正文 #
让我们先创建一个存放 AI Agent 的文件夹 Gemini3 pro，并在 Windows 的终端 PowerShell 中打开。
使用 uv （一个 python 包的管理器）来初始化项目文件夹。
uv init
然后添加项目需要的两个库，即 Google 的 ADK 和 JDI。
uv add google-adk
uv add google-genai
接下来需要添加 Goole AI Studio 的 API 密钥。
以下是正确的代码。
$Env:GOOGLE_API_KEY = "YOUR_API_KEY"
搞定后，我们还要激活 Python 环境，以创建 ADK 代理的脚手架。
为了适配我们的 Windows 环境，我们需要用新的代码。
. .\.venv\Scripts\Activate.ps1
但是运行以后报错，显示 在此系统上禁止运行脚本，此时可以临时允许当前会话运行本地脚本，这需要使用以下命令。
Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope Process
接下来继续运行 . .\.venv\Scripts\Activate.ps1 即可。
随后创建 AI 代理并为其命名。
adk create my_agent
终端会让我们为代理选择模型，由于我们要使用的是 Gemini 3 pro，因此需要选择2。
Choose a model for the root agent:
1. gemini-2.5-flash
2. Other models (fill later)
Choose model (1, 2): 2
Please see below guide to configure other models:
https://google.github.io/adk-docs/agents/models
Agent created in D:\Project\AI Agent\Gemini3 pro\my_agent:
- .env
- __init__.py
- agent.py
现在，我们可以到 Visual Studio Code 中修改相关文件的代码——打开 Gemini3 pro > my-agent 中的 agent.py 文件，可以看到文件中存在以下代码。
from google.adk.agents.llm_agent import Agent
root_agent = Agent(
model='<FILL_IN_MODEL>',
name='root_agent',
description='A helpful assistant for user questions.',
instruction='Answer user questions to the best of your knowledge',
)
将这些模板代码全部删除，我们需要用到另一些代码代替它们。这部分代码可以在 Agent Development Kit 中的 Google Search 中找到，不过 GitHub 上已经提供了源代码，复制粘贴即可。
from google.adk.agents import Agent
from google.adk.runners import Runner
from google.adk.sessions import InMemorySessionService
from google.adk.tools import google_search
from google.genai import types
import asyncio
# CONFIGURATION
APP_NAME = "simple_search_agent"
USER_ID = "user_default"
SESSION_ID = "session_01"
# AGENT DEFINITION
root_agent = Agent(
name="search_agent",
model="gemini-3-pro-preview",
description="A helpful assistant that can search Google.",
instruction="""
You are a helpful assistant with access to Google Search.
If the user asks a question that requires current information or facts, use the 'google_search' tool.
Always cite your sources implicitly by providing the answer clearly based on the search results.
""",
# This is the only tool enabled
tools=[google_search]
)
# Session and Runner
async def setup_session_and_runner():
session_service = InMemorySessionService()
session = await session_service.create_session(app_name=APP_NAME, user_id=USER_ID, session_id=SESSION_ID)
runner = Runner(agent=root_agent, app_name=APP_NAME, session_service=session_service)
return session, runner
# Agent Interaction
async def call_agent_async(query):
content = types.Content(role='user', parts=[types.Part(text=query)])
session, runner = await setup_session_and_runner()
events = runner.run_async(user_id=USER_ID, session_id=SESSION_ID, new_message=content)
async for event in events:
if event.is_final_response():
final_response = event.content.parts[0].text
print("Agent Response: ", final_response)
if __name__ == "__main__":
asyncio.run(call_agent_async("what's the latest ai news?"))
当然，我们可以在这里对修改的代码进行一些解释。
-
首先，我们要使用的是 gemini 3 pro 而不是 gemini 2.0 flash，因此先用
gemini-3-pro-preview代替gemini-2.0-flash。 -
其次，可以改变指令集（instruction set），即
instruction="I can answer your questions by searching the internet. Just ask me anything!"这部分，改成如下所示，以让 AI agent 通过提供基于搜索结果的清晰答案来明确其引用来源。instruction=""" You are a helpful assistant with access to Google Search. If the user asks a question that requires current information or facts, use the 'google_search' tool. Always cite your sources implicitly by providing the answer clearly based on the search results. """ -
第三步是在最后一行代码处进行修改，改成如下所示。
if __name__ == "__main__": asyncio.run(call_agent_async("what's the latest ai news?")) -
最后，我们还需要在第 19 行代码下方导入
asyncio，并且保存文件。import asyncio
好了，这就是我们用 Gemini 3 pro 构建的基础代理，它拥有访问谷歌搜索的权限。
现在回到终端（PowerShell），然后将 AI Agent 部署到 ADK Web，将代码运行后反馈的网址输入到浏览器中查看
adk web