm temsilcileri çalıştırır. "mysolution/" alt klasörüne yönlendirmek istiyorsunuz.
2. Sağ üstteki mysolution/ simgesini seçin (Yandaki resme bakın).
3. Sorunuzu metin olarak veya mikrofon aracılığıyla "turnusol istemi"ne benzer şekilde sorun.

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

Tarih yarı halüsinasyonu içeren olası bir çözümü aşağıda bulabilirsiniz. 5 rezervasyon bağlantısından 3'ünün çalıştığını unutmayın. Fena değil.

5. 2. adım: now() aracını ekleyin

Bu işlevi, root_agent tanımından hemen önce agent.py dosyasına 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

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

Sorguyu tekrar çalıştırıp aynı soruyu sorun. Artık tarihi biliyor (iyi) ancak oteller konusunda belirsiz (kötü).

Şöyle bir şeyle 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/

6. 3. adım: Şimdi ders zamanı: google_search

google_search. Bu sayede temsilcimiz, web'deki gerçek zamanlı bilgilere erişebilir.

Not: 🚨 gemini-2.x modelleri, Google Arama'yı özel araçlarla yerel olarak birleştiremez (bkz. Sorun #969). Bu nedenle, basitlik açısından now() yerine google_search'yı kullanacağız. Daha fazla bilgi: ISSUES.md.

Göreviniz, 2. adımdaki temsilciyi değiştirmektir. 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 aynıdır.

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 make run-step3b ile çalıştırın. Bu tamamen isteğe bağlıdır.

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

Özel ve yerleşik araçları gördüğümüze göre, şimdi daha güçlü bir yönteme geçelim: Model Context Protocol (MCP) kullanan Model-as-a-Tool deseni.

Bu adımda MCP'nin güçlü özelliklerine odaklanmak için önceki aracımızı (google_search) bir kez daha değiştireceğiz. airbnb_mcp aracıyla birlikte çalışacak basit now aracımızı yeniden kullanıma sunacağız. Bu örnekte, bir temsilcinin karmaşık görevleri yerine getirmek 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. Geri kalan kısımlar yukarıdakiyle aynıdır.

Uyarılar/Hatalar

1. robots.txt kısıtlama hatası alırsanız MCP'yi "robots yönergesini yoksay" ile yamalayabilirsiniz. Daha fazla bilgi için belgeleri okuyun: https://github.com/openbnb-org/mcp-server-airbnb
2. timeout hatası alırsanız (5 saniye, Airbnb'nin yanıt alması için çok kısa bir süredir) zaman aşımını 30 saniyeye yükseltme hakkında bilgi edinmek için ADK belgelerine bakın. Bunu yapmak için Gemini KSA'yı da kullanabilirsiniz. 3 Aralık 2025'te Cloud Shell'in zaman aşımı hatası verdiğini, zaman aşımı hatasını düzelttiğimi ve önceki sürüme (args=["-y", "@openbnb/mcp-server-airbnb@0.1.2", "--ignore-robots-txt"]) zorlayana kadar hata almaya devam ettiğimi unutmayın.

8. 🏅 1. aşama tamamlandı.

🏅 Tebrikler! 🏅 Artık bir ADK uzmanısınız. Çalıştay'ın ilk bölümünü tamamladınız ve özel araçlar, yerleşik araçlar ve gelişmiş MCP araçlarıyla yapay zeka ajanlarını başarıyla oluşturup test ettiniz. Artık Google Agent Development Kit ile kendi muhteşem temsilcilerinizi oluşturmaya hazırsınız.

Artık saati bilen ve web'de arama yapabilen işlevsel bir seyahat acenteniz var. Sınır tanımayın.

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

9. 🏅 2. aşama: Gemini CLI aracılığıyla ADK'da sezgisel kodlama yapma

Şimdi atölyenin ilginç kısmına geçiyoruz.

1. Kodu güvenli bir yere kaydetgit committiğinizden emin olun. Orijinal kodu çatallayabilir veya bir dal oluşturabilirsiniz. Gemini CLI bu konuda size yardımcı olacaktır.
2. Uygulayabileceğiniz bir 💡 fikir bulun. Aşağıdaki fikirleri inceleyebilir, kendi fikrinizi bulabilir veya Gemini'dan rag/ dizinindeki dokümanları inceleyip birkaç akıllı fikir önermesini isteyebilirsiniz.
3. Gemini'ın ADK belgelerini okuyabilmesi için ön koşulları uygulayın. Ardından kullanmaya başlayabilirsiniz.

💡 Fikirler

1. 🟢 [kolay] Birden fazla dil biliyor musunuz? go, java veya TypeScript vermek ister misiniz? Mevcut kodu yeniden düzenlemek çok kolaydır. Doğru ADK'yi indirdiğinizden emin olun ve Gemini CLI'dan çeviri yapmasını isteyin.
2. 🟢 [kolay] Emoji ekleyin veya istediğiniz bir çıkış biçimini belirtin (ör. otel emojisi, ardından fiyat, ardından 🌕🌕🌕🌗🌑 ile yarımları da gösterecek şekilde 1-5 yıldız emojisi içeren bir tablo).
3. 🟢 [Kolay] İstemi, özellikle aradığınız veya istemediğiniz özellikleri (evcil hayvan dostu, giriş katı olmasın, sessiz, toplu taşımaya yakın vb.) öğretecek şekilde değiştirip test edin. Yukarıdakilere göre "1-10 arasında ADINIZ puanı" gibi kişisel bir puan ekleyip bu puana göre sıralayabilirsin.
4. 🟢 [easy] Any Operator in the room? Cloud Run'a dağıtın. Ya da Vertex AI Agent Engine'e. Bu temsilciyi entegre edip doğrudan yeni Gemini Enterprise'dan çağırabileceğinizi biliyor muydunuz?
5. 🟢 [kolay] adk run ile 🍌 NanoBanana MCP'yi entegre edin. Gemini API anahtarı gerekir. Burada resim oluşturabilirsiniz ancak bunları görselleştiremezsiniz. Daha zor bir varyant için aşağıya bakın.
6. 🟡 [orta] HotelSearch işlemini yapan bir alt temsilci oluşturun ve BudgetAgent ya da LocationAgent oluşturun. Bu temsilci, konum ihtiyaçlarınızı (ör. "KONUM'dan en fazla X km uzakta") dikkate alarak otelleri iki katına çıkarabilir ve bunlar üzerinde iterasyon yapabilir. API buna izin vermiyorsa Google Arama'nın yardımıyla bazı işlemler yapılabilir. Not: Gemini CLI size yardımcı olabilir.
7. 🟡 [orta] Bir aramadan elde edilen 1 veya N otel için yorumları inceleyen ve olumlu ve olumsuz yönleri renk kodlu birkaç madde halinde özetleyen bir AirbnbReviewAgent uygulayın. Zaten 2 bileşeniniz (GoogleSearch ve MCP Airbnb) var. Bunları ana temsilciye bağlamanız ve iletişim kurmaları için bir protokol oluşturmanız gerekir.
8. 🟡 [orta] A2A ile entegre edin. A2A aracısı yapın. Gemini CLI'dan yardım isteyebilirsiniz.
9. 🔴 [complex] Çok yönlü ve çok işlevli bir seyahat acentesi oluşturmak için Uçuşlar veya diğer MCP işlevleriyle entegrasyon yapabilirsiniz.
10. 🔴 [karmaşık] ADK web'i 🍌 NanoBanana MCP ile entegre edin. Bu, yukarıdakinden daha zordur. 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 karşılıklı olarak çalıştı ve her ikimiz de rag/ adresindeki belgeleri/kodları okuduk.

Daha fazla ilhama mı ihtiyacınız var?

1. Fikir edinmek için resmi ADK eğitimine göz atın.
2. Gemini CLI'dan rag/ altındaki belgelere bakarak fikir bulmasını isteyin. Olası bir istem şu olabilir: 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 sezgisel kodlamak için ADK'nın tamamını Python ADK indirmenizi öneririz (Not: Bu, Java veya Go gibi tercih ettiğiniz dile çok kolay bir şekilde uyarlanabilir.)

Kod, ./rag kapsamında olup ./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 okuyabilmesini, ancak dosyaların gitignore dosyasında güvenli bir şekilde tutulmasını istiyoruz. Teknik olarak context.fileFiltering.respectGitIgnore değerini false olarak ayarlayarak tüm .gitignore dosyalarını da gösterebilirsiniz ancak bu işlem çok sayıda node_modules/ ve __pycache__/ çöpü açar. Bu nedenle, klasörün açıkça dahil edilmesi tercih edilen seçenektir.

10. Sonraki adımlar

Merak: Bu atölye, Gemini KSA'nın yardımıyla oluşturuldu. Merak ediyorsanız bu klasördeki GEMINI.md ve WORKSHOP_PLAN.md dosyalarına bakarak bunu nasıl yaptığımı öğrenebilirsiniz.

Lessons learnt

ADK'yi Gemini CLI ile nasıl eşleyeceğimizi öğrendik.

Ek kaynaklar

• Aşağıdaki iki resmi Antigravity codelab'ini inceleyin:
  • Google Antigravity'ye Giriş
  • Build with Google Antigravity
  • Antigravity ile Google Cloud'da derleme ve dağıtım
• Fikir edinmek için resmi ADK eğitimine göz atın.