jpskill.com
💬 コミュニケーション コミュニティ

ck:google-adk-python

GoogleのADK Pythonを活用し、AIエージェントを構築して、複数エージェント間の連携やワークフロー管理、状態・記憶の保持、Vertex AIへのデプロイなどを実現するSkill。

📜 元の英語説明(参考)

Build AI agents with Google ADK Python. Multi-agent systems, A2A protocol, MCP tools, workflow agents, state/memory, callbacks/plugins, Vertex AI deployment, evaluation.

🇯🇵 日本人クリエイター向け解説

一言でいうと

GoogleのADK Pythonを活用し、AIエージェントを構築して、複数エージェント間の連携やワークフロー管理、状態・記憶の保持、Vertex AIへのデプロイなどを実現するSkill。

※ jpskill.com 編集部が日本のビジネス現場向けに補足した解説です。Skill本体の挙動とは独立した参考情報です。

⚡ おすすめ: コマンド1行でインストール(60秒)

下記のコマンドをコピーしてターミナル(Mac/Linux)または PowerShell(Windows)に貼り付けてください。 ダウンロード → 解凍 → 配置まで全自動。

🍎 Mac / 🐧 Linux 
mkdir -p ~/.claude/skills && cd ~/.claude/skills && curl -L -o ck-google-adk-python.zip https://jpskill.com/download/23647.zip && unzip -o ck-google-adk-python.zip && rm ck-google-adk-python.zip
🪟 Windows (PowerShell) 
$d = "$env:USERPROFILE\.claude\skills"; ni -Force -ItemType Directory $d | Out-Null; iwr https://jpskill.com/download/23647.zip -OutFile "$d\ck-google-adk-python.zip"; Expand-Archive "$d\ck-google-adk-python.zip" -DestinationPath $d -Force; ri "$d\ck-google-adk-python.zip"

完了後、Claude Code を再起動 → 普通に「動画プロンプト作って」のように話しかけるだけで自動発動します。

💾 手動でダウンロードしたい(コマンドが難しい人向け)
  1. 1. 下の青いボタンを押して ck-google-adk-python.zip をダウンロード
  2. 2. ZIPファイルをダブルクリックで解凍 → ck-google-adk-python フォルダができる
  3. 3. そのフォルダを C:\Users\あなたの名前\.claude\skills\(Win)または ~/.claude/skills/(Mac)へ移動
  4. 4. Claude Code を再起動
⬇ .zip でダウンロード(推奨) ⬇ .skill 形式(上級者用) 元のソース ↗

⚠️ ダウンロード・利用は自己責任でお願いします。当サイトは内容・動作・安全性について責任を負いません。

🎯 このSkillでできること

下記の説明文を読むと、このSkillがあなたに何をしてくれるかが分かります。Claudeにこの分野の依頼をすると、自動で発動します。

📦 インストール方法 (3ステップ)

  1. 1. 上の「ダウンロード」ボタンを押して .skill ファイルを取得
  2. 2. ファイル名の拡張子を .skill から .zip に変えて展開(macは自動展開可)
  3. 3. 展開してできたフォルダを、ホームフォルダの .claude/skills/ に置く
    • · macOS / Linux: ~/.claude/skills/
    • · Windows: %USERPROFILE%\.claude\skills\

Claude Code を再起動すれば完了。「このSkillを使って…」と話しかけなくても、関連する依頼で自動的に呼び出されます。

詳しい使い方ガイドを見る →
最終更新
2026-05-18
取得日時
2026-05-18
同梱ファイル
1

📖 Skill本文(日本語訳)

※ 原文(英語/中国語)を Gemini で日本語化したものです。Claude 自身は原文を読みます。誤訳がある場合は原文をご確認ください。

Google ADK Python Skill

GoogleのAgent Development Kit (ADK) Pythonに関する専門家ガイドです。ADK Pythonは、AIエージェントの構築、評価、デプロイのためのオープンソースかつコードファーストなツールキットです。Geminiに最適化されており、設計上はモデルに依存しません。

アクティベートするタイミング

  • ツール統合を備えたシングルまたはマルチエージェントシステムを構築する場合
  • リモートエージェント通信のためにA2Aプロトコルを実装する場合
  • MCPサーバーをエージェントツールとして統合する場合
  • パイプラインのためにワークフローエージェント（シーケンシャル、パラレル、ループ）を使用する場合
  • セッション、状態、メモリ、およびアーティファクトを管理する場合
  • コールバック、プラグイン、または可観測性フックを追加する場合
  • Cloud Run、Vertex AI Agent Engine、またはGKEにデプロイする場合
  • adk evalフレームワークでエージェントを評価する場合

エージェント構造の慣例（必須）

my_agent/
├── __init__.py   # 必須: from . import agent
└── agent.py      # 必須: root_agent = Agent(...) または app = App(...)

クイックスタート

pip install google-adk          # 安定版 (週次リリース)
uv sync --all-extras            # 開発セットアップ (uv が必要、Python 3.10+、3.11+ を推奨)
from google.adk import Agent

root_agent = Agent(
    name="assistant",
    model="gemini-2.5-flash",
    instruction="You are a helpful assistant.",
    description="General assistant agent.",
    tools=[get_weather],
)

Appパターン（本番環境）

from google.adk import Agent
from google.adk.apps import App
from google.adk.apps.app import EventsCompactionConfig
from google.adk.plugins.save_files_as_artifacts_plugin import SaveFilesAsArtifactsPlugin

app = App(
    name="my_app",
    root_agent=Agent(name="my_agent", model="gemini-2.5-flash", ...),
    plugins=[SaveFilesAsArtifactsPlugin()],
    events_compaction_config=EventsCompactionConfig(compaction_interval=2),
)

プラグイン、イベント圧縮、またはカスタムライフサイクル管理が必要な場合はAppを使用してください。

CLIツール

コマンド 目的
adk web <agents_dir> 開発UI (開発に推奨)
adk run <agent_dir> 対話型CLIテスト
adk api_server <agents_dir> FastAPI本番サーバー
adk eval <agent> <evalset.json> 評価スイートを実行

エージェントの種類

タイプ ユースケース
Agent / LlmAgent 動的ルーティング、ツール使用、推論
SequentialAgent 固定順序パイプライン
ParallelAgent 並行実行
LoopAgent 反復処理
RemoteA2aAgent A2Aプロトコルを介したリモートエージェント

主要API

機能 API
状態 tool_context.state[key] = value
アーティファクト tool_context.save_artifact(name, part)
コールバック before_agent_callback、after_model_callbackなど
MCPツール MCPToolset(connection_params=StdioConnectionParams(...))
サブエージェント Agent(..., sub_agents=[agent1, agent2])
ヒューマン・イン・ザ・ループ LongRunningFunctionTool(func=my_func)
プラグイン App(..., plugins=[MyPlugin()])

モデルサポート

最新版: gemini-2.5-flash (デフォルト)、gemini-2.5-pro、gemini-2.0-flash (2026年3月にサポート終了) プレビュー版: gemini-3-flash-preview、gemini-3-pro-preview その他: Anthropic Claude、Ollama、LiteLLM、vLLM、Model Garden

ベストプラクティス

  1. コードファースト — バージョン管理とテストのためにPythonでエージェントを定義します。
  2. エージェントの慣例 — agent.pyでは常にroot_agentまたはapp変数を使用します。
  3. モジュラーエージェント — ドメインごとに特化させ、sub_agentsを介して構成します。
  4. ワークフローの選択 — 予測可能な場合はワークフローエージェント、動的な場合はLlmAgentを使用します。
  5. 状態 — 一時的な状態にはToolContext.state、長期的な状態にはMemoryServiceを使用します。
  6. 安全性 — ガードレールにはコールバック、機密性の高い操作にはツール確認を使用します。
  7. 評価 — デプロイ前にadk evalとevalset JSONでテストします。

リファレンス

詳細ガイド（必要に応じて読み込み）：

  • references/agent-types-and-architecture.md — エージェントの種類、ワークフロー、カスタムエージェント
  • references/tools-and-mcp-integration.md — カスタムツール、MCP、ツールフィルタリング
  • references/multi-agent-and-a2a-protocol.md — サブエージェント、A2A、コーディネーターパターン
  • references/sessions-state-memory-artifacts.md — 状態、アーティファクト、セッション、メモリ
  • references/callbacks-plugins-observability.md — ライフサイクルフック、プラグイン、トレース
  • references/evaluation-testing-cli.md — adk eval、CLI、evalset形式
  • references/deployment-cloud-run-vertex-gke.md — Cloud Run、Vertex AI、GKE

外部リソース

📜 原文 SKILL.md(Claudeが読む英語/中国語)を展開

Google ADK Python Skill

Expert guide for Google's Agent Development Kit (ADK) Python — open-source, code-first toolkit for building, evaluating, and deploying AI agents. Optimized for Gemini, model-agnostic by design.

When to Activate

  • Build single or multi-agent systems with tool integration
  • Implement A2A protocol for remote agent communication
  • Integrate MCP servers as agent tools
  • Use workflow agents (sequential, parallel, loop) for pipelines
  • Manage sessions, state, memory, and artifacts
  • Add callbacks, plugins, or observability hooks
  • Deploy to Cloud Run, Vertex AI Agent Engine, or GKE
  • Evaluate agents with adk eval framework

Agent Structure Convention (Required)

my_agent/
├── __init__.py   # MUST: from . import agent
└── agent.py      # MUST: root_agent = Agent(...) OR app = App(...)

Quick Start

pip install google-adk          # stable (weekly releases)
uv sync --all-extras            # dev setup (uv required, Python 3.10+, 3.11+ recommended)
from google.adk import Agent

root_agent = Agent(
    name="assistant",
    model="gemini-2.5-flash",
    instruction="You are a helpful assistant.",
    description="General assistant agent.",
    tools=[get_weather],
)

App Pattern (Production)

from google.adk import Agent
from google.adk.apps import App
from google.adk.apps.app import EventsCompactionConfig
from google.adk.plugins.save_files_as_artifacts_plugin import SaveFilesAsArtifactsPlugin

app = App(
    name="my_app",
    root_agent=Agent(name="my_agent", model="gemini-2.5-flash", ...),
    plugins=[SaveFilesAsArtifactsPlugin()],
    events_compaction_config=EventsCompactionConfig(compaction_interval=2),
)

Use App when needing plugins, event compaction, or custom lifecycle management.

CLI Tools

Command Purpose
adk web <agents_dir> Dev UI (recommended for development)
adk run <agent_dir> Interactive CLI testing
adk api_server <agents_dir> FastAPI production server
adk eval <agent> <evalset.json> Run evaluation suite

Agent Types

Type Use Case
Agent / LlmAgent Dynamic routing, tool use, reasoning
SequentialAgent Fixed-order pipeline
ParallelAgent Concurrent execution
LoopAgent Iterative processing
RemoteA2aAgent Remote agent via A2A protocol

Key APIs

Feature API
State tool_context.state[key] = value
Artifacts tool_context.save_artifact(name, part)
Callbacks before_agent_callback, after_model_callback, etc.
MCP Tools MCPToolset(connection_params=StdioConnectionParams(...))
Sub-agents Agent(..., sub_agents=[agent1, agent2])
Human-in-loop LongRunningFunctionTool(func=my_func)
Plugins App(..., plugins=[MyPlugin()])

Model Support

Latest: gemini-2.5-flash (default), gemini-2.5-pro, gemini-2.0-flash (sunsets Mar 2026) Preview: gemini-3-flash-preview, gemini-3-pro-preview Also: Anthropic Claude, Ollama, LiteLLM, vLLM, Model Garden

Best Practices

  1. Code-first — define agents in Python for version control and testing
  2. Agent convention — always use root_agent or app variable in agent.py
  3. Modular agents — specialize per domain, compose via sub_agents
  4. Workflow selection — workflow agents for predictable, LlmAgent for dynamic
  5. State — ToolContext.state for ephemeral, MemoryService for long-term
  6. Safety — callbacks for guardrails, tool confirmation for sensitive ops
  7. Evaluate — test with adk eval + evalset JSON before deployment

References

Detailed guides (load as needed):

  • references/agent-types-and-architecture.md — Agent types, workflows, custom agents
  • references/tools-and-mcp-integration.md — Custom tools, MCP, tool filtering
  • references/multi-agent-and-a2a-protocol.md — Sub-agents, A2A, coordinator patterns
  • references/sessions-state-memory-artifacts.md — State, artifacts, sessions, memory
  • references/callbacks-plugins-observability.md — Lifecycle hooks, plugins, tracing
  • references/evaluation-testing-cli.md — adk eval, CLI, evalset format
  • references/deployment-cloud-run-vertex-gke.md — Cloud Run, Vertex AI, GKE

External Resources