Accéder au contenu principal

Tutoriel Google ADK Visual Agent Builder avec projet démo : Travel Planner

Créez un planificateur de voyage propulsé par Gemini avec le Visual Agent Builder de Google ADK : concevez des sous-agents, connectez des outils et livrez un workflow d’itinéraire en quelques minutes.
· 7 min lire

Explorez l'IA

Le Visual Agent Builder d’ADK de Google est une boîte à outils pratique pour concevoir, connecter et exécuter des workflows multi-agents sans avoir à construire tout le pipeline vous-même. Il associe un générateur d’agents basé sur des invites à une CLI ADK, aux modèles Gemini et à des outils intégrés, afin de transformer un brief en langage naturel en agent opérationnel. 

Dans ce tutoriel, je vous montre pas à pas comment créer un Travel Planner fonctionnel avec le Visual Agent Builder du kit de développement d’agents (ADK) de Google. Vous apprendrez à :

  • Lancer l’éditeur visuel et relier des agents 
  • Donner des instructions en langage naturel pour générer automatiquement des sous-agents et des outils.
  • Ajouter la recherche web, un score simple et le traçage
  • Tester et déboguer votre agent

À la fin, vous aurez un agent qui vous demande vos villes/dates/budget, exécute trois workers en parallèle (vols, hébergements, activités) et renvoie une ou deux options d’itinéraire claires.

Si vous découvrez l’IA agentique, nous vous recommandons le parcours de compétences AI Agent Fundamentals. Vous pouvez aussi consulter le cours Building AI Agents with Google ADK.

Qu’est-ce que Google ADK Visual Agent Builder ?

Le Visual Agent Builder d’ADK de Google est un canevas pour concevoir des workflows multi-agents propulsés par Gemini. Vous décrivez votre intention à un assistant IA, qui propose et matérialise une architecture d’agent complète, l’affiche sur un canevas visuel et vous permet de la tester immédiatement en chat. 

À partir de là, vous pouvez inspecter les traces et, quand vous êtes prêt, exporter des fichiers YAML prêts pour la production.

Voici les éléments clés de cet Agent Builder :

  • Agents LLM : chaque nœud associe une invite et un modèle avec des outils optionnels. Par exemple, vous pouvez combiner un agent de raisonnement (Gemini 2.5 Pro ou Gemini 3 Pro) et un agent de recherche rapide (Gemini 2.5 Flash).
  • Agents d’orchestration : des nœuds Loop, Parallel ou Sequential coordonnent la façon dont les agents LLM enfants s’exécutent à la demande du nœud racine.
  • Outils : des outils intégrés comme google_search, ainsi que des outils de fonction et de fichiers/contexte tels que url_context et FilesRetrieval, facilitent la combinaison de plusieurs utilitaires par les agents.
  • Callbacks et Trace : une vue Events et Trace en temps réel montre quel agent a tourné, avec ses entrées/sorties, pour déboguer pas à pas le raisonnement et les appels d’outils.

ADK gère les appels modèles, l’intégration des outils et le passage d’état pour que vous puissiez vous concentrer sur le comportement. 

Démo ADK Visual Agent Builder : construire un workflow d’agent Travel Planner

Dans cette section, nous allons créer un Travel Planner avec le Visual Agent Builder de Google ADK. Le workflow utilise un agent LLM racine et un agent parallèle qui s’appuie sur trois agents pour les vols, les hébergements et les activités, puis concilie le tout en options de voyage claires et immédiatement actionnables.

Voici le fonctionnement :

  • Intention de voyage : saisissez l’itinéraire envisagé, incluant les villes, les dates, le budget et vos préférences (à privilégier/à éviter).
  • Recherche en parallèle : l’agent parallèle investigue :
    • L’agent Vols propose des trajets réalistes, avec horaires, escales, durée totale et coût.
    • L’agent Hébergements suggère 1 à 2 options par ville.
    • L’agent Activités propose 2 à 3 idées par ville.
  • Conciliation et classement : l’agent racine compare les arbitrages (coût, temps total de trajet, adéquation aux préférences, etc.) et renvoie jusqu’à deux options avec avantages/inconvénients plus un programme jour par jour pour le plan recommandé.
  • Traçage et itérations : vous pouvez observer le déclenchement de chaque sous-agent dans la vue Trace, puis affiner avec des relances.

Au final, vous obtenez un workflow multi-agents qui transforme une idée de voyage en anglais courant en un itinéraire concret, conscient du budget et accompagné d’un raisonnement transparent.

Étape 1 : installer Google ADK

Avant de concevoir des agents, nous avons besoin de la CLI ADK. C’est l’outil en ligne de commande qui lance le Visual Agent Builder et exécute l’interface web locale. 

pip install --upgrade google-adk
adk --version

Le code ci-dessus doit renvoyer adk, version 1.18.0. Il récupère d’abord le dernier paquet ADK et ses dépendances. L’option --upgrade garantit que vous n’êtes pas bloqué sur une ancienne CLI qui pourrait ne pas inclure les fonctionnalités du Visual Agent Builder utilisées dans ce tutoriel. 

Enfin, nous vérifions l’installation et que notre shell trouve bien l’exécutable adk.

ADK étant installé et vérifié, nous pouvons lancer le Visual Agent Builder et créer notre workflow Travel Planner. À l’étape suivante, nous allons configurer votre clé API et ouvrir l’interface locale pour commencer à assembler les agents visuellement.

Étape 2 : configurer la clé API Google

Commencez par ouvrir Google AI Studio et, en bas à gauche, cliquez sur Get API Key. Sélectionnez ensuite Create API Key et nommez votre clé API. Notez que vous devrez créer un nouveau projet Google Cloud ou utiliser un projet existant avec la facturation activée. Une fois prêt, retournez dans Google AI Studio, copiez la clé API et définissez-la comme variable d’environnement dans votre répertoire de travail.

export GOOGLE_API_KEY=YOUR_API_KEY —-> for macOS/Linux
setx GOOGLE_API_KEY "YOUR_KEY" —-> for Windows (PowerShell)

Redémarrez votre terminal pour que la modification prenne effet.

Génération de clé API

En option, vous pouvez cloner un dépôt de démarrage avec un projet prêt à tester et toutes les dépendances déjà configurées :

git clone https://github.com/thomas-chong/google-adk-visual-agent-builder-demo.git
cd google-adk-visual-agent-builder-demo

La commande ci-dessus clone un repo contenant une démo d’agent de recherche pour démarrer. Maintenant qu’ADK est installé, lançons l’interface web.

Étape 3 : lancer l’interface web

Avec votre clé API configurée et ADK installé, vous pouvez ouvrir le Visual Agent Builder. Exécutez la commande suivante pour démarrer le serveur local de l’interface Dev. 

adk web

Par défaut, il se lance sur http://127.0.0.1:8000. Ouvrez cette URL dans votre navigateur.

L’interface initiale ressemble à ceci :

Agent builder en local

Cliquez sur le bouton + pour créer un nouvel agent, nommez-le Travel_Agent, et vous arriverez dans l’éditeur en trois panneaux : Configuration (à gauche), Canvas (au centre) et Assistant/Chat (à droite).

Interface en 3 panneaux

J’ai d’abord envoyé une invite à Gemini dans le chat pour créer automatiquement l’agent, un peu comme vous utiliseriez AgentKit d’OpenAI pour construire un workflow.

Create a Travel Ops planner agent. Given user input (ordered cities, dates, budget, must/avoid prefs), run three workers in parallel—Flights, Stays, Activities—(use google_search where helpful). 
Recommend up to 2 options. Prioritize stated preferences; if options are close, prefer lower cost and less total travel time. 
Clearly explain the trade-offs. If options are nearly identical, return one best option and say why. 
For each option, return text-only bullets: Cost (USD), Total travel time (h), Preference-fit (0–1), Pros/Cons (cost, time, experience), and a brief day-by-day (give the full day-by-day only for the recommended option). 
Defaults: prices in USD, time in hours, max 2 options. Ask at most 2 clarifying questions; if data is thin, return a degraded single option with a warning. 
Avoid fake booking links; provide sensible estimates and caveats.

À ma surprise, Google ADK se montre assez efficace pour répartir modèles et sous-agents en fonction de la tâche. Après que Gemini a généré du code et l’a réparti dans des fichiers d’agent spécifiques, il injecte les instructions dans votre agent et ajoute automatiquement les sous-agents et outils appropriés. 

Assistant

Voici le pipeline de bout en bout généré à partir de mon invite.

Diagramme des agents

Voici à quoi ressemble l’éditeur une fois l’invite traitée par Gemini : instructions appliquées, outils connectés, sous-agents ajoutés et description de l’agent renseignée.

interface complète

Enfin, cliquez sur Enregistrer : votre agent est prêt. Vous arrivez alors dans l’interface de chat où j’ai posé quelques questions de voyage à l’agent.

Au départ, j’ai demandé à l’agent :

I want to travel from New York to Dubai for New Year’s for a week long vacation. Help me plan my trip within a budget of $1000

Dans la vidéo ci-dessous, vous pouvez voir la réponse de l’agent.  

Voici ce que l’agent a renvoyé :

  • Un plan clair, uniquement en texte, avec des options de vol, des temps de trajet types et des fourchettes de prix pour la haute saison.
  • Une mise en contexte budgétaire dès le départ (le Nouvel An est en haute saison, donc les tarifs flambent), avec des arbitrages concrets comme des vols avec correspondance via Doha/Istanbul pour économiser.
  • Un jeu concis de suggestions d’hébergement et d’activités alignées sur l’objectif (se ressourcer/se détendre), pas seulement du tourisme générique.
  • Lorsque le budget était irréaliste, l’agent a signalé les contraintes et proposé des ajustements : décaler les dates, augmenter le budget, accepter des escales, etc.

Interface de chat

Dans le panneau Trace, vous pouvez observer l’orchestration :

  • travel_ops_planner (racine) accepte votre message et transfère le contrôle au coordinateur.
  • travel_coordinator (agent parallèle) appelle trois workers : flights_agent, stays_agent, activities_agent.
  • Chaque worker appelle le modèle (call_llm, ici le défaut Gemini) et, si besoin, l’outil google_search (execute_tool), puis renvoie des extraits structurés.
  • Le coordinateur fusionne les sorties enfants et met en forme la réponse finale.
  • Chaque barre bleue indique la latence par nœud ; dans les détails des Events, vous voyez les fragments d’invite exacts, les arguments d’outil et la version du modèle.

Ainsi, avec ADK, vous bénéficiez d’un flot de contrôle visible et inspectable sans écrire tout le pipeline. Si la réponse semble décalée, vous savez quel sous-agent affiner.

Interface Events

Cependant, la configuration s’est révélée fragile après cette première réussite. Mon invite suivante a déclenché des erreurs répétées. L’inspection du terminal a montré que l’échec provenait d’un code d’outil généré par Gemini (une clé non conforme dans le formateur).

J’ai tenté la boucle évidente : coller la stack trace à Gemini et lui demander de corriger le fichier, mais l’assistant n’écrasait pas de façon fiable le Python généré.

D’où un enseignement clé : le builder d’ADK est excellent pour l’orchestration et les invites, mais lorsqu’il émet du code, prévoyez d’ouvrir le fichier et de l’éditer vous-même (ou de régénérer l’outil) plutôt que de compter sur des correctifs à chaud appliqués proprement via le chat.

Erreur

Enfin, si vous devez interrompre la session, appuyez sur Ctrl + C dans votre terminal actif. 

Dernières réflexions

Le Visual Agent Builder d’ADK de Google vous aide à transformer rapidement une simple description en un système multi-agents opérationnel. 

Dans ce tutoriel, je vous ai montré comment utiliser Google ADK Visual Agent Builder pour créer un Travel Planner qui répartit les tâches entre vols, hébergements et activités, combine les résultats et inspecte chaque étape dans la vue Trace, sans écrire vous-même tout le câblage.

Les principaux atouts : itération rapide, visibilité claire du workflow et outils intégrés. La principale réserve : le code généré automatiquement peut casser ; vous devrez peut-être ouvrir les fichiers et corriger de petits problèmes.

En bref, l’éditeur visuel vous permet de vous concentrer sur ce que l’agent doit faire et l’expérience voulue. Vous pourrez ensuite ajouter des tests de fiabilité et de vraies API.

Pour aller plus loin avec de la pratique, nous vous recommandons notre cours Building AI Agents with Google ADK.

Aashi Dutt

Auteur

Aashi Dutt

Je suis experte Google Developers en ML (Gen AI), triple experte Kaggle et ambassadrice Women Techmakers, avec plus de trois ans d’expérience dans la tech. J’ai cofondé une startup dans le domaine de la santé en 2020 et je poursuis actuellement un master en informatique à Georgia Tech, avec une spécialisation en apprentissage automatique.

Sujets

Contenus associés

blog

Comprendre les TPU et les GPU dans l'IA : Un guide complet