Primeiras aulas do curso
Olá! Boas-vindas a este curso de Google ADK (Kit de Desenvolvimento de Acessórios). Meu nome é Pedro Henrique, e serei seu instrutor ao longo das aulas.
Audiodescrição: Sou um homem de 22 anos, pele morena, cabelo e barba pretos, visto uma blusa de moletom da Riders; meu quarto tem luzes de fundo lilás e azul. Estou gravando as aulas diretamente do meu quarto em Petrolina, no interior de Pernambuco, cidade que faz divisa com Juazeiro, na Bahia, muito conhecida pelo agronegócio e pelo rio São Francisco.
Sou engenheiro de Machine Learning (Aprendizado de Máquina) em uma empresa de consultoria que é a parceira número 1 do Google na América Latina. Já atuo como engenheiro há alguns anos; neste ano, estou finalizando minha graduação em Ciência da Computação.
Nosso objetivo aqui é ensinar toda a base do Google ADK, começando por entender a estrutura, a anatomia e como utilizar um agente ADK, até a criação de sistemas multiagente. Vamos desenvolver um projeto prático no qual partimos de um agente simples e o transformamos em um sistema multiagente. Também analisaremos projetos do Google e entenderemos como realizam a criação de seus agentes.
O interessante do Google ADK é que não se trata de uma ferramenta que o Google simplesmente criou e lançou; pelo contrário, é uma ferramenta de código aberto que obteve grande adoção. Além disso, é uma ferramenta agnóstica em relação ao modelo, de modo que podemos utilizar tanto modelos do Google quanto de outras empresas, como Grok, GPT, Claude e outras.
O ADK também é muito interessante porque foi criado pelo Google para ambientes de produção; é o mesmo framework (estrutura de desenvolvimento) que o Google utiliza para criar seus agentes dentro da Google Cloud Platform, o que demonstra o poder dessa ferramenta.
Esperamos que você goste; será muito bom e aprenderemos muitas novidades. Vamos? [♪]
Vamos tratar do Google ADK. O que é o Google ADK? O Google ADK é o framework (estrutura) do Google para construir agentes de IA. Não é um chatbot pronto; é uma estrutura que orquestra raciocínio e ação. O significado de ADK é Agent Development Kit (Kit de Desenvolvimento de Agentes).
Quando falamos de um agente de IA, diferentemente de uma chamada comum à API de um modelo LLM (como Gemini, GPT, Claude, Grok e outros), ao chamar a API desses modelos enviamos uma mensagem em linguagem natural e recebemos outra mensagem em linguagem natural. O que diferencia um agente de IA de apenas chamar a API de um LLM é, principalmente, a capacidade de raciocinar a partir de uma entrada e, sobretudo, executar uma ação. Essa ação está ligada a ferramentas. Então, Pedro, que tipos de ferramentas podemos utilizar? Por exemplo, uma ferramenta para enviar e-mails, uma ferramenta que consulte uma base de dados, e assim por diante.
Essa ação vem, em um ciclo de funcionamento, acompanhada de uma observação, isto é, a verificação de se a saída da ação faz sentido para toda a aplicação e para o objetivo que motivou a entrada da pessoa usuária. Assim, temos um ciclo de raciocínio, ação e observação — raciocínio, ação, observação — no qual podemos pensar, agir, observar e raciocinar novamente sobre o resultado. Isso é muito mais poderoso do que apenas chamar um LLM, enviar uma mensagem e receber uma mensagem.
Por que o Google criou o ADK? O Google criou o ADK com o objetivo de padronizar a criação de agentes de IA. O Google tinha dificuldade para criar agentes confiáveis e em escala. O ADK surgiu internamente dentro do Google e, depois, foi exposto à comunidade como uma ferramenta de código aberto, agnóstica em relação a modelos de IA. Portanto, podemos utilizar diversos modelos aqui — GPT, Gemini, Claude, Grok, DeepSeek — com o Google ADK, pois ele é agnóstico a modelos.
Além disso, o ADK pode ser implantado, basicamente, em qualquer plataforma em nuvem, em qualquer sistema, entre outras possibilidades.
As três características extremamente interessantes do Google ADK são a maneira como organiza e define agentes, ferramentas e fluxos, que compõem a estrutura de organização.
Em relação às ferramentas de desenvolvimento, o Google ADK tem um playground (ambiente de testes) local, que é muito interessante. Trata-se basicamente de uma UI (interface) para pessoas desenvolvedoras, onde podemos conversar, depurar e observar como o agente funciona internamente. Ele também possui um runtime (ambiente de execução), que é o motor que executa o agente. Na versão 2.0, que é a que vamos usar neste curso, esse runtime (ambiente de execução) se tornou um grafo. Isso nos oferece mais flexibilidade e mais capacidades para usar a ferramenta. Como dissemos, no ADK 2.0 ele se tornou um grafo. O que isso significa? Significa que cada agente, cada ferramenta, cada função é um nó de execução. Precisamos guardar essa informação, pois será muito importante e veremos isso acontecer à medida que avançarmos.
Nesta imagem que temos abaixo, que mostra a ideia do funcionamento de um agente, vemos um cliente, que é a entrada do sistema — a chamada ao nosso agente. Em seguida, temos o primeiro nó do grafo de execução, que é o assistente. O assistente, que é nosso agente, tem a capacidade de chamar duas funções: buscar produto e gerar try-on — que, neste caso, corresponde a gerar um provador virtual. Portanto, o agente é um nó; há outros dois nós de execução, que são a ferramenta buscar produto e a ferramenta gerar try-on; e, por fim, a resposta, que é a nossa saída.
Aqui podemos ver aquele fluxo mencionado no slide anterior: o fluxo de raciocínio (o agente entendendo), a ação (chamar funções específicas, chamar ferramentas específicas — neste caso, buscar produto e gerar try-on) e a resposta, que é a observação junto com o raciocínio. Ou seja, o cliente envia a mensagem, o assistente entende, chama uma função e, a partir da saída dessa função, faz a observação, avalia se precisa chamar a função novamente, raciocina sobre isso e, assim, temos o fluxo de funcionamento de um agente.
Isso é muito interessante, e é o que veremos à medida que avançarmos nas aulas.
Esta é a documentação oficial do Google ADK. Podemos acessá-la pesquisando por adk.dev no Google. Ao entrar, encontraremos a documentação do ADK e diversos conteúdos relevantes, incluindo integração, referências, comunidade, entre outros.
O Google ADK pode ser utilizado com cinco linguagens de programação: Python, TypeScript, Go, Java e Kotlin. Neste curso, nós utilizaremos Python.
Para usar Python com o Google ADK, precisamos da versão mínima 3.10. Ou seja, com Python 3.10 ou superior já podemos utilizar o Google ADK.
Para instalar o Google ADK, precisamos de um gerenciador de pacotes. Na documentação oficial, é utilizado o pip. Nós utilizaremos o uv, pois é mais completo, consideravelmente mais rápido e é o gerenciador que usamos no dia a dia de desenvolvimento. Recomendamos adotá-lo também, porque é muito mais rápido e mais completo do que o pip.
A documentação do ADK, fornecida pela Google, apresenta um recurso muito interessante: o Agency Ally. O Agency Ally é um pacote de habilidades, ou seja, um pacote de skills (habilidades), para criar, avaliar e implementar agentes de IA no Google Cloud. Os agentes são criados com o ADK, e o Agency Ally se encarrega de toda a parte relacionada à estruturação, avaliação, implementação e observabilidade.
Aumentamos o zoom para facilitar a visualização.
Para usar o Agency Ally, podemos trabalhar com um agente de codificação — por exemplo, um antigraft, o Cloud Code, o Codex e assim por diante — ou, sem um agente de codificação, executar os comandos diretamente no terminal.
O Agency Ally inclui sete habilidades que nos proporcionarão uma atuação aprofundada em todo o ciclo de vida do ADK.
Essas habilidades estão documentadas na própria documentação do Agency Ally. Recomendamos analisá-las e compreendê-las. Elas abrangem:
Em resumo, cobrindo todo o ciclo de vida do ADK, essas habilidades nos auxiliarão no desenvolvimento.
Faremos a instalação disso na próxima aula. Porém, um ponto importante é que, no dia a dia, normalmente usamos um agente de codificação. Por quê? Porque isso facilita muito nosso trabalho, acelera a construção de agentes, garante que não implantemos agentes com erros e problemas, e ainda permite desenvolver agentes de uma forma melhor. Por isso, utilizamos um agente de codificação.
Como estamos falando de uma infraestrutura completa da Google — o Google ADK é da Google e o Agency Ally é da Google —, nós usaremos o Antigravity CLI. Por quê? No nosso aprendizado do Google ADK, estudando a própria documentação da Google e, principalmente, nas formações da Google, a recomendação é usar o Antigravity junto com o Agency Ally para construir agentes. Isso facilita muito a criação de agentes e acelera bastante o processo. Portanto, usaremos o Antigravity CLI.
Se pesquisarmos por antigravity.google no Google, chegaremos à página de documentação do Antigravity. Nessa página, basicamente, há alguns produtos que a Google oferece: Antigravity 2.0, Antigravity CLI, IDE (Ambiente de Desenvolvimento Integrado) e SDK (Kit de Desenvolvimento de Software). Usaremos a CLI (Interface de Linha de Comando).
Na próxima aula, ensinaremos como instalar o Antigravity, como instalar o Agency Ally e também instalaremos com vocês o uv. Instalaremos tudo. Mencionamos isso porque é bastante importante. Atualmente, ao desenvolver aplicações de agentes, ou qualquer aplicação, usar inteligência artificial facilita, acelera e garante padronização e uma melhor entrega de aplicações.
Usaremos o Antigravity como gerador de código, o Agency Ally com habilidades para nos ajudar a seguir o padrão de desenvolvimento do Google ADK, o uv para a gestão de pacotes e nosso IDE de desenvolvimento será o VS Code. Nós usaremos o VS Code.
Um ponto importante: estamos usando o WSL2 como nosso ambiente para usar o VS Code e instalar tudo. Fique à vontade para usar o que preferir; as documentações mostram como instalar no seu próprio sistema operacional. Usaremos o WSL2 dentro do Windows.
Na próxima aula, faremos a instalação de tudo isso.
O curso Google ADK: orquestrando agentes de IA com Python possui 160 minutos de vídeos, em um total de 52 atividades. Gostou? Conheça nossos outros cursos de Engenharia de LLMs & Agentes em Inteligência Artificial, ou leia nossos artigos de Inteligência Artificial.
Matricule-se e comece a estudar com a gente hoje! Conheça outros tópicos abordados durante o curso:
Todos os cursos, trilhas e certificados para evoluir.
7 dias para cancelar com reembolso
Aprenda mais rápido com IA, idiomas e imersões.
7 dias para cancelar com reembolso
TUDO DO PLUS, MAIS:
Aceleração de carreira: mentoria, vagas e prática guiada.
7 dias para cancelar com reembolso
TUDO DO PRO, MAIS:
