การสร้างเอเจนต์ AI ด้วย ADK: ฐานราก

1. ภาพรวม

AI Agent จะรวมโมเดลภาษาขนาดใหญ่ (LLM) เข้ากับคำสั่ง สถานะ และเครื่องมือต่างๆ เพื่อให้สามารถพิจารณาคำขอของผู้ใช้และดำเนินงานหลายขั้นตอนได้โดยอัตโนมัติ หากไม่มีเฟรมเวิร์ก Agent ที่มีโครงสร้าง นักพัฒนาแอปจะต้องเชื่อมต่อไคลเอ็นต์โมเดล การกำหนดค่าสภาพแวดล้อม เซสชันการสนทนา และอินเทอร์เฟซการแก้ไขข้อบกพร่องในเครื่องด้วยตนเองก่อนที่จะทดสอบพรอมต์เดียว

ในส่วนแรกของชุดการสร้าง AI Agent ด้วย ADK คุณจะได้ตั้งค่าสภาพแวดล้อมในการพัฒนาซอฟต์แวร์ Python ใน Google Cloud และสร้างโครงสร้าง Agent personal_assistant ในแพลตฟอร์ม Agent โดยใช้ Agent Development Kit (ADK 2) และ gemini-3.8-flash คุณสำรวจแพ็กเกจ Agent ที่สร้างขึ้นและทดสอบ Agent ผ่านทั้ง CLI ของเทอร์มินัลแบบอินเทอร์แอกทีฟ (adk run) และ ADK Web UI (adk web) บนเบราว์เซอร์ นอกจากนี้ คุณยังเปิด Codelab นี้ได้โดยตรงที่ goo.gle/adk-foundation

การสร้าง AI Agent ด้วยชุด ADK: หลังจากทำห้องทดลองพื้นฐานนี้เสร็จแล้ว ให้ทำต่อในการเพิ่มศักยภาพด้วยเครื่องมือ การจัดการเวิร์กโฟลว์ของ Agent และการจัดการเวิร์กโฟลว์ของกราฟ

ข้อกำหนดเบื้องต้น

• ความเข้าใจเกี่ยวกับแนวคิด Generative AI
• ความสามารถขั้นพื้นฐานในการเขียนโปรแกรม Python
• ความคุ้นเคยกับบรรทัดคำสั่ง/เทอร์มินัลและ gcloud CLI

สิ่งที่คุณจะได้เรียนรู้

• วิธีกำหนดค่า Google Cloud Shell และสภาพแวดล้อม Python 3.12 ที่แยกต่างหากด้วย uv
• วิธีสร้างแพ็กเกจ Agent ADK 2 สำหรับผู้เริ่มต้นที่ขับเคลื่อนโดย gemini-3.8-flash ใน Agent Platform
• วิธีที่ ADK 2 จัดระเบียบโค้ด Agent ใน agent.py, __init__.py และ .env
• วิธีเรียกใช้ ทดสอบ และตรวจสอบเหตุการณ์ การติดตาม และเซสชันที่ใช้ SQLite ใน adk run และ adk web

สิ่งที่ต้องมี

• บัญชี Google (ใช้บัญชี @gmail.com ส่วนบุคคลหากต้องการรับเครดิตสำหรับเวิร์กช็อป)
• ลิงก์เครดิตเวิร์กช็อปจากผู้สอน (รวมถึงกล้องโทรศัพท์เพื่อสแกนคิวอาร์โค้ด) หรือบัญชีสำหรับการเรียกเก็บเงินใน Cloud ที่ใช้งานอยู่
• Google Chrome (แนะนำให้ใช้หน้าต่างที่ไม่ระบุตัวตนเพื่อหลีกเลี่ยงการใช้บัญชีส่วนตัวและบัญชีงานปะปนกัน)

เคล็ดลับเกี่ยวกับโหมดไม่ระบุตัวตน: เปิด Codelab นี้ในหน้าต่างที่ไม่ระบุตัวตนเพื่อให้ลิงก์ Cloud Console และ Cloud Shell ทุกรายการเปิดในเซสชันเดียวกัน

2. รับเครดิต Google Cloud (ไม่บังคับ)

หากคุณเข้าร่วมเวิร์กช็อปที่มีลิงก์เครดิตกิจกรรม ให้อ้างสิทธิ์รับเครดิต Google Developer Program เพื่อจัดสรรบัญชีสำหรับการเรียกเก็บเงินโดยไม่ต้องใช้บัตรเครดิต

ใช้บัญชีสำหรับการเรียกเก็บเงินของคุณเองใช่ไหม ข้ามไปที่สร้างโปรเจ็กต์ Google Cloud (ไม่บังคับ) (หรือตั้งค่าสภาพแวดล้อมหากมีโปรเจ็กต์อยู่แล้ว) หากต้องการบัญชีสำหรับการเรียกเก็บเงินใหม่ที่ไม่มีเครดิตกิจกรรม โปรดดูหัวข้อสร้างบัญชีสำหรับการเรียกเก็บเงินใน Cloud หรือช่วงทดลองใช้ Google Cloud ฟรี

รับเครดิตเหตุการณ์

⚠️ ใช้บัญชี Gmail ส่วนบุคคล: บัญชี Google Workspace ของบริษัทหรือโรงเรียนไม่สามารถรับเครดิตกิจกรรมเวิร์กช็อปได้

1. เปิดลิงก์เครดิตเวิร์กช็อปในหน้าต่างไม่ระบุตัวตน แล้วลงชื่อเข้าใช้ด้วยบัญชี @gmail.com
2. ในส่วนรับสิทธิประโยชน์ ให้คลิกรับเครดิต

3. หากได้รับข้อความแจ้งให้สร้างโปรไฟล์ Google Developer Program ให้กรอกแบบฟอร์มให้ครบถ้วน
4. เมื่อข้อความสแกนเพื่อยืนยันว่าคุณเป็นมนุษย์ปรากฏขึ้น ให้สแกนคิวอาร์โค้ดด้วยโทรศัพท์และทำการยืนยันให้เสร็จสมบูรณ์ (รีเฟรชและคลิกรับเครดิตอีกครั้งหากคิวอาร์โค้ดไม่ปรากฏ)

5. ตรวจสอบว่าข้อความรับเครดิตกิจกรรมเรียบร้อยแล้วปรากฏขึ้น จากนั้นคลิกเปิดบัญชีสำหรับการเรียกเก็บเงิน

🔍 ตรวจสอบงานของคุณ

การสร้างบัญชีสำหรับการเรียกเก็บเงินใช้เวลาสูงสุด 3 นาที

1. เปิดการเรียกเก็บเงินใน Google Cloud (หรือคัดลอก URL ลงในหน้าต่างที่ไม่ระบุตัวตน) แล้วเลือกบัญชีสำหรับการเรียกเก็บเงินของคุณ

https://console.cloud.google.com/billing

2. รีเฟรชจนกว่าบัญชี GDP Credit จะแสดงสถานะใช้งานอยู่

3. สร้างโปรเจ็กต์ Google Cloud (ไม่บังคับ)

สร้างโปรเจ็กต์ Google Cloud โดยเฉพาะเพื่อให้ทรัพยากรทั้งหมดจาก Codelab นี้แยกต่างหากและล้างข้อมูลได้ง่าย

หากมีโปรเจ็กต์อยู่แล้ว หากคุณมีโปรเจ็กต์ที่เปิดใช้การเรียกเก็บเงินหรือโปรเจ็กต์เวิร์กช็อปที่จัดสรรไว้ล่วงหน้าอยู่แล้ว ให้ข้ามไปที่หัวข้อตั้งค่าสภาพแวดล้อม

1. เปิดสร้างโปรเจ็กต์ (หรือคัดลอก URL ลงในหน้าต่างที่ไม่ระบุตัวตน) ดังนี้

https://console.cloud.google.com/projectcreate

2. ป้อนรายละเอียดโปรเจ็กต์ ดังนี้
   • ชื่อโปรเจ็กต์: เช่น google-cloud-workshop
   • บัญชีสำหรับการเรียกเก็บเงิน (หากแสดง): เลือก GDP Credit (หรือบัญชีสำหรับการเรียกเก็บเงินที่ใช้งานอยู่)
   • ทรัพยากรหลัก: ไม่มีองค์กร (หรือองค์กรของคุณ หากจำเป็น)
3. จดรหัสโปรเจ็กต์ที่สร้างขึ้นใต้ชื่อโปรเจ็กต์ แล้วคลิกสร้าง

🔍 ตรวจสอบงานของคุณ

คลิกการแจ้งเตือนในแถบเครื่องมือด้านขวาบน แล้วคลิกเลือกโปรเจ็กต์เมื่อสร้างโปรเจ็กต์เสร็จแล้ว

4. ตั้งค่าสภาพแวดล้อม

กำหนดค่า Google Cloud Shell, เปิดใช้ Agent Platform API และสร้างสภาพแวดล้อมเสมือน Python 3.12 ที่แยกต่างหากด้วย uv

เคล็ดลับเกี่ยวกับเทอร์มินัลในเครื่อง: หากเรียกใช้ในเครื่องแทน Cloud Shell เรียกใช้ gcloud auth application-default login 1 ครั้ง แทนที่คำสั่ง cloudshell edit filename ด้วยเครื่องมือแก้ไขที่ต้องการ (เช่น code หรือ nano) และเปิด http://localhost:8000 ในเบราว์เซอร์โดยตรง

กำหนดค่า Cloud Shell

1. คลิกเปิดใช้งาน Cloud Shell (>_) ในแถบเครื่องมือคอนโซล Google Cloud หรือเปิด Google Cloud Shell โดยตรง (หรือคัดลอก URL ลงในหน้าต่างที่ไม่ระบุตัวตน) ดังนี้

https://shell.cloud.google.com/?show=ide,terminal

2. คลิกให้สิทธิ์หากได้รับข้อความแจ้ง

3. เลือกรหัสโปรเจ็กต์ Google Cloud ที่ใช้งานอยู่จากเมนูที่มีหมายเลขกำกับในเทอร์มินัล โดยทำดังนี้

unset CLOUDSDK_CORE_PROJECT
PS3="Select your project (e.g. 1): "
select PROJECT_ID in $(gcloud projects list --format="value(projectId)"); do
  [ -n "$PROJECT_ID" ] && gcloud config set project "$PROJECT_ID" && break
done

คุณควรเห็นเอาต์พุตที่คล้ายกับ (โปรเจ็กต์ที่ไม่ได้ติดแท็กจะพิมพ์บรรทัด [environment: untagged] ที่ให้ข้อมูลด้วย) ดังนี้

1) google-cloud-workshop-4210
2) my-cloud-project-8812
Select your project (e.g. 1): 1
Updated property [core/project].

ตรวจสอบว่ารหัสโปรเจ็กต์ที่เลือกปรากฏเป็นไฮไลต์สีเหลืองในพรอมต์ Cloud Shell ดังนี้

เปิดใช้ API ที่จำเป็น

เปิดใช้ Agent Platform API เพื่อให้ Agent ของ ADK เรียกใช้โมเดล Gemini ได้ โดยทำดังนี้

gcloud services enable aiplatform.googleapis.com

คุณควรเห็นเอาต์พุตที่คล้ายกับตัวอย่างต่อไปนี้

Operation "operations/acat.p2-..." finished successfully.

สร้างสภาพแวดล้อมเสมือนของ Python และติดตั้ง ADK

ทำไมต้องเป็น uv uv ซึ่งเขียนด้วย Rust จะสร้างสภาพแวดล้อม Python และติดตั้งแพ็กเกจได้ในไม่กี่วินาที ดูข้อมูลเพิ่มเติมในเอกสารประกอบของ uv

สร้างไดเรกทอรีพื้นที่ทำงาน ~/ai-agents-adk และเปิดใช้งานสภาพแวดล้อมเสมือน Python 3.12 โดยทำดังนี้

cd ~
mkdir -p ai-agents-adk && cd ~/ai-agents-adk

which uv >/dev/null 2>&1 || curl -LsSf https://astral.sh/uv/install.sh | sh
export PATH="$HOME/.local/bin:$PATH"

uv venv .venv --python 3.12
source .venv/bin/activate

ตรวจสอบว่าคำนำหน้า (.venv) ปรากฏที่จุดเริ่มต้นของพรอมต์เทอร์มินัล

ติดตั้ง ADK ภายในสภาพแวดล้อมเสมือนที่ใช้งานอยู่โดยทำดังนี้

uv pip install --no-cache "google-adk==2.14.0"

🔍 ตรวจสอบงานของคุณ

ยืนยันเวอร์ชัน adk CLI ที่ติดตั้ง:

adk --version

คุณควรเห็นเอาต์พุตที่คล้ายกับตัวอย่างต่อไปนี้

adk, version 2.14.0

เคล็ดลับการกู้คืนเซสชัน: หากแท็บ Cloud Shell ยกเลิกการเชื่อมต่อในภายหลัง ให้กลับไปที่พื้นที่ทำงานและเปิดใช้งานสภาพแวดล้อมอีกครั้งด้วย cd ~/ai-agents-adk && source .venv/bin/activate

5. สร้างโครงสร้าง Agent

สร้างแพ็กเกจ Agent personal_assistant เริ่มต้นด้วย adk create ADK จะสร้างไฟล์ 4 ไฟล์ภายใน personal_assistant/ ดังนี้

• agent.py: กำหนด root_agent ด้วยโมเดล ชื่อ คำอธิบาย และคำสั่งของระบบ
• __init__.py: ทำเครื่องหมาย personal_assistant เป็นแพ็กเกจ Python เพื่อให้ ADK ค้นพบและนำเข้า agent.py ได้
• .env: จัดเก็บแฟล็กแบ็กเอนด์ (GOOGLE_GENAI_USE_ENTERPRISE=1), รหัสโปรเจ็กต์ และตำแหน่ง (global)
• .gitignore: ยกเว้น .env และไฟล์เซสชัน SQLite .adk/ ในเครื่องจากการควบคุมเวอร์ชัน

เรียกใช้ adk create

สร้างโครงสร้างแพ็กเกจ personal_assistant จาก ~/ai-agents-adk โดยทำดังนี้

cd ~/ai-agents-adk
adk create personal_assistant

เลือกตัวเลือกต่อไปนี้เมื่อได้รับข้อความแจ้ง (หากได้รับข้อความแจ้ง Enable telemetry? [Y/n]: ในการเรียกใช้ครั้งแรก ให้กด Enter หรือพิมพ์ n แล้วกด Enter)

1. เลือกโมเดลสำหรับ Agent ระดับรูท: พิมพ์ 2 เพื่อเลือก gemini-3.8-flash (ตัวเลือก 1 จะเลือก gemini-3.5-flash) แล้วกด Enter
2. เลือกแบ็กเอนด์: พิมพ์ 2 เพื่อเลือกแบ็กเอนด์ Agent Platform ของ Google Cloud (ตัวเลือก 2 ในเมนู CLI ด้านล่าง) แล้วกด Enter
3. ป้อนรหัสโปรเจ็กต์ Google Cloud: กด Enter เพื่อยอมรับรหัสโปรเจ็กต์ที่ตรวจพบในวงเล็บ (หรือพิมพ์รหัสโปรเจ็กต์หากแตกต่างออกไป)
4. ป้อนภูมิภาค Google Cloud: พิมพ์ global (จำเป็นสำหรับการแสดง gemini-3.8-flash ใน Agent Platform) แล้วกด Enter

🔍 ตรวจสอบงานของคุณ

คุณควรเห็นเอาต์พุตที่คล้ายกับตัวอย่างต่อไปนี้

Choose a model for the root agent:
1. gemini-3.5-flash
2. gemini-3.8-flash
3. Other models (fill later)
Choose model (1, 2, 3): 2
1. Google AI
2. Vertex AI
3. Login with Google
Choose a backend (1, 2, 3): 2

You need an existing Google Cloud account and project, check out this link for details:
https://google.github.io/adk-docs/get-started/quickstart/#gemini---google-cloud-vertex-ai

Enter Google Cloud project ID [google-cloud-workshop-4210]:
Enter Google Cloud region [us-central1]: global

Agent created in /home/your_username/ai-agents-adk/personal_assistant:
- .env
- .gitignore
- __init__.py
- agent.py

⚠️  WARNING: Secrets (like GOOGLE_API_KEY) are stored in .env.

Next steps:
- Chat with your agent in the terminal: adk run personal_assistant
- Or in the browser: adk web .
- Have your coding agent evaluate and deploy it: uvx google-agents-cli setup
  (other install options: https://adk.dev/get-started/agents-cli/)

6. สำรวจโค้ดที่สร้างขึ้น

เปิด ~/ai-agents-adk ในเครื่องมือแก้ไข Cloud Shell เพื่อตรวจสอบไฟล์ที่สร้างขึ้นควบคู่ไปกับเทอร์มินัล

which cloudshell >/dev/null 2>&1 && cloudshell workspace ~/ai-agents-adk || true

หมายเหตุเกี่ยวกับการรีสตาร์ทเทอร์มินัล: การเรียกใช้ cloudshell workspace จะโหลดหน้าต่าง Cloud Shell ซ้ำและรีสตาร์ท Shell เปิดใช้งาน .venv อีกครั้งเมื่อแผงเทอร์มินัลโหลดซ้ำ

เปิดใช้งานสภาพแวดล้อมเสมือนอีกครั้งในเทอร์มินัลที่โหลดซ้ำ โดยทำดังนี้

cd ~/ai-agents-adk
source .venv/bin/activate

นอกจากนี้ คุณยังเปิดพื้นที่ทำงานด้วยตนเองในเครื่องมือแก้ไข Cloud Shell ได้โดยคลิกไอคอน Explorer (หรือไฟล์ > เปิดโฟลเดอร์...) แล้วเลือก ai-agents-adk ดังนี้

ระบบจะซ่อนไฟล์ที่ขึ้นต้นด้วยจุด เช่น .env โดยค่าเริ่มต้นในแผนผัง Explorer คลิกดู > สลับไฟล์ที่ซ่อนอยู่ในแถบเมนูด้านบนเพื่อแสดง personal_assistant/.env:

ตรวจสอบ agent.py

เปิด ~/ai-agents-adk/personal_assistant/agent.py ในเครื่องมือแก้ไข Cloud Shell โดยทำดังนี้

cloudshell edit ~/ai-agents-adk/personal_assistant/agent.py

ตรวจสอบไฟล์ที่สร้างขึ้น (ไม่ต้องแก้ไข):

from google.adk.agents.llm_agent import Agent

root_agent = Agent(
    model='gemini-3.8-flash',
    name='root_agent',
    description='A helpful assistant for user questions.',
    instruction='Answer user questions to the best of your knowledge',
)

• from google.adk.agents.llm_agent import Agent: นำเข้าคลาส Agent ของ ADK (ชื่อแทนของ LlmAgent; ADK 2 ยังแสดง from google.adk import Agent เป็นชวเลขระดับบนสุดเมื่อเขียนโค้ดที่กำหนดเอง)
• model='gemini-3.8-flash': เลือก gemini-3.8-flash เป็นโมเดลที่ขับเคลื่อนการให้เหตุผลและการตอบกลับ
• name='root_agent': กำหนดตัวระบุที่ ADK ใช้ในบันทึก การติดตาม และกราฟแบบหลาย Agent
• description='...': สรุปสิ่งที่ Agent ทำเมื่อผู้ประสานงานหลักตัดสินใจว่าจะมอบสิทธิ์ให้หรือไม่
• instruction='...': ตั้งค่าพรอมต์ของระบบที่ควบคุมโทนและลักษณะการทำงานของ Agent

ตรวจสอบ__init__.pyและ.env

เปิด personal_assistant/__init__.py เพื่อยืนยันว่ามีการส่งออก agent อีกครั้งเพื่อให้ adk run และ adk web ค้นพบ root_agent ได้ โดยทำดังนี้

from . import agent as agent

เปิด personal_assistant/.env เพื่อตรวจสอบการกำหนดค่ารันไทม์

GOOGLE_GENAI_USE_ENTERPRISE=1
GOOGLE_CLOUD_PROJECT=google-cloud-workshop-4210
GOOGLE_CLOUD_LOCATION=global

• GOOGLE_GENAI_USE_ENTERPRISE=1: กำหนดเส้นทางการเรียกใช้โมเดล ADK ผ่านแพลตฟอร์ม Agent โดยใช้ข้อมูลเข้าสู่ระบบ Google Cloud แทนคีย์ API
• GOOGLE_CLOUD_PROJECT: เชื่อมโยงคำขอโมเดลและการเรียกเก็บเงินกับโปรเจ็กต์ที่อยู่ในระบบคลาวด์ของ Google
• GOOGLE_CLOUD_LOCATION=global: กำหนดเป้าหมายปลายทางทั่วโลกที่แสดง gemini-3.8-flash

🔍 ตรวจสอบงานของคุณ

ยืนยันจากเทอร์มินัลว่า personal_assistant/agent.py นำเข้าอย่างถูกต้องและ .env ชี้ไปที่ global:

cd ~/ai-agents-adk && source .venv/bin/activate
python3 -c "from personal_assistant.agent import root_agent; print(root_agent.name, root_agent.model)"
cat ~/ai-agents-adk/personal_assistant/.env

คุณควรเห็นเอาต์พุตที่คล้ายกับตัวอย่างต่อไปนี้

root_agent gemini-3.8-flash
GOOGLE_GENAI_USE_ENTERPRISE=1
GOOGLE_CLOUD_PROJECT=google-cloud-workshop-4210
GOOGLE_CLOUD_LOCATION=global

7. เรียกใช้ Agent ในเทอร์มินัล

ทดสอบตัวแทน personal_assistant โดยตรงจากบรรทัดคำสั่งโดยใช้ adk run:

cd ~/ai-agents-adk && source .venv/bin/activate
adk run personal_assistant

ที่พรอมต์ [user]: ให้ส่งข้อความ เช่น hello. What can you do for me? และยืนยันว่า Agent ตอบกลับ

🔍 ตรวจสอบงานของคุณ

คุณควรเห็นเอาต์พุตที่คล้ายกับตัวอย่างต่อไปนี้

Running agent root_agent, type exit to exit.
[user]: hello. What can you do for me?
[root_agent]: Hello! I can help answer questions, explain concepts, summarize text, brainstorm ideas, and assist with writing or coding tasks. How can I help you today?
[user]: exit

พิมพ์ exit แล้วกด Enter เพื่อปิดเซสชัน CLI แบบอินเทอร์แอกทีฟและกลับไปที่พรอมต์ Shell ก่อนดำเนินการต่อ

การแก้ปัญหา

• This API method requires billing to be enabled: ตรวจสอบว่า GOOGLE_CLOUD_PROJECT ใน personal_assistant/.env ตรงกับโปรเจ็กต์ที่ใช้งานอยู่ จากนั้นเปิดบัญชีสำหรับการเรียกเก็บเงินที่ลิงก์ไว้ (หรือคัดลอก URL ด้านล่างลงในหน้าต่างที่ไม่ระบุตัวตน) แล้วลิงก์ GDP Credit หรือบัญชีสำหรับการเรียกเก็บเงินใน Cloud ที่ใช้งานอยู่ ดังนี้

https://console.cloud.google.com/billing/linkedaccount

• API has not been used in project: เปิดใช้ Agent Platform API ในเทอร์มินัล แล้วลองอีกครั้งหลังจากผ่านไป 2-3 วินาที

gcloud services enable aiplatform.googleapis.com

8. เรียกใช้ Agent ใน ADK Web UI

การตอบกลับ Markdown, เพย์โหลดเหตุการณ์ และสถานะแบบหลายเทิร์นจะตรวจสอบได้ง่ายขึ้นมากใน Playground ของเบราว์เซอร์ในตัวของ ADK 2 เริ่ม ADK Web UI จากไดเรกทอรี ~/ai-agents-adk ระดับบน (เหนือ personal_assistant/) โดยทำดังนี้

cd ~/ai-agents-adk && source .venv/bin/activate
adk web --allow_origins "*"

ทำไมต้องเป็น --allow_origins "*" การส่ง --allow_origins "*" จะอนุญาตคำขอที่ทำพร็อกซีผ่านโดเมนตัวอย่างบนเว็บของ Cloud Shell (*.cloudshell.dev)

เปิด ADK Web UI ในเบราว์เซอร์โดยทำดังนี้

1. คลิกไอคอนตัวอย่างเว็บในแถบเครื่องมือ Cloud Shell ด้านขวาบน แล้วเลือกเปลี่ยนพอร์ต
2. ป้อนพอร์ต 8000 แล้วคลิกเปลี่ยนและแสดงตัวอย่าง

3. ตรวจสอบว่าได้เลือก personal_assistant ในเมนูแบบเลื่อนลงของ Agent ที่ด้านซ้ายบนแล้ว ส่ง "Hello. What can you do?" แล้วคลิกเหตุการณ์การตอบกลับของ Agent เพื่อตรวจสอบข้อมูลเมตา

UI บนเว็บของ ADK 2 จะจับคู่ปุ่มเปิด/ปิดสตรีมเหตุการณ์และการติดตามกับแท็บเครื่องมือตรวจสอบข้อมูล, สถานะ, อาร์ติแฟกต์ และการประเมิน (รวมถึงไอคอนกราฟโครงสร้าง Agent ในแถบเครื่องมือด้านบน) และคงเซสชันในเครื่องไว้โดยอัตโนมัติใน personal_assistant/.adk/session.db

🔍 ตรวจสอบงานของคุณ

ในเทอร์มินัล Cloud Shell คุณควรเห็นเอาต์พุตที่คล้ายกับตัวอย่างต่อไปนี้

INFO:     Started server process [4978]
INFO:     Waiting for application startup.
+------------------------------------------------------+
| ADK Web Server started                               |
|                                                      |
| For local testing, access at http://localhost:8000.  |
+------------------------------------------------------+
INFO:     Application startup complete.
INFO:     Uvicorn running on http://127.0.0.1:8000 (Press CTRL+C to quit)

เมื่อทดสอบเสร็จแล้ว ให้กด Ctrl + C ในเทอร์มินัลเพื่อหยุดเซิร์ฟเวอร์ adk web และกลับไปที่ Command Prompt

9. ล้างข้อมูล (ไม่บังคับ)

⚠️ หากต้องการสร้างซีรีส์ต่อ โปรดข้ามขั้นตอนนี้หากคุณจะดำเนินการต่อในหัวข้อการสร้าง AI Agent ด้วย ADK: เพิ่มศักยภาพด้วยเครื่องมือ ซึ่งสร้างขึ้นโดยตรงใน ~/ai-agents-adk/personal_assistant

Codelab นี้จะไม่สร้างโครงสร้างพื้นฐานที่เรียกเก็บเงินได้แบบถาวรนอกเหนือจากการเรียกใช้ Gemini แบบจ่ายต่อคำขอ ตรวจสอบว่า adk web หยุดทำงานแล้ว (Ctrl + C)

นำไฟล์ Workspace ในเครื่องออก

วิธีลบไดเรกทอรี ~/ai-agents-adk ออกจาก Cloud Shell

cd ~
rm -rf ~/ai-agents-adk

ลบโปรเจ็กต์เฉพาะ (ไม่บังคับ)

⚠️ การดำเนินการที่ส่งผลกระทบ: ลบโปรเจ็กต์เฉพาะในกรณีที่คุณสร้างโปรเจ็กต์เฉพาะสำหรับ Codelab นี้เท่านั้นและจะไม่ดำเนินการต่อในชุดนี้ อย่าลบโปรเจ็กต์เวิร์กช็อปที่แชร์หรือจัดสรรไว้ล่วงหน้า

gcloud projects delete "$(gcloud config get-value project)" --quiet

10. ขอแสดงความยินดี

คุณได้ตั้งค่าสภาพแวดล้อม Python ของ ADK 2 ใน Google Cloud, สร้างโครงร่าง Agent personal_assistant ที่ขับเคลื่อนโดย gemini-3.8-flash ในแพลตฟอร์ม Agent, สำรวจโครงสร้างแพ็กเกจที่สร้างขึ้น และทดสอบทั้งใน CLI ของเทอร์มินัลและ UI บนเว็บของ ADK

สิ่งที่คุณทำสำเร็จ

• กำหนดค่า Google Cloud Shell, เปิดใช้ Agent Platform API และสร้างสภาพแวดล้อม Python 3.12 ด้วย uv แล้ว
• สร้างโครงนั่งร้าน personal_assistant ด้วย adk create และสำรวจว่า agent.py, __init__.py และ .env ทำงานร่วมกันอย่างไร
• ทดสอบการสนทนาแบบหลายเทิร์นผ่าน adk run และตรวจสอบเหตุการณ์ การติดตาม และเซสชันที่ใช้ SQLite ใน adk web

ขั้นตอนถัดไป

• ต่อด้วยตอนที่ 2: การสร้าง AI Agent ด้วย ADK: เพิ่มศักยภาพด้วยเครื่องมือ
• ต่อด้วยส่วนที่ 3: การสร้าง AI Agent ด้วย ADK: การจัดระเบียบเวิร์กโฟลว์ของ Agent
• ต่อด้วยส่วนที่ 4: การสร้าง AI Agent ด้วย ADK: การจัดเรียงเวิร์กโฟลว์กราฟ
• ดูเอกสารประกอบเกี่ยวกับ Agent Development Kit และโปรแกรมการเรียนรู้ GEAR