Google ADK Visual Agent Builder-tutorial met demoproject: reisplanner

Google’s ADK Visual Agent Builder is een praktische toolkit voor het ontwerpen, verbinden en draaien van multi-agentworkflows zonder dat je zelf de hele pijplijn hoeft te bouwen. Het combineert een promptgebaseerde agentbouwer met een ADK CLI, Gemini-modellen en ingebouwde tools, zodat je een natuurlijke-taalopdracht kunt omzetten in een werkende agent. 

In deze tutorial laat ik je stap voor stap zien hoe je een werkende reisplanner bouwt met de Visual Agent Builder van Google’s Agent Development Kit (ADK). Je leert hoe je:

• de visual builder start en agents aan elkaar koppelt 
• natuurlijke-taalinstructies geeft om sub-agents en tools automatisch te genereren
• websearch, eenvoudige scoring en tracing toevoegt
• je agent test en debugt

Aan het einde heb je een agent die naar je steden/data/budget vraagt, drie workers parallel draait (Vliegen, Overnachten, Activiteiten) en één of twee duidelijke reisopties teruggeeft.

Als je nieuw bent met agentische AI, raad ik je aan om de AI Agent Fundamentals skill track te bekijken. Je kunt ook de cursus Building AI Agents with Google ADK bekijken.

Wat is Google ADK Visual Agent Builder?

Google’s ADK Visual Agent Builder is een canvas voor het ontwerpen van multi-agentworkflows, aangedreven door Gemini. Je beschrijft je intentie aan een AI-assistent, die een complete agentarchitectuur voorstelt en materialiseert, die op een visueel canvas weergeeft en je deze direct in chat laat testen. 

Van daaruit kun je traces inspecteren en, zodra je klaar bent, productieklare YAML-bestanden exporteren.

Hier zijn enkele kernonderdelen van deze Agent Builder:

• LLM-agents: Elke node combineert een prompt en een model met optionele tools. Je kunt bijvoorbeeld een redeneeragent (Gemini 2.5 Pro of Gemini 3 Pro) en een snelle zoekagent (Gemini 2.5 Flash) samen gebruiken.
• Orchestratie-agents: Loop-, Parallel- of Sequential-nodes bepalen hoe onderliggende LLM-agents draaien op commando van de root.
• Tools: Ingebouwde tools zoals google_search, plus functiontools en bestands-/contexttools zoals url_context en FilesRetrieval, maken het makkelijk voor agents om meerdere hulpprogramma’s te combineren.
• Callbacks en Trace: Een live Events- en Trace-weergave toont welke agent draaide, met inputs/outputs, zodat je redenering en toolcalls stap voor stap kunt debuggen.

ADK verzorgt modelcalls, toolintegratie en state-doorgifte, zodat jij je kunt focussen op het gedrag. 

ADK Visual Agent Builder-demo: een workflow voor een reisplanner bouwen

In deze sectie bouwen we een reisplanner met de Visual Agent Builder van Google ADK. De workflow gebruikt een root-LLM-agent en een parallelle agent die drie agents aanstuurt voor vluchten, overnachtingen en activiteiten, en verzoent alles tot duidelijke reisopties waar je direct mee aan de slag kunt.

Zo werkt het:

• Reisintentie: Voer de verwachte reis in, inclusief steden, data, budget en eventuele voorkeuren of dingen om te vermijden.
• Parallel onderzoek: De parallelle agent onderzoekt:
• Flights Agent stelt haalbare trajecten voor, inclusief tijden, tussenstops, totale uren en kosten.
• Stays Agent suggereert 1–2 accommodaties per stad.
• Activities Agent bedenkt 2–3 dingen om te doen per stad.
• Verzoenen en rangschikken: De root-agent vergelijkt trade-offs zoals kosten, totale reistijd, aansluiting op voorkeuren, enz., en geeft maximaal twee opties met voor- en nadelen plus een dag-tot-dagindeling voor het aanbevolen plan.
• Trace en itereren: Je kunt in de Trace-weergave zien hoe elke sub-agent wordt aangeroepen en daarna verfijnen met vervolgvragen.

Aan het einde heb je een multi-agentworkflow die een reisidee in gewoon Engels omzet in een concreet, budgetbewust reisplan met transparante redenering.

Stap 1: Google ADK installeren

Voordat we agents ontwerpen, hebben we de ADK CLI nodig. Dat is de commandlinetool die de Visual Agent Builder start en de lokale web-UI draait. 

pip install --upgrade google-adk
adk --versionMogelijk gemaakt door

De bovenstaande code zou adk, version 1.18.0 moeten teruggeven. Eerst haalt het het nieuwste ADK-pakket en de afhankelijkheden op. De vlag --upgrade zorgt ervoor dat je niet vastzit aan een oudere CLI die mogelijk de Visual Agent Builder-functies in deze tutorial mist. 

Tot slot verifiëren we de installatie en dat onze shell het adk-uitvoerbare bestand kan vinden.

Met ADK geïnstalleerd en geverifieerd, zijn we klaar om de Visual Agent Builder te starten en onze workflow voor de reisplanner te maken. In de volgende stap stellen we je API-sleutel in en openen we de lokale UI, zodat je visueel agents kunt samenstellen.

Stap 2: Google API-sleutel instellen

Begin met het openen van Google AI Studio en klik linksonder op Get API Key. Selecteer vervolgens Create API Key en geef je API-sleutel een naam. Let op: je moet ofwel een nieuw Google Cloud-project maken of een bestaand project met ingeschakelde facturatie gebruiken. Ga daarna terug naar Google AI Studio, kopieer de API-sleutel en stel deze in als omgevingsvariabele in je werkmap.

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

Herstart je terminal zodat de wijziging van kracht wordt.

Optioneel kun je ook een starterrepo clonen met een bestaand project om mee te testen en waarbij alle requirements al voor je zijn ingesteld:

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

Bovenstaand commando clonet een repo met een starterdemoproject voor een researchagent. Nu we ADK hebben geïnstalleerd, starten we vervolgens de webinterface.

Stap 3: Webinterface starten

Met je API-sleutel ingesteld en ADK geïnstalleerd, ben je klaar om de Visual Agent Builder te openen. Voer het volgende commando uit om de lokale Dev UI-server te starten. 

adk webMogelijk gemaakt door

Standaard wordt deze gestart op http://127.0.0.1:8000. Open dit adres in je browser.

De eerste UI ziet er zo uit:

Klik op de knop + om een nieuwe agent te maken, noem hem Travel_Agent, en je komt in de builder met drie panelen: Configuration (links), Canvas (midden) en Assistant/Chat (rechts).

Eerst stuurde ik een prompt naar Gemini in de chat om de agent automatisch te bouwen, vergelijkbaar met hoe je OpenAI’s AgentKit zou gebruiken om een workflow te bouwen.

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.Mogelijk gemaakt door

Tot mijn verrassing is Google ADK behoorlijk efficiënt in het toewijzen van een model of sub-agents voor een specifieke taak. Nadat Gemini klaar is met het schrijven van code en dit in specifieke agentbestanden heeft gezet, voegt het de instructies toe aan je agent en voegt het automatisch de juiste sub-agents en tools toe. 

Hier is de end-to-endpijplijn die het uit mijn prompt genereerde.

Zo ziet de builder eruit nadat Gemini de prompt heeft verwerkt: instructies toegepast, tools gekoppeld, sub-agents toegevoegd en de agentbeschrijving ingevuld.

Klik tot slot op opslaan en je agent is klaar. Dit brengt je naar de chatinterface, waar ik de agent een paar reisvragen stelde.

Aanvankelijk vroeg ik de 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 $1000Mogelijk gemaakt door

In de onderstaande video zie je hoe de agent reageerde: