ADK Gemini Live API Toolkit¶
ADK の Gemini Live API Toolkit は、Gemini Live API の低遅延な双方向音声・映像インタラクション機能を AI エージェントに追加します。
ADK Gemini Live API Toolkit を使うと、エンドユーザーに自然で人間らしい音声会話体験を提供できます。ユーザーは音声コマンドでエージェントの応答に割り込むこともできます。ストリーミング対応エージェントは、テキスト・音声・映像入力を処理し、テキストおよび音声出力を返せます。
-
クイックスタート（Gemini Live API Toolkit）
このクイックスタートでは、シンプルなエージェントを構築し、ADKストリーミングを使って低遅延の双方向音声・映像通信を実装します。
-
Gemini Live API Toolkit デモアプリケーション
テキスト・音声・画像をサポートする、ADK Gemini Live API Toolkit の本番向けリファレンス実装です。FastAPI ベースで、リアルタイム WebSocket 通信、自動文字起こし、Google Search ツール呼び出し、ストリーミングライフサイクル全体の管理を示し、開発ガイドシリーズ全体でこのデモを参照します。
-
ブログ記事: ADK Gemini Live API Toolkit ビジュアルガイド
ADK Gemini Live API Toolkit によるリアルタイム・マルチモーダル AI エージェント開発のビジュアルガイドです。直感的な図やイラストで、ストリーミングの仕組みとインタラクティブ AI エージェントの作り方を理解できます。
-
Gemini Live API Toolkit 開発ガイドシリーズ
ADK を使った Gemini Live API Toolkit 開発を深掘りするシリーズです。基本概念、ユースケース、コア API、エンドツーエンドのアプリケーション設計を学べます。
- Part 1: ADK Gemini Live API Toolkit 入門 - ストリーミングの基礎、Live API 技術、ADK アーキテクチャ構成要素、FastAPI 例によるライフサイクル全体
- Part 2: LiveRequestQueueでメッセージ送信 - 上流メッセージフロー、テキスト/音声/映像送信、アクティビティ信号、並行実行パターン
- Part 3: run_live() によるイベント処理 - イベント処理、テキスト/音声/文字起こし処理、自動ツール実行、マルチエージェントワークフロー
- Part 4: RunConfig を理解する - 応答モダリティ、ストリーミングモード、セッション管理/再開、コンテキスト圧縮、クォータ管理
- Part 5: 音声・画像・映像の使い方 - 音声仕様、モデルアーキテクチャ、音声文字起こし、VAD（音声活動検出）、プロアクティブ/感情対話機能
-
ストリーミングツール
ストリーミングツールを使うと、ツール（関数）が中間結果をエージェントにストリーミングし、エージェントがその中間結果に応答できます。例えば株価変動を監視して反応させたり、ビデオストリームの変化を検知して報告させたりできます。
-
ブログ記事: Google ADK + Vertex AI Live API
この記事では、ADK の Gemini Live API Toolkit を使ってリアルタイム音声/映像ストリーミングを実装する方法を紹介します。
LiveRequestQueueを使ってカスタム対話型 AI エージェントを構築する Python サーバー例を提供します。 -
ブログ記事: Claude Code SkillsでADK開発を加速
Claude Code Skills を使って ADK 開発を加速する方法を、ストリーミングチャットアプリの構築例とともに解説します。AI 支援コーディングを活用して、より良いエージェントをより速く作る方法を学べます。