Agents d'observation créés à l'aide de l'ADK d' Google
Le kit de développement d'agents (ADK) d' Google est un cadre permettant de créer, d'orchestrer et de déployer des applications intelligentes basées sur des agents. Elle offre un moyen structuré et évolutif de définir les flux de travail des agents, d'intégrer des outils et des services externes, ainsi que de gérer le raisonnement et l'exécution des agents. ADK est conçu pour prendre en charge des agents IA prêts à l'emploi en fournissant des abstractions pour la coordination des tâches, l'appel d'outils et l'interaction avec des modèles linguistiques de grande envergure.
La surveillance des applications ADK d' Google s à l'aide d' Instana offre une observabilité complète de bout en bout des flux de travail pilotés par des agents. En instrumentant les applications ADK, vous pouvez suivre en détail les chemins d'exécution à travers la logique d'orchestration des agents, les invocations d'outils, les appels de services externes et l'infrastructure sous-jacente.
Prérequis
Vérifiez que les conditions pré-requises suivantes sont remplies:
Python 3.8 ou une version ultérieure est installée.
Une clé Google API permettant d'accéder aux modèles Gemini; voir Google AI Studio.
Instana est configuré pour votre application, consultez la section « Pour commencer ».
Instrumentation des applications ADK d' Google
Pour intégrer les fonctionnalités d'observabilité d' Instana s à votre application ADK d' Google, procédez comme suit :
Installez les paquets requis pour l'ADK d' Google :
pip install google-adk traceloop-sdkCréer un nouveau projet d'agent ADK pour l' Google :
adk create test_agentCela crée un projet présentant la structure suivante, où
agent.pycontient la logique de contrôle principale de l'agent :Figure 1. Structure des fichiers de l'agent 
Définissez la clé « GoogleAPI » dans le
.envfichier :GOOGLE_API_KEY=<your-google-api-key>Pour créer ou gérer vos clés d' API, rendez-vous sur Google AI Studio.
Mettez à jour le
agent.pyfichier avec le code suivant pour créer une application multi-agents intégrant l'instrumentation d' OpenLLMetry :from google.adk.agents.llm_agent import Agent from traceloop.sdk import Traceloop # Initialize OpenLLMetry with app name Traceloop.init(app_name="multi_agent_adk_app") # Tool implementations def get_current_time(city: str) -> dict: """Returns the current time for a given city.""" return {"city": city, "time": "10:30 AM"} def get_weather(city: str) -> dict: """Returns the current weather for a given city.""" return {"city": city, "weather": "Sunny", "temperature": "30°C"} # Time Agent time_agent = Agent( name="time_agent", model="gemini-2.0-flash-exp", description="Provides the current time for a city.", instruction=( "You provide the current time for a given city. " "Use the get_current_time tool to fetch the information." ), tools=[get_current_time], ) # Weather Agent weather_agent = Agent( name="weather_agent", model="gemini-2.0-flash-exp", description="Provides the current weather for a city.", instruction=( "You provide the current weather details for a given city. " "Use the get_weather tool to fetch the information." ), tools=[get_weather], ) # Root Agent orchestrating other agents root_agent = Agent( name="root_agent", model="gemini-2.0-flash-exp", description="Orchestrates multiple agents to answer user queries.", instruction=( "You are a coordinating agent. Based on the user request, " "delegate tasks to the appropriate agent (time_agent or weather_agent) " "and combine the responses into a single answer." ), sub_agents=[time_agent, weather_agent], )Cet exemple crée trois agents :
time_agent : Indique l'heure actuelle dans différentes villes
weather_agent : Fournit des informations météorologiques pour différentes villes
root_agent : coordonne les autres agents pour traiter les demandes des utilisateurs
Lancez l'agent ADK d' Google :
adk run test_agentL'agent démarrera et attendra une commande de l'utilisateur. Vous pouvez interagir avec lui en posant des questions telles que « Quel temps fait-il à New York? » ou « Quelle heure est-il à Londres? »
Consultez les données sur Instana.
Une fois votre application lancée et après avoir interagi avec les agents, les données s'afficheront dans le tableau de bord d'observabilité Gen AI d' Instana :
Figure 2. Réponse à la demande de l'utilisateur 
Figure 3 Traces dans l' Instana 
Le tableau de bord affiche :
Flux d'orchestration des agents
Appels de fonctions (get_current_time, get_weather)
Interactions entre les modèles LLM et les modèles Gemini
Temps de réponse et utilisation des jetons
Traitement des incidents
Pour les problèmes courants, tels que l'absence d'affichage des traces ou les erreurs de connexion, consultez la section Dépannage.
Google API erreurs de saisie
Problème : erreurs d'authentification lors de l'exécution de l'agent.
Pour résoudre ce problème, procédez comme suit :
Vérifiez que votre clé Google API est correctement définie dans le
.envfichierAssurez-vous que la clé « API » dispose d'un accès aux modèles Gemini
Vérifiez que le
.envfichier se trouve dans le répertoire racine du projet
Etapes suivantes
Découvrez les autres frameworks d'agents IA pris en charge par Instana
Découvrez comment calculer le coût de votre utilisation de LLM
Configurez des alertes pour vos workflows ADK d' Google