ADK を使用して AI エージェントを構築する: Agentic Workflows のオーケストレーション

1. 概要

複数の制約がある旅行リクエスト（たとえば、歴史的な寺院と郷土料理に焦点を当て、現代アート ギャラリーは含めず、100 ドル未満で京都の 1 日の旅程を設計するなど）を満たすには、制約の抽出、観光スポットと食事の同時調査、項目別のスケジュールの作成、最終プランの監査が必要です。多くのツールを備えた単一のモノリシック エージェントに依存すると、検証ステップがスキップされたり、除外に違反したりする可能性があるため、オーケストレーションは、決定論的なワークフロー コントローラを介して専用のサブエージェントを調整します。

ADK を使用した AI エージェントの構築シリーズの第 3 部では、Agent Development Kit（ADK）2 ワークフロー コントローラ（SequentialAgent、ParallelAgent、LoopAgent）を使用して、Agent Platform 上に自己完結型のマルチエージェント旅行プランナーを構築します。3 つの段階（第 1 部または第 2 部のワークスペース設定は不要）にわたって、gemini-3.8-flash を搭載した 6 つの専門エージェントを、共有セッション状態（output_key）、同時 google_search 実行、反復的なメーカーチェッカー リファインメント ループで調整します。

ADK を初めてご利用になる場合生成 AI エージェントのコンセプトと Google Agent Development Kit（ADK）を初めて使用する場合は、まず ADK を使用して AI エージェントを構築する: 基礎と ADK を使用して AI エージェントを構築する: ツールによる強化を完了することをおすすめします。

ADK 2 グラフ ワークフローについてこの Codelab を完了したら、パート 4 の ADK を使用して AI エージェントを構築する: グラフ ワークフローのオーケストレーションに進み、順次、並列（JoinNode）、循環（Event(route=...)）のオーケストレーションを 1 つの宣言型 Workflow グラフに統合します。

前提条件

• 生成 AI のコンセプトを理解していること
• Python プログラミングの基本的なスキル
• AI エージェントの基礎と Google ADK に関する知識

学習内容

• マルチエージェント ADK 2 プロジェクトをゼロからスキャフォールディングする方法
• output_key を使用してセッション状態を共有する専門エージェントのチームを設計する方法
• SequentialAgent を使用して、決定論的なステップバイステップ パイプラインでサブエージェントを実行する方法
• ParallelAgent を使用して独立したリサーチ エージェントを同時に実行し、レイテンシを短縮する方法
• LoopAgent と ToolContext のエスカレーションを使用して、反復的なメーカーチェッカーの改良ループを実装する方法
• 順次、並列、ループのパターンを組み合わせて階層型マルチエージェント ワークフローを構築する方法

必要なもの

• Google アカウント（ワークショップのクレジットを申請する場合は、個人の @gmail.com アカウントを使用してください）
• インストラクターから提供されたワークショップ クレジット リンク（および QR コードをスキャンするためのスマートフォンのカメラ）または有効な Cloud 請求先アカウント
• Google Chrome（個人アカウントと仕事用アカウントが混在しないように、シークレット ウィンドウを使用することをおすすめします）

シークレット モードのヒント: この Codelab をシークレット ウィンドウで開くと、Cloud コンソールと Cloud Shell のすべてのリンクが同じセッションで開きます。

2. Google Cloud クレジットを申請する（省略可）

イベント クレジット リンクのあるワークショップに参加している場合は、Google Developer Program クレジットを申請して、クレジット カードなしで請求先アカウントをプロビジョニングします。

独自の請求先アカウントを使用している場合Google Cloud プロジェクトを作成する（省略可）（プロジェクトがすでにある場合は環境を設定する）に進みます。イベント クレジットのない新しい請求先アカウントが必要な場合は、Cloud 請求先アカウントを作成するまたは Google Cloud の無料トライアルをご覧ください。

イベントのクレジットを取得する

⚠️ 個人の Gmail アカウントを使用する: 企業または学校の Google Workspace アカウントでは、ワークショップ イベントのクレジットを申請できません。

1. シークレット ウィンドウでワークショップのクレジット リンクを開き、@gmail.com アカウントでログインします。
2. [特典を申請] で、[クレジットを申請] をクリックします。

3. Google Developer Program プロフィールの作成を求められた場合は、フォームに記入します。
4. [Scan to Verify You're Human] が表示されたら、スマートフォンで QR コードをスキャンして確認を完了します（QR コードが表示されない場合は、更新して [Claim Credit] をもう一度クリックします）。

5. 「イベントのクレジットを取得しました」と表示されたことを確認し、[請求先アカウントを開く] をクリックします。

🔍 実施したタスクを確認する

請求先アカウントの設定には最大 3 分かかります。

1. Google Cloud Billing を開くか、URL をコピーしてシークレット ウィンドウに貼り付け、[請求先アカウント] を選択します。

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

2. GDP Credit アカウントのステータスが [有効] になるまで更新します。

3. Google Cloud プロジェクトを作成する（省略可）

この Codelab のすべてのリソースが分離され、クリーンアップが容易になるように、専用の Google Cloud プロジェクトを作成します。

すでにプロジェクトがある場合課金が有効になっているプロジェクトまたは事前プロビジョニングされたワークショップ プロジェクトがすでにある場合は、環境を設定するに進みます。

1. [プロジェクトを作成] を開きます（または、URL をコピーしてシークレット ウィンドウに貼り付けます）。

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

2. プロジェクトの詳細を入力します。
   • プロジェクト名: google-cloud-workshop など
   • 請求先アカウント（表示されている場合）: GDP Credit（または有効な請求先アカウント）を選択します。
   • 親リソース: 組織なし（または必要に応じて組織）
3. プロジェクト名の下に生成されたプロジェクト ID をメモし、[作成] をクリックします。

🔍 実施したタスクを確認する

右上のツールバーにある [通知] をクリックし、プロジェクトの作成が完了したら [プロジェクトを選択] をクリックします。

4. 環境を設定する

Google Cloud Shell を構成し、Agent Platform API を有効にして、uv を使用して隔離された Python 3.12 仮想環境を作成します。

ラボ 1 とラボ 2 から続行する場合（ファストトラック）: この Cloud Shell セッションで Google Cloud プロジェクト ID と Agent Platform API がすでに構成されている場合は、Python 仮想環境を作成して ADK をインストールするに進み、~/adk-agents/.venv をクリーンに作成します。

ローカル ターミナルのヒント: Cloud Shell ではなくローカルマシンで実行する場合は、gcloud auth application-default login を 1 回実行し、cloudshell edit filename コマンドを任意のエディタ（code filename や nano filename など）に置き換えて、ブラウザで http://localhost:8000 を直接開きます。

Cloud Shell を構成する

1. Google Cloud コンソールのツールバーで [Cloud Shell をアクティブにする]（>_）をクリックするか、Google Cloud Shell を直接開きます（または、URL をシークレット ウィンドウにコピーします）。

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

2. [承認] をクリックします（求められた場合）。

3. ターミナルの番号付きメニューから、アクティブな Google Cloud プロジェクト ID を選択します。

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

次のような出力が表示されます（タグ付けされていないプロジェクトでは、情報を示す [environment: untagged] 行も出力されます）。

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

選択したプロジェクト ID が Cloud Shell プロンプトで黄色でハイライト表示されていることを確認します。

必要な API の有効化

ADK エージェントが Gemini モデルを呼び出せるように、Agent Platform API を有効にします。

gcloud services enable aiplatform.googleapis.com

次のような出力が表示されます。

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

Python 仮想環境を作成して ADK をインストールする

uv を選ぶ理由Rust で記述された uv は、Python 環境を作成し、パッケージを数秒でインストールします。詳しくは、uv のドキュメントをご覧ください。

~/adk-agents ワークスペースを作成し、Python 3.12 仮想環境を有効にします。

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

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

ターミナル プロンプトの先頭に (.venv) 接頭辞が表示されていることを確認します。

アクティブな仮想環境に ADK 2 をインストールします。

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

🔍 実施したタスクを確認する

インストールされている adk CLI のバージョンを確認します。

adk --version

次のような出力が表示されます。

adk, version 2.14.0

セッション復元のヒント: Cloud Shell タブが切断された場合や、後で新しいターミナルを開いた場合は、ワークスペースに戻り、cd ~/adk-agents && source .venv/bin/activate を実行して仮想環境を再度有効にします。

5. 旅行プランナー エージェントをスキャフォールディングする

環境の準備ができたら、ADK の組み込みの adk create コマンドを使用して、travel_planner エージェント パッケージのスターター ファイルを生成します。

スターター パッケージを生成する

~/adk-agents ディレクトリから adk create を実行します。

cd ~/adk-agents
adk create travel_planner

ターミナルでプロンプトが表示されたら、次の構成オプションを選択します（初回実行時に Enable telemetry? [Y/n]: のプロンプトが表示された場合は、Enter キーを押すか、n と入力して Enter キーを押します）。

1. ルート エージェントのモデルを選択する: 「2」と入力して gemini-3.8-flash を選択し（オプション 1 は gemini-3.5-flash を選択）、Enter キーを押します。
2. バックエンドを選択する: 「2」と入力して Google Cloud Agent Platform バックエンド（以下の CLI メニューのオプション 2）を選択し、Enter キーを押します。
3. Enter Google Cloud project ID: Enter キーを押して、括弧内に表示されているプロジェクト ID を確定します。
4. Enter Google Cloud region: 「global」と入力して Enter キーを押します。

adk create は、GOOGLE_GENAI_USE_ENTERPRISE=1、プロジェクト ID、GOOGLE_CLOUD_LOCATION=global を travel_planner/.env に書き込みます。これにより、後で agent.py を更新しても、認証情報は構成されたままになります。

🔍 実施したタスクを確認する

次のような出力が表示されます。

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/adk-agents/travel_planner:
- .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 travel_planner
- 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/)

Cloud Shell コードエディタで現在のフォルダを開き、ターミナルと並べてファイルを確認、編集できるようにします。

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

ターミナルの再起動に関する注: cloudshell workspace を実行すると、Cloud Shell エディタビューが再読み込みされます。ターミナル ペインが再読み込みされたら、仮想環境を再度有効にしてから続行します。

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

デフォルトの単一エージェントをテストする

マルチエージェント ワークフローを構築する前に、ADK 開発 UI を起動して、デフォルトの単一エージェントが幅広い旅行計画クエリにどのように応答するかを確認します。

cd ~/adk-agents
adk web --allow_origins "*"

Cloud Shell のウェブ プレビューを使用して、ブラウザで開発 UI を開きます。

1. Cloud Shell の右上にあるツールバーの [ウェブでプレビュー] アイコンをクリックします。
2. [ポートを変更] を選択し、「8000」と入力して [変更してプレビュー] をクリックします。

ADK ウェブ UI が読み込まれたら、"hello, what can you do?" や "Help me plan a trip to Japan" などの挨拶を送信します。

単一の root_agent は、構造化された設定の抽出、ライブウェブ検索、予算の確認を行わずに、1 回のパスで直接回答します。

テストが完了したら、Cloud Shell ターミナルで Ctrl + C を押して adk web サーバーを停止し、コマンド プロンプトに戻ります。

6. SequentialAgent ワークフローを構築する

次に、最初のオーケストレーション パターンである、SequentialAgent を活用した線形ワークフローを構築します。シーケンシャル パイプラインでは、サブエージェントは厳密な順序で実行されます。最初のスペシャリストは、構造化されたパラメータを抽出し、output_key="user_preferences" を使用して共有セッション状態に保存します。2 番目のスペシャリストは、共有状態から {user_preferences} を読み取り、旅程の下書きを作成します。

初期スペシャリストを作成する（specialists.py）

travel_planner/ 内に specialists.py という名前の新しいファイルを開きます。

cloudshell edit ~/adk-agents/travel_planner/specialists.py

次のコードを travel_planner/specialists.py に貼り付けて、user_profiler_agent と itinerary_synthesizer_agent を定義します（次のステップのために ToolContext と google_search を事前にインポートします）。

from google.adk import Agent
from google.adk.tools import ToolContext, google_search

# --- Specialist 1: The User Profiler ---
user_profiler_agent = Agent(
    name="user_profiler_agent",
    description="Extracts travel preferences and constraints from user input.",
    instruction="""
        Extract destination, duration (default 1 day), budget, interests, and exclusions.
        Return a single JSON object with keys: "destination", "duration", "budget", "interests", "exclusions".
    """,
    output_key="user_preferences",  # Saves output to state['user_preferences']
)

# --- Specialist 2: The Synthesizer ---
itinerary_synthesizer_agent = Agent(
    name="itinerary_synthesizer_agent",
    description="Compiles preferences and research into a final Markdown itinerary.",
    instruction="""
        You are an elite Travel Concierge. Write a Markdown itinerary with an itemized USD and local currency cost breakdown using:
        - User Preferences: {user_preferences}
        - Activities (if available): {activity_recommendations?}
        - Restaurants (if available): {restaurant_recommendations?}
    """,
    output_key="final_itinerary",
)

ADK でのモデルの継承と状態の受け渡し: SequentialAgent、ParallelAgent、LoopAgent 内のサブエージェントは、agent.py（gemini-3.8-flash）の root_agent で構成された model を自動的に継承します。そのため、すべてのスペシャリストで model= を繰り返すのではなく、1 か所で MODEL を定義します。user_profiler_agent で output_key="user_preferences" を設定すると、そのレスポンスが session.state["user_preferences"] に保存されます。後続のエージェントは {user_preferences} を使用してこれを挿入します（{activity_recommendations?} などの末尾の ? は、入力されるまで状態プレースホルダがオプションであることを示します）。

シーケンシャル パイプライン（workflows.py）を接続する

travel_planner/ 内に workflows.py という名前の新しいファイルを作成し、スペシャリストをオーケストレートします。

cloudshell edit ~/adk-agents/travel_planner/workflows.py

次の SequentialAgent 定義を travel_planner/workflows.py に追加します。

from google.adk.agents import SequentialAgent
from .specialists import (
    user_profiler_agent,
    itinerary_synthesizer_agent,
)

# 1. SEQUENTIAL PHASE: A linear two-step workflow
master_travel_agent = SequentialAgent(
    name="master_travel_agent",
    description="Orchestrates the end-to-end travel planning process for trip and itinerary requests.",
    sub_agents=[
        user_profiler_agent,         # Step 1: Extract constraints into user_preferences
        itinerary_synthesizer_agent,  # Step 2: Draft itinerary from user_preferences
    ],
)

ワークフローを root_agent（agent.py）に接続する

次に、master_travel_agent を root_agent のサブエージェントとして登録します。travel_planner/agent.py を開きます。

cloudshell edit ~/adk-agents/travel_planner/agent.py

travel_planner/agent.py の内容を次のコードに置き換えます。

from google.adk import Agent
from .workflows import master_travel_agent

MODEL = "gemini-3.8-flash"

root_agent = Agent(
    model=MODEL,
    name="root_agent",
    description="A helpful assistant for user questions.",
    instruction=(
        "Greet the user and delegate any travel or trip planning requests "
        "to master_travel_agent."
    ),
    sub_agents=[master_travel_agent],
)

🔍 実施したタスクを確認する

ターミナルから ADK ウェブ UI を起動します。

cd ~/adk-agents
adk web --allow_origins "*"

ポート 8000 でウェブ プレビューを開き、次のプロンプトを入力します。

Help me plan a trip to Kyoto

[Events] ビューに、次のような実行フローが表示されます。

1. root_agent -> calls transfer_to_agent(agent_name="master_travel_agent")
2. user_profiler_agent -> outputs JSON {"destination": "Kyoto", "duration": "1 day", ...} to state['user_preferences']
3. itinerary_synthesizer_agent -> reads {user_preferences} and outputs the formatted Markdown itinerary

イベントバッジ（または State: final_itinerary チップ）をクリックし、左側のインスペクタ パネルで [State] タブに切り替えて、user_preferences と final_itinerary の両方がセッション状態に入力されていることを確認します。

トレースの検査が完了したら、ターミナルで Ctrl + C を押して adk web を停止します。

7. ParallelAgent を使用して調査を実行する

この順次ワークフローでは、好みの抽出と旅程の作成が明確に分離されていますが、推奨事項は依然としてモデルの静的なトレーニング知識にのみ依存しています。組み込みの google_search ツールを利用する 2 つの専用リサーチャーを追加することで、ライブウェブデータに基づいて旅行プランをグラウンディングできます。

• activity_finder_agent: ユーザーの目的地と興味に一致する 3 つの特定の観光スポットと、推定チケット価格を検索します。
• restaurant_finder_agent: 評価の高い地元のレストラン 3 軒と、1 人あたりの推定費用を検索します。

観光スポットの調査とレストランの調査は互いに依存していないため、1 つずつ実行すると時間が無駄になります。代わりに、両方のリサーチャーを ParallelAgent（parallel_research_agent）でラップします。これにより、ADK は両方の Google 検索ワークフローを同時に実行し、itinerary_synthesizer_agent に引き渡す前に {activity_recommendations?} と {restaurant_recommendations?} にデータを入力します。

並行調査スペシャリストを specialists.py に追加する

travel_planner/specialists.py を開きます。

cloudshell edit ~/adk-agents/travel_planner/specialists.py

次の 2 つの Google 検索スペシャリストを travel_planner/specialists.py の末尾（itinerary_synthesizer_agent のすぐ下）に追加します。

# --- Specialist 3: The Activity Finder ---
activity_finder_agent = Agent(
    name="activity_finder_agent",
    description="Finds 3 attractions matching the user's destination and interests.",
    instruction="""
        Based on {user_preferences}, use google_search to find 3 specific attractions (including budget-friendly options).
        Return a JSON list with keys: "attraction_name", "estimated_cost_local", "estimated_cost_usd", "notes".
    """,
    tools=[google_search],
    output_key="activity_recommendations",
)

# --- Specialist 4: The Restaurant Finder ---
restaurant_finder_agent = Agent(
    name="restaurant_finder_agent",
    description="Finds 3 restaurants matching the destination and budget.",
    instruction="""
        Based on {user_preferences}, use google_search to find 3 highly-rated restaurants across price points.
        Return a JSON list with keys: "restaurant_name", "cuisine", "estimated_cost_local", "estimated_cost_usd".
    """,
    tools=[google_search],
    output_key="restaurant_recommendations",
)

ボーナス - ラボ 2 の get_fx_rate を再利用する（任意）: ADK を使用して AI エージェントを構築する: ツールによる強化では、https://hexarate.paikama.co/api/rates/latest からライブの為替レートを取得するプレーンな Python get_fx_rate(base: str, target: str) 関数を作成しました。google_search を 2 人の研究者スペシャリスト（activity_finder_agent と restaurant_finder_agent）に分離し、tools=[get_fx_rate] を itinerary_synthesizer_agent に直接アタッチすることで、各エージェントは 1 つのジョブに集中できます（この分割は、古い Gemini モデルでもポータブルなままです。一方、Gemini 3+ モデルでは、google_search などの組み込みツールとカスタム関数を 1 つのエージェントで混在させることもできます）。

ParallelAgent を workflows.py に挿入する

travel_planner/workflows.py を開きます。

cloudshell edit ~/adk-agents/travel_planner/workflows.py

travel_planner/workflows.py を更新して、ParallelAgent を使用して parallel_research_agent を定義し、user_profiler_agent と itinerary_synthesizer_agent の間に配置します。

from google.adk.agents import ParallelAgent, SequentialAgent
from .specialists import (
    activity_finder_agent,
    itinerary_synthesizer_agent,
    restaurant_finder_agent,
    user_profiler_agent,
)

# Parallel branch: Run activity and restaurant research simultaneously
parallel_research_agent = ParallelAgent(
    name="parallel_research_agent",
    description="Runs activity and restaurant research concurrently.",
    sub_agents=[
        activity_finder_agent,
        restaurant_finder_agent,
    ],
)

# Master pipeline: Profile -> Parallel Research -> Synthesize
master_travel_agent = SequentialAgent(
    name="master_travel_agent",
    description="Orchestrates the end-to-end travel planning process for trip and itinerary requests.",
    sub_agents=[
        user_profiler_agent,          # Step 1: Extract constraints
        parallel_research_agent,      # Step 2: Research activities & restaurants in parallel
        itinerary_synthesizer_agent,  # Step 3: Synthesize into an itinerary
    ],
)

🔍 実施したタスクを確認する

adk web を再度起動して、並列リサーチ パイプラインをテストします。

cd ~/adk-agents
adk web --allow_origins "*"

ウェブ プレビュー UI で、次のプロンプトを送信します。

Help me plan a trip to Kyoto focused on historic temples and ramen

[Events] ビューに、次のような出力が表示されます。

1. user_profiler_agent -> writes state['user_preferences']
2. parallel_research_agent -> fans out concurrently:
   - activity_finder_agent invokes google_search -> writes state['activity_recommendations']
   - restaurant_finder_agent invokes google_search -> writes state['restaurant_recommendations']
3. itinerary_synthesizer_agent -> merges all three state keys into state['final_itinerary']

ADK ウェブ UI での同時実行の検査: ADK ウェブ UI でこれらのビューを切り替えて、並列実行を確認します。

1. トレースビュー: 会話ペインの上部（[イベント] の横）にある [トレース] をクリックして、ターンを検査します。parallel_research_agent の下に activity_finder_agent と restaurant_finder_agent の重複するタイムライン スパンが表示され、ウェブ調査の合計レイテンシが、順次実行する場合と比較してほぼ半分に短縮されます。
2. [State] タブ: 左側のインスペクタ パネルで [State] タブをクリックすると、ライブ セッション ディクショナリ（user_preferences、activity_recommendations、restaurant_recommendations、final_itinerary）を検査できます。

テストが完了したら、ターミナルで Ctrl + C を押して adk web を停止します。

8. LoopAgent で下書きをブラッシュアップする

ライブ検索結果を使用しても、itinerary_synthesizer_agent が生成した最初のドラフトがユーザーの合計予算を超えたり、除外されたカテゴリ（ユーザーが除外を求めた現代アート ギャラリーなど）が誤って含まれたりすることがあります。

制約の遵守を保証するために、LoopAgent を使用して、パイプラインの最後にメーカーチェッカーの改良ループを追加します。

1. itinerary_critic_agent（チェッカー）: {user_preferences} と照らし合わせて {final_itinerary} を監査します。推定費用を合計し、すべての否定的な制約をチェックして、critique_feedback に具体的な修正指示を書き込むか、正確なフレーズ "APPROVED" で応答します。
2. itinerary_refiner_agent（メーカー / エグジター）: {critique_feedback} を読み取ります。critique が "APPROVED" と等しい場合、exit_loop ツール（tool_context.actions.escalate = True）を呼び出して、LoopAgent からすぐに抜け出します。それ以外の場合は、{final_itinerary} を修正してフラグが付けられた問題を修正し、次のパスのために final_itinerary を上書きします。

exit_loop、Critic、Refiner を specialists.py に追加する

travel_planner/specialists.py を開きます。

cloudshell edit ~/adk-agents/travel_planner/specialists.py

exit_loop ツール（ToolContext）、itinerary_critic_agent、itinerary_refiner_agent を travel_planner/specialists.py の末尾に追加します。

def exit_loop(tool_context: ToolContext) -> dict:
    """Call ONLY when the critique is APPROVED to exit the refinement loop."""
    print(f"[Tool Call] exit_loop triggered by {tool_context.agent_name}")
    tool_context.actions.escalate = True
    return {"status": "approved", "message": "Itinerary approved. Exiting refinement loop."}


# --- Specialist 5: The Budget & Constraint Critic (Inside LoopAgent) ---
itinerary_critic_agent = Agent(
    name="itinerary_critic_agent",
    include_contents="none",
    description="Audits the itinerary draft against budget and negative constraints.",
    instruction="""
        Audit Current Itinerary ({final_itinerary}) against User Preferences ({user_preferences}).
        Verify that the USD total stays within the user's budget and no excluded venue types appear.
        If all checks pass, respond EXACTLY with the single word "APPROVED".
        Otherwise, output 1-2 concise revision instructions explaining what to swap or adjust.
    """,
    output_key="critique_feedback",
)

# --- Specialist 6: The Itinerary Refiner / Exiter (Inside LoopAgent) ---
itinerary_refiner_agent = Agent(
    name="itinerary_refiner_agent",
    include_contents="none",
    description="Refines the itinerary from critique feedback, or calls exit_loop when APPROVED.",
    instruction="""
        Review Auditor Critique ({critique_feedback}) for Current Itinerary ({final_itinerary}).
        If the critique is EXACTLY "APPROVED", call `exit_loop` immediately and return the itinerary unchanged.
        Otherwise, revise the draft using {activity_recommendations} and {restaurant_recommendations}
        so all USD budget and exclusion rules pass, and output ONLY the updated Markdown itinerary.
    """,
    tools=[exit_loop],
    output_key="final_itinerary",
)

ADK の組み込み exit_loop ショートカット: exit_loop(tool_context: ToolContext) を自分で作成すると、ツール呼び出しをログに記録し、tool_context.actions.escalate = True が LoopAgent に停止を通知する方法を確認できます。本番環境プロジェクトでは、from google.adk.tools import exit_loop を介して ADK の組み込みヘルパーを直接インポートすることもできます。これにより、tool_context.actions.escalate = True と tool_context.actions.skip_summarization = True が設定されます。

LoopAgent を workflows.py に追加

travel_planner/workflows.py を開きます。

cloudshell edit ~/adk-agents/travel_planner/workflows.py

travel_planner/workflows.py を更新して、itinerary_critic_agent と itinerary_refiner_agent を LoopAgent（max_iterations=3）でラップし、master_travel_agent の 4 番目のステージとして追加します。

from google.adk.agents import LoopAgent, ParallelAgent, SequentialAgent
from .specialists import (
    activity_finder_agent,
    itinerary_critic_agent,
    itinerary_refiner_agent,
    itinerary_synthesizer_agent,
    restaurant_finder_agent,
    user_profiler_agent,
)

# Stage 2: Parallel research branch
parallel_research_agent = ParallelAgent(
    name="parallel_research_agent",
    description="Runs activity and restaurant research concurrently.",
    sub_agents=[
        activity_finder_agent,
        restaurant_finder_agent,
    ],
)

# Stage 4: Iterative Maker-Checker refinement loop
refinement_loop_agent = LoopAgent(
    name="refinement_loop_agent",
    description="Iteratively audits and refines the itinerary until constraints and budget are approved.",
    sub_agents=[
        itinerary_critic_agent,
        itinerary_refiner_agent,
    ],
    max_iterations=3,
)

# Master pipeline: Profile -> Parallel Research -> Synthesize -> Refinement Loop
master_travel_agent = SequentialAgent(
    name="master_travel_agent",
    description="Orchestrates the end-to-end travel planning process for trip and itinerary requests.",
    sub_agents=[
        user_profiler_agent,          # Stage 1: Extract constraints
        parallel_research_agent,      # Stage 2: Research activities & restaurants in parallel
        itinerary_synthesizer_agent,  # Stage 3: Draft initial itinerary
        refinement_loop_agent,        # Stage 4: Audit and refine until approved
    ],
)

🔍 実施したタスクを確認する

adk web を起動して、マルチエージェント ワークフロー全体をテストします。

cd ~/adk-agents
adk web --allow_origins "*"

ポート 8000 でウェブ プレビュー UI を開き、[新しいセッション] を開始して、次の京都の複数制約プロンプトでシステム全体をテストします。

Design a full-day itinerary for Kyoto with a total budget of $100. My main interests are historical landmarks, temples, and authentic local cuisine. Please do not include any modern art museums or galleries.

[Events] ビューとターミナルログに、次のような実行シーケンスが表示されます。

1. user_profiler_agent -> writes JSON with destination="Kyoto", budget="$100", exclusions=["modern art museums", "galleries"]
2. parallel_research_agent -> runs activity_finder_agent and restaurant_finder_agent in parallel
3. itinerary_synthesizer_agent -> produces initial draft in state['final_itinerary']
4. refinement_loop_agent:
   - itinerary_critic_agent -> audits USD budget and exclusions -> outputs "APPROVED" (or revision notes)
   - itinerary_refiner_agent -> triggers [Tool Call] exit_loop triggered by itinerary_refiner_agent and outputs the approved itinerary

ADK ウェブ UI でのループの反復処理とエスカレーションの検査:

1. イベントビュー: itinerary_critic_agent または itinerary_refiner_agent のイベントチップをクリックすると、左側の [情報] タブでペイロードを検査できます。itinerary_refiner_agent が exit_loop を呼び出すときに、イベントを調べて actions.escalate: true を確認します。これは、max_iterations=3 に到達する前に反復処理を停止するように LoopAgent に指示するシグナルです。
2. [State] タブ: [State] タブをクリックして、state['critique_feedback'] と state['final_itinerary'] がパス全体で更新される様子を確認します。最初のドラフトが $100 USD を超えた場合、critique_feedback には、final_itinerary が低コストの代替案で更新され、critique_feedback がパス 2 で "APPROVED" に変更される前に、パス 1 での監査者の修正指示が保持されます。

テストが完了したら、ターミナルで Ctrl + C を押して adk web を停止します。

9. クリーンアップ

シリーズの続編ですか？ 今後のラボでプロジェクトのテストを続ける場合は、Ctrl + C を使用して実行中の adk web プロセスを停止するだけで、以下の削除手順はスキップできます。

ローカル プロジェクト ファイルを削除する

Cloud Shell のホームフォルダから adk-agents プロジェクト ディレクトリと仮想環境を削除するには、次のコマンドを実行します。

cd ~
rm -rf ~/adk-agents

Agent Platform API を無効にする

プロジェクトで Agent Platform API を有効にする必要がなくなった場合は、gcloud を使用して無効にします。

gcloud services disable aiplatform.googleapis.com --quiet

Google Cloud プロジェクト全体を削除する（省略可）

⚠️ 破壊的なアクション: Google Cloud プロジェクトを削除するのは、この Codelab 専用のクラウド プロジェクトを作成した場合のみにしてください。プロジェクトを削除すると、プロジェクト内のすべてのリソースが完全に削除されます。この操作は元に戻せません。

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

🔍 実施したタスクを確認する

~/adk-agents が削除されたことを確認します。

test ! -d ~/adk-agents && echo "Workspace ~/adk-agents removed"

次のような出力が表示されます。

Workspace ~/adk-agents removed

10. 完了

おめでとうございます！Google Agent Development Kit（ADK）を使用して、6 つの専門エージェントのチームを順次、並列、反復ループのワークフローで調整する階層型マルチエージェント システムを構築しました。

達成した内容

• 共有セッション状態（output_key と {state_variable} テンプレート インジェクション）による構造化されたエージェント間通信
• SequentialAgent を使用して、決定論的なステップバイステップのパイプラインを構築しました。
• ParallelAgent を使用して、独立した Google 検索リサーチ エージェントを同時に実行
• LoopAgent と tool_context.actions.escalate = True を使用して、自動化されたメーカーチェッカー検証ループを実装しました。

次のステップ

• このシリーズのパート 4「ADK を使用して AI エージェントを構築する: グラフ ワークフローのオーケストレーション」に進み、ADK 2 の統合された Workflow、JoinNode、決定論的な Event(route=...) サイクルを使用して、この旅行プランナーを再構築します。
• 公式の ADK ワークフロー エージェントのドキュメントを読む
• ADK のマルチエージェント システムについて確認する
• GEAR（Gemini Enterprise Agent Ready）プログラムと Get Certified プログラムに参加して、ハンズオン ワークショップと学習プログラムを利用する