1. 事前準備
歡迎來到「使用 ADK 建構 AI 代理」系列文章的第二部分！在本實作程式碼研究室中，您將為基本 AI 代理提供各種工具。
如要開始使用，本指南提供兩條路徑：一條適用於從「使用 ADK 建構 AI 代理：基礎」程式碼研究室繼續學習的學員，另一條則適用於從頭開始的學員。無論選擇哪種方式，都能確保您擁有必要的基礎代理程式碼。
完成本程式碼研究室後，您將能為個人助理代理程式提供各種用途的工具，並在後續的系列課程中，將其轉換為複雜的多代理程式系統 (MAS)，朝擴充功能邁進一步。
必要條件
- 瞭解生成式 AI 概念
- 具備 Python 程式設計基本能力
- 完成「使用 ADK 建構 AI 代理：基礎」程式碼研究室或類似課程
課程內容
- 建立自訂 Python 函式做為工具，賦予代理程式新技能。
- 使用 Google 搜尋等內建工具，讓代理程式存取即時資訊。
- 建立專門處理複雜工作的子代理，建構多工具代理。
- 整合 LangChain 等熱門 AI 架構的工具，快速擴充功能。
軟硬體需求
- 可正常運作的電腦和穩定的 Wi-Fi
- 瀏覽器 (例如 Chrome)，用來存取 Google Cloud Console
- 好奇心和學習意願
兌換試用帳單帳戶
如要完成本程式碼研究室，您也需要有效的 Google Cloud Billing 帳戶。如果還沒有，請按照下列步驟兌換試用帳單帳戶：
- 在瀏覽器中開啟無痕視窗
- 前往這個兌換入口網站
- 使用個人 Gmail 帳戶登入
- 按照入口網站的逐步說明操作
2. 簡介
使用 ADK 建構的基本代理程式具有強大的 LLM 腦力，但也有一些限制：無法存取訓練日期之後建立的資訊，也無法與外部服務互動。就像一位聰明又博學的助理被鎖在圖書館裡，沒有手機或網路。如要讓代理程式真正發揮作用，我們需要提供工具。
工具就像是讓 AI 助理存取外部世界：計算機、網路瀏覽器或特定公司資料庫的存取權。在 ADK 中，工具是模組化程式碼，可讓代理程式執行特定動作，例如查詢即時資料或呼叫外部 API。使用工具可讓 Gemini 的功能遠遠超出簡單對話。
ADK 提供三類工具：
- 函式工具：您開發的自訂工具，可滿足應用程式的獨特需求，例如預先定義的函式和代理程式。
- 內建工具：架構提供的現成工具，可用於常見作業，例如 Google 搜尋和執行程式碼。
- 第三方工具：熱門外部程式庫，例如 Serper，以及 LangChain 和 CrewAI 的工具。
如要進一步瞭解如何搭配 ADK 代理程式使用工具，請參閱官方說明文件。在本程式碼研究室中，我們將新增工具，將簡單的代理程式轉換為功能強大的個人旅遊助理。我們馬上開始！
3. 開始使用：基礎代理程式
如要為代理程式提供工具，您必須先有基本代理程式。請選擇最符合進度的路徑。
路徑 A：從基礎程式碼研究室繼續
如果您剛完成「使用 ADK 打造 AI 代理：基礎」程式碼研究室，就已準備就緒。您可以繼續在現有的 ai-agents-adk 專案目錄中工作。
路徑 B：從頭開始
如果您直接開始本程式碼研究室，請完成下列 4 個步驟，設定環境並建立必要的起始代理程式。
完成上述步驟後，即可開始學習之旅。
4. 建立貨幣兌換自訂工具
此時，您應該已瞭解如何使用 ADK 建構簡單的 AI 代理程式，並在開發 UI 中執行。
假設您下個月要前往日本，需要查詢目前的匯率。詢問服務專員「新加坡元兌換日圓的匯率是多少？」
你會發現代理程式無法擷取即時匯率。這是因為代理程式目前無法存取網際網路，也無法連線至外部系統。即使代理程式回覆值，也很難信任該值，因為這很可能是幻覺。
為解決這個問題，我們將實作 Python 函式，透過 REST API 擷取匯率，並將其整合為代理程式的函式工具。
在終端機視窗中按下鍵盤快速鍵 Ctrl + C，終止執行中的代理程式程序。
建立 custom_functions.py 檔案
在終端機中輸入下列指令，在 personal_assistant 資料夾中建立名為 custom_functions.py 的 Python 檔案.
touch personal_assistant/custom_functions.py
資料夾結構應如下所示：
ai-agents-adk/
└── personal_assistant/
├── .env
├── __init__.py
├── agent.py
└── custom_functions.py
開啟程式碼編輯器中的 custom_functions.py。這個檔案會包含負責從外部 API 擷取匯率資料的 Python 函式。
複製下列程式碼並貼到該檔案中：
import requests
# define a function to get exchange rate
def get_fx_rate(base: str, target: str):
"""
Fetches the current exchange rate between two currencies.
Args:
base: The base currency (e.g., "SGD").
target: The target currency (e.g., "JPY").
Returns:
The exchange rate information as a json response,
or None if the rate could not be fetched.
"""
base_url = "https://hexarate.paikama.co/api/rates/latest"
api_url = f"{base_url}/{base}?target={target}"
response = requests.get(api_url)
if response.status_code == 200:
return response.json()
現在請編輯 agent.py 檔案：匯入 get_fx_rate 函式，並指派為 FunctionTool。
更新 agent.py 檔案
複製這個程式碼區塊，並取代 agent.py 檔案的現有內容：
from google.adk.agents import Agent
from google.adk.tools import FunctionTool
from .custom_functions import get_fx_rate
root_agent = Agent(
model='gemini-2.5-flash',
name='root_agent',
description='A helpful assistant for user questions.',
instruction='Answer user questions to the best of your knowledge',
tools=[FunctionTool(get_fx_rate)]
)
變更後，請輸入下列內容，再次啟動代理程式：
adk web
等服務專員上線後，再次詢問相同問題：「新加坡元兌換日圓的匯率是多少？」
這次您應該會看到 get_fx_rate 工具提供的實際匯率。
歡迎隨時提出任何貨幣兌換相關問題。
5. 與內建 Google 搜尋工具整合
現在，代理程式可以提供匯率，下一個工作是取得下個月的天氣預報。向代理提出這個問題：「日本東京下個月的天氣預報如何？」
如您所料，天氣預報需要即時資訊，但我們的智慧助理沒有這類資訊。雖然我們可以為每個需要即時資料的用途編寫新的 Python 函式，但新增越來越多的自訂工具，很快就會讓代理程式過於複雜，難以管理。
幸好，代理開發套件 (ADK) 提供一系列內建工具，包括 Google 搜尋，可供直接使用，簡化代理與外部世界的互動方式。讓我們編輯 agent.py 檔案，在服務專員中新增 Google 搜尋工具：
from google.adk.agents import Agent
from google.adk.tools import FunctionTool
from google.adk.tools import google_search
from .custom_functions import get_fx_rate
root_agent = Agent(
model='gemini-2.5-flash',
name='root_agent',
description='A helpful assistant for user questions.',
instruction='Answer user questions to the best of your knowledge',
tools=[
FunctionTool(get_fx_rate),
google_search,
]
)
編輯完檔案後，請重新啟動 adk web 執行個體。如果忘記，
- 點選終端機，按下 Ctrl + C 鍵停止執行個體
uv run adk web啟動執行個體- 嘗試詢問同樣的問題：「下個月日本東京的天氣預報為何？」
現在應該會收到即時資訊的回覆。
您也可以為此實作多代理程式模式。首先，請建立專門的代理程式，唯一的工作就是執行 Google 搜尋。接著，我們將這個新的 Google 搜尋代理程式指派給主要 personal_assistant 做為工具。步驟如下：
建立 custom_agents.py 檔案
現在，請在終端機中執行下列指令，在 personal_assistant 資料夾中建立名為 custom_agents.py 的 Python 檔案：
touch personal_assistant/custom_agents.py
現在的資料夾結構應如下所示：
ai-agents-adk/
└── personal_assistant/
├── .env
├── __init__.py
├── agent.py
├── custom_functions.py
└── custom_agents.py
這個檔案會包含專屬 google_search_agent 的程式碼。使用「程式碼編輯器」將下列程式碼複製到 custom_agents.py 檔案中。
from google.adk.agents import Agent
from google.adk.tools import google_search
# Create an agent with google search tool as a search specialist
google_search_agent = Agent(
model='gemini-2.5-flash',
name='google_search_agent',
description='A search agent that uses google search to get latest information about current events, weather, or business hours.',
instruction='Use google search to answer user questions about real-time, logistical information.',
tools=[google_search],
)
建立檔案後，請更新 agent.py 檔案，如下所示。
更新 agent.py 檔案
複製這個程式碼區塊，並取代 agent.py 檔案的現有內容：
from google.adk.agents import Agent
from google.adk.tools import FunctionTool
from google.adk.tools.agent_tool import AgentTool
from .custom_functions import get_fx_rate
from .custom_agents import google_search_agent
root_agent = Agent(
model='gemini-2.5-flash',
name='root_agent',
description='A helpful assistant for user questions.',
tools=[
FunctionTool(get_fx_rate),
AgentTool(agent=google_search_agent),
]
)
我們來分析程式碼中強大的新模式：
- 全新專家代理：我們定義了全新的代理
google_search_agent。請注意其具體說明，以及唯一工具是google_search。這是搜尋專家。 agent_tool.AgentTool：這是 ADK 的特殊包裝函式。這會將整個代理程式 (我們的 google_search_agent) 打包，使其外觀和行為與標準工具類似。- 更智慧的 **
root_agent**：root_agent現在有新工具：AgentTool(agent=google_search_agent)。它不知道如何搜尋網路，但知道自己有工具可以委派搜尋工作。
請注意，root_agent 中已沒有指令欄位。現在，指令會由可用的工具隱含定義。
root_agent 已成為自動調度管理工具或路由器，主要工作是瞭解使用者的要求，並將要求傳遞至正確的工具，也就是 get_fx_rate 函式或 google_search_agent。這種去中心化設計是建構複雜且易於維護的代理程式系統的關鍵。
現在輸入
adk web
在終端機中啟動執行個體，然後再次向代理程式提出這個問題：「日本東京下個月的天氣預報為何？」
現在，代理程式會使用 google_search_agent 取得最新資訊
你也可以試著詢問目前的兌換問題。現在服務專員應該能針對相應問題使用正確工具。
請隨意向代理程式提出其他需要即時資訊的問題，並觀察代理程式如何使用可用的工具處理查詢。
6. 善用 LangChain 的維基百科工具
我們的智慧代理程式即將成為出色的旅遊助理。你可以使用 get_fx_rate 工具處理匯兌事宜，並使用 google_search_agent 工具管理物流。但一趟美好的旅程不只是安排行程，更要深入瞭解目的地的文化和歷史。
雖然 google_search_agent 可以找出文化和歷史事實，但來自維基百科等專門來源的資訊通常更有結構且可靠。
所幸 ADK 的設計具有高度擴充性，可讓您順暢整合其他 AI 代理程式架構 (例如 CrewAI 和 LangChain) 的工具。這項互通性至關重要，因為可縮短開發時間，並重複使用現有工具。在這個用途中，我們會運用 LangChain 的維基百科工具。
首先，請停止執行中的代理程式程序 (Ctrl + C)，然後在終端機中輸入下列指令，將其他程式庫安裝至目前的 Python 虛擬環境。
uv pip install langchain-community wikipedia
建立 third_party_tools.py 檔案
現在，請在終端機中執行下列指令，在 personal_assistant 資料夾中建立名為 third_party_tools.py 的 Python 檔案：
touch personal_assistant/third_party_tools.py
現在的資料夾結構應如下所示：
ai-agents-adk/
└── personal_assistant/
├── .env
├── __init__.py
├── agent.py
├── custom_functions.py
├── custom_agents.py
└── third_party_tools.py
這個檔案會包含 LangChain 維基百科工具的實作內容。使用 Cloud Editor 將下列程式碼複製到 third_party_tools.py：
from langchain_community.tools import WikipediaQueryRun
from langchain_community.utilities import WikipediaAPIWrapper
# Configure the Wikipedia LangChain tool to act as our cultural guide
langchain_wikipedia_tool = WikipediaQueryRun(
api_wrapper=WikipediaAPIWrapper(top_k_results=1, doc_content_chars_max=3000)
)
# Give the tool a more specific description for our agent
langchain_wikipedia_tool.description = (
"Provides deep historical and cultural information on landmarks, concepts, and places."
"Use this for 'tell me about' or 'what is the history of' type questions."
)
更新 agent.py 檔案
現在，請使用下列內容更新 agent.py 檔案：
from google.adk.agents import Agent
from google.adk.tools import FunctionTool
from google.adk.tools.agent_tool import AgentTool
from google.adk.tools.langchain_tool import LangchainTool
from .custom_functions import get_fx_rate
from .custom_agents import google_search_agent
from .third_party_tools import langchain_wikipedia_tool
root_agent = Agent(
model='gemini-2.5-flash',
name='root_agent',
description='A helpful assistant for user questions.',
tools=[
FunctionTool(get_fx_rate),
AgentTool(agent=google_search_agent),
LangchainTool(langchain_wikipedia_tool),
]
)
現在輸入
adk web
在終端機中啟動執行個體，然後向代理程式提出這個問題：「告訴我京都的歷史」。
代理程式正確將此視為歷史查詢，並使用新的 Wikipedia 工具。整合第三方工具並賦予特定角色後，您的代理程式會變得更加智慧，在規劃旅遊行程時也更實用。
如要查看代理程式做出這項選擇的確切方式，可以使用 adk web UI 中的事件檢查器。按一下「事件」分頁標籤，然後按一下最新的 functionCall 事件。
檢查器會顯示所有可用工具的清單，並醒目顯示代理執行的工具代碼。
7. 清除 (選用)
由於本程式碼研究室不涉及任何長時間執行的產品，因此只要在終端機中按下 Ctrl + C，停止執行中的代理程式工作階段 (例如終端機中的 adk web 執行個體) 即可。
刪除代理商專案資料夾和檔案
如要從 Cloud Shell 環境中移除程式碼，請使用下列指令：
cd ~
rm -rf ai-agents-adk
停用 Vertex AI API
如要停用先前啟用的 Vertex AI API，請執行下列指令：
gcloud services disable aiplatform.googleapis.com
關閉整個 Google Cloud 專案
如要完全關閉 Google Cloud 專案，請參閱官方指南，瞭解詳細操作說明。
8. 結語
恭喜！您已成功為個人助理代理程式啟用自訂函式和即時 Google 搜尋存取權。請參閱這份官方文件，瞭解如何搭配使用工具與 Google ADK。
更重要的是，您已學會建構功能強大代理程式的基本架構模式：使用專用代理程式做為工具。建立專屬 google_search_agent 並提供給 root_agent，您已完成第一個步驟，從建構單一代理程式，到協調簡單但功能強大的多代理系統。
您現在已做好萬全準備，可以參加本系列下一個程式碼研究室，深入瞭解如何協調多個代理程式和工作流程。到時見！