Comienza a usar la API de Gemini Live con el ADK

En este instructivo, se muestra cómo crear un agente y usar la transmisión del Kit de desarrollo de agentes (ADK) para habilitar la comunicación por voz y video. Instalarás el ADK, configurarás un agente básico que usa la Búsqueda de Google y ejecutarás el agente con la herramienta adk web.

Antes de comenzar

En esta guía, se supone que tienes experiencia en el uso de una terminal en entornos de Windows, macOS o Linux.

Configura tu entorno e instala el ADK

En esta sección, se muestra cómo preparar tu entorno local.

  1. Crea y activa un entorno virtual. Se recomienda usar un entorno virtual.

    # Create the environment
python -m venv .venv

# Activate the environment in each new terminal
# For macOS or Linux:
source .venv/bin/activate
# For Windows CMD:
.venv\Scripts\activate.bat
# For Windows PowerShell:
.venv\Scripts\Activate.ps1

  2. Instala el ADK.

    pip install google-adk

Crea la estructura del proyecto

Crea los directorios y archivos necesarios para tu agente.

  1. Crea la siguiente estructura de carpetas con archivos vacíos:

    Diagrama de la estructura del proyecto: La carpeta adk-streaming contiene la carpeta app, que contiene el archivo .env y la carpeta google_search_agent, que contiene los archivos __init__.py y agent.py.

  2. Agrega el siguiente código al archivo app/google_search_agent/agent.py. Este archivo define la lógica de tu agente. Debes definir un root_agent. En el siguiente código, actualiza el campo model con el nombre de un modelo compatible.

    from google.adk.agents import Agent
from google.adk.tools import google_search  # Import the tool

root_agent = Agent(
  # A unique name for the agent.
  name="basic_search_agent",
  # The Large Language Model (LLM) that agent will use.
  # Please fill in the latest model id that supports live from
  # https://adk.dev/live/get-started/streaming-python/#supported-models
  model="...",  # for example: model="gemini-live-2.5-flash-native-audio"
  # A short description of the agent's purpose.
  description="Agent to answer questions using Google Search.",
  # Instructions to set the agent's behavior.
  instruction="You are an expert researcher. You always stick to the facts.",
  # Add google_search tool to perform grounding with Google search.
  tools=[google_search]
)

  3. Agrega el siguiente código al archivo app/google_search_agent/__init__.py:

    from . import agent

Configura la plataforma

Para ejecutar el agente, configúralo para que use Cloud de Confiance by S3NS Gemini Enterprise Agent Platform.

  1. Abre el archivo .env ubicado en el directorio app/.

  2. Agrega el siguiente contenido al archivo. Reemplaza PROJECT_ID por el ID del proyecto de Cloud de Confiance y LOCATION por tu ubicación de Cloud de Confiance .

    GOOGLE_CLOUD_PROJECT=PROJECT_ID
GOOGLE_CLOUD_LOCATION=LOCATION
GOOGLE_GENAI_USE_ENTERPRISE=True

Ejecuta el agente con la IU de desarrollo

Inicia la interfaz de usuario de desarrollo para interactuar con tu agente.

  1. Cambia tu directorio actual a app.

    cd app

  2. Configura la variable de entorno SSL_CERT_FILE. Este paso es obligatorio para las pruebas de voz y video.

    macOS/Linux

    export SSL_CERT_FILE=$(python -m certifi)

    Windows

    $env:SSL_CERT_FILE = (python -m certifi)

  3. Ejecuta la IU de desarrollo.

    adk web

  4. Abre la URL proporcionada en la terminal, que suele ser http://localhost:8000 o http://127.0.0.1:8000.

  5. Selecciona google_search_agent.

En el siguiente diagrama, se muestra cómo el agente recibe la entrada del usuario, cómo usa la herramienta de Búsqueda de Google y cómo devuelve una respuesta:

Diagrama que muestra la entrada del usuario que va al agente, el agente que usa la herramienta de Búsqueda de Google para obtener información y el agente que devuelve una respuesta al usuario.

Interactúa con el agente

Después de iniciar la IU de desarrollo, puedes interactuar con tu agente usando texto, voz o video.

Cómo usar la entrada de texto

Ingresa las siguientes instrucciones en la IU para probar las respuestas basadas en texto del agente. El agente usa la herramienta google_search para obtener la información más reciente y responder estas preguntas.

  • ¿Cómo está el clima en Nueva York?
  • ¿Qué hora es en Nueva York?
  • ¿Cómo está el clima en París?
  • ¿Qué hora es en París?

Usar la entrada de voz y video

Para usar la entrada de voz, vuelve a cargar el navegador web y haz clic en el botón de micrófono. Haz una pregunta y escucha la respuesta en tiempo real.

Para usar la entrada de video, vuelve a cargar el navegador web y haz clic en el botón de la cámara. Haz una pregunta como "¿Qué ves?", y el agente describirá la entrada de video.

Detén la IU de desarrollo

Para detener la herramienta adk web, presiona Ctrl+C en la terminal en la que se está ejecutando.

¿Qué sigue?