ADK 智能体的 Agent Platform 托管模型¶
为了实现企业级的可扩展性、可靠性以及与 Google Cloud MLOps 生态系统的集成， 你可以使用部署到 Agent Platform 端点的模型。 这包括来自 Model Garden 的模型或你自己的微调模型。
集成方式： 将完整的 Agent Platform 端点资源字符串
（projects/PROJECT_ID/locations/LOCATION/endpoints/ENDPOINT_ID）直接传递给
LlmAgent 的 model 参数。
Agent Platform 设置¶
有关将 ADK 智能体连接到 Google Cloud 托管模型和服务的更多详情， 包括 Gemini Enterprise Agent Platform，请参阅 连接到 Google Cloud 和 Agent Platform 指南。
Model Garden 部署¶
你可以从 Model Garden 部署各种开源和专有模型到端点。
示例：
from google.adk.agents import LlmAgent
from google.genai import types # 用于配置对象
# --- 使用从 Model Garden 部署的 Llama 3 模型的示例智能体 ---
# 替换为你的实际 Agent Platform 端点资源名称
llama3_endpoint = "projects/YOUR_PROJECT_ID/locations/us-central1/endpoints/YOUR_LLAMA3_ENDPOINT_ID"
agent_llama3_vertex = LlmAgent(
model=llama3_endpoint,
name="llama3_vertex_agent",
instruction="You are a helpful assistant based on Llama 3, hosted on Agent Platform.",
generate_content_config=types.GenerateContentConfig(max_output_tokens=2048),
# ... 其他智能体参数
)
import com.google.adk.agents.LlmAgent;
import com.google.adk.models.Gemini;
import com.google.genai.types.GenerateContentConfig;
// ...
// 替换为你的实际 Agent Platform 端点资源名称
String llama3Endpoint = "projects/YOUR_PROJECT_ID/locations/us-central1/endpoints/YOUR_LLAMA3_ENDPOINT_ID";
LlmAgent agentLlama3Vertex = LlmAgent.builder()
.model(Gemini.builder()
.modelName(llama3Endpoint)
.build())
.name("llama3_vertex_agent")
.instruction("You are a helpful assistant based on Llama 3, hosted on Agent Platform.")
.generateContentConfig(GenerateContentConfig.builder()
.maxOutputTokens(2048)
.build())
// ... 其他智能体参数
.build();
微调模型端点¶
部署你的微调模型（无论是基于 Gemini 还是 Agent Platform 支持的其他架构） 会生成一个可以直接使用的端点。
示例：
from google.adk.agents import LlmAgent
# --- 使用微调 Gemini 模型端点的示例智能体 ---
# 替换为你的微调模型端点资源名称
finetuned_gemini_endpoint = "projects/YOUR_PROJECT_ID/locations/us-central1/endpoints/YOUR_FINETUNED_ENDPOINT_ID"
agent_finetuned_gemini = LlmAgent(
model=finetuned_gemini_endpoint,
name="finetuned_gemini_agent",
instruction="You are a specialized assistant trained on specific data.",
# ... 其他智能体参数
)
import com.google.adk.agents.LlmAgent;
import com.google.adk.models.Gemini;
// ...
// 替换为你的微调模型端点资源名称
String finetunedGeminiEndpoint = "projects/YOUR_PROJECT_ID/locations/us-central1/endpoints/YOUR_FINETUNED_ENDPOINT_ID";
LlmAgent agentFinetunedGemini = LlmAgent.builder()
.model(Gemini.builder()
.modelName(finetunedGeminiEndpoint)
.build())
.name("finetuned_gemini_agent")
.instruction("You are a specialized assistant trained on specific data.")
// ... 其他智能体参数
.build();
Agent Platform 上的 Anthropic Claude¶
一些提供商（如 Anthropic）直接通过 Agent Platform 提供其模型。
示例：
集成方式： 使用直接的模型字符串（例如
"claude-3-sonnet@20240229"），但需要在 ADK 中手动注册。
为什么需要注册？ ADK 的注册表会自动识别 gemini-* 字符串
和标准的 Agent Platform 端点字符串（projects/.../endpoints/...），
并通过 google-genai 库进行路由。对于通过 Agent Platform 直接使用的
其他模型类型（如 Claude），你必须明确告诉 ADK 注册表哪个
特定的包装类（本例中为 Claude）知道如何通过 Agent Platform 后端
处理该模型标识符字符串。
设置：
-
Agent Platform 环境： 确保完成统一的 Agent Platform 设置（ADC、环境变量、
GOOGLE_GENAI_USE_ENTERPRISE=TRUE）。 -
安装提供商库： 安装为 Agent Platform 配置的 必要客户端库。
-
注册模型类： 在应用程序的开头附近添加以下代码， 在使用 Claude 模型字符串创建智能体之前：
from google.adk.agents import LlmAgent
from google.adk.models.anthropic_llm import Claude # 注册时需要导入
from google.adk.models.registry import LLMRegistry # 注册时需要导入
from google.genai import types
# --- 注册 Claude 类（在启动时执行一次） ---
LLMRegistry.register(Claude)
# --- 在 Agent Platform 上使用 Claude 3 Sonnet 的示例智能体 ---
# Agent Platform 上 Claude 3 Sonnet 的标准模型名称
claude_model_vertexai = "claude-3-sonnet@20240229"
agent_claude_vertexai = LlmAgent(
model=claude_model_vertexai, # 注册后传递直接字符串
name="claude_vertexai_agent",
instruction="You are an assistant powered by Claude 3 Sonnet on Agent Platform.",
generate_content_config=types.GenerateContentConfig(max_output_tokens=4096),
# ... 其他智能体参数
)
集成方式： 直接实例化提供商特定的模型类（例如 com.google.adk.models.Claude）并配置 Agent Platform 后端。
为什么要直接实例化？ Java ADK 的 LlmRegistry 默认主要处理 Gemini 模型。对于 Agent Platform 上的第三方模型（如 Claude），你需要直接向 LlmAgent 提供 ADK 包装类（例如 Claude）的实例。此包装类负责通过其特定的客户端库与模型交互，并配置为使用 Agent Platform。
设置：
-
Agent Platform 环境：
- 确保你的 Google Cloud 项目和区域已正确设置。
- 应用默认凭据（ADC）： 确保你的环境中正确配置了 ADC。通常通过运行
gcloud auth application-default login来完成。Java 客户端库使用这些凭据对 Agent Platform 进行身份验证。请参阅 Google Cloud Java ADC 文档 了解详细设置。
-
提供商库依赖：
- 第三方客户端库（通常是传递依赖）： ADK 核心库通常将 Agent Platform 上常见第三方模型（如 Anthropic 所需的类）的必要客户端库作为传递依赖包含在内。这意味着你可能不需要在
pom.xml或build.gradle中显式添加 Anthropic Vertex SDK 的单独依赖。
- 第三方客户端库（通常是传递依赖）： ADK 核心库通常将 Agent Platform 上常见第三方模型（如 Anthropic 所需的类）的必要客户端库作为传递依赖包含在内。这意味着你可能不需要在
-
实例化并配置模型： 创建
LlmAgent时，实例化Claude类（或其他提供商的等效类）并配置其VertexBackend。
import com.anthropic.client.AnthropicClient;
import com.anthropic.client.okhttp.AnthropicOkHttpClient;
import com.anthropic.vertex.backends.VertexBackend;
import com.google.adk.agents.LlmAgent;
import com.google.adk.models.Claude; // ADK 的 Claude 包装类
import com.google.auth.oauth2.GoogleCredentials;
import java.io.IOException;
// ... 其他导入
public class ClaudeVertexAiAgent {
public static LlmAgent createAgent() throws IOException {
// Agent Platform 上 Claude 3 Sonnet 的模型名称（或其他版本）
String claudeModelVertexAi = "claude-3-7-sonnet"; // 或任何其他 Claude 模型
// 使用 VertexBackend 配置 AnthropicOkHttpClient
AnthropicClient anthropicClient = AnthropicOkHttpClient.builder()
.backend(
VertexBackend.builder()
.region("us-east5") // 指定你的 Agent Platform 区域
.project("your-gcp-project-id") // 指定你的 GCP 项目 ID
.googleCredentials(GoogleCredentials.getApplicationDefault())
.build())
.build();
// 使用 ADK Claude 包装类实例化 LlmAgent
LlmAgent agentClaudeVertexAi = LlmAgent.builder()
.model(new Claude(claudeModelVertexAi, anthropicClient)) // 传递 Claude 实例
.name("claude_vertexai_agent")
.instruction("You are an assistant powered by Claude 3 Sonnet on Agent Platform.")
// .generateContentConfig(...) // 可选：如果需要可添加生成配置
// ... 其他智能体参数
.build();
return agentClaudeVertexAi;
}
public static void main(String[] args) {
try {
LlmAgent agent = createAgent();
System.out.println("Successfully created agent: " + agent.name());
// 通常在这里设置 Runner 和 Session 来与智能体交互
} catch (IOException e) {
System.err.println("Failed to create agent: " + e.getMessage());
e.printStackTrace();
}
}
}
自适应思考¶
较新的 Claude 模型支持自适应扩展思考，模型会自行选择推理深度，而不是使用固定的 token 预算。在原生 Claude 路径上，负的 thinking_budget 会映射为自适应思考。
控制推理深度的推荐方式是使用 AnthropicGenerateContentConfig 上的 effort 字段：
from google.adk.agents import LlmAgent
from google.adk.models import AnthropicGenerateContentConfig
from google.adk.models.anthropic_llm import Claude
from google.adk.models.registry import LLMRegistry
LLMRegistry.register(Claude)
agent = LlmAgent(
model="claude-sonnet-4@20250514", # 你的 Agent Platform Claude 模型 ID。
name="claude_reasoning_agent",
instruction="You are a helpful assistant.",
generate_content_config=AnthropicGenerateContentConfig(
effort="high", # 可选值："low"、"medium"、"high"、"xhigh"、"max"。
),
)
- Claude 不支持标准的
thinking_config.thinking_level，该字段会被忽略（并产生警告）。请使用effort代替。
Agent Platform 上的开放模型¶
Agent Platform 通过模型即服务（MaaS）提供精选的开源模型选择，如 Meta Llama。这些模型可通过托管 API 访问，使你无需管理底层基础设施即可部署和扩展。有关可用选项的完整列表，请参阅 Agent Platform 开放模型 MaaS 文档。
你可以使用 LiteLLM 库来访问 Agent Platform MaaS 上的开放模型，如 Meta 的 Llama。
集成方式： 使用 LiteLlm 包装类并将其设置为 LlmAgent 的 model 参数。请确保查阅 ADK 智能体的 LiteLLM 模型连接器 文档了解如何在 ADK 中使用 LiteLLM。
设置：
-
Agent Platform 环境： 确保完成统一的 Agent Platform 设置（ADC、环境变量、
GOOGLE_GENAI_USE_ENTERPRISE=TRUE）。 -
安装 LiteLLM：
示例：
from google.adk.agents import LlmAgent
from google.adk.models.lite_llm import LiteLlm
# --- 使用 Meta 的 Llama 4 Scout 的示例智能体 ---
agent_llama_vertexai = LlmAgent(
model=LiteLlm(model="vertex_ai/meta/llama-4-scout-17b-16e-instruct-maas"), # LiteLLM 模型字符串格式
name="llama4_agent",
instruction="You are a helpful assistant powered by Llama 4 Scout.",
# ... 其他智能体参数
)