서드파티 도구¶

ADK는 CrewAI 및 LangChain과 같은 다른 AI 에이전트 프레임워크의 도구를 원활하게 통합할 수 있도록 매우 확장 가능하게 설계되었습니다. 이러한 상호 운용성은 개발 시간을 단축하고 기존 도구를 재사용할 수 있게 해주므로 매우 중요합니다.

1. LangChain 도구 사용¶

ADK는 LangChain 생태계의 도구를 에이전트에 통합하기 위해 LangchainTool 래퍼를 제공합니다.

예제: LangChain의 Tavily 도구를 사용한 웹 검색¶

Tavily는 AI 에이전트와 같은 애플리케이션에서 사용하기 위한 실시간 검색 결과에서 파생된 답변을 반환하는 검색 API를 제공합니다.

ADK 설치 및 설정 가이드를 따릅니다.
종속성 설치: 필요한 LangChain 패키지가 설치되어 있는지 확인합니다. 예를 들어, Tavily 검색 도구를 사용하려면 특정 종속성을 설치해야 합니다:
```
pip install langchain_community tavily-python
```
Tavily API KEY를 얻고 환경 변수로 내보냅니다.
```
export TAVILY_API_KEY=<API_KEY로_교체>
```
가져오기: ADK에서 LangchainTool 래퍼를 가져오고 사용하려는 특정 LangChain 도구(예: TavilySearchResults)를 가져옵니다.
```
from google.adk.tools.langchain_tool import LangchainTool
from langchain_community.tools import TavilySearchResults
```

인스턴스화 및 래핑: LangChain 도구의 인스턴스를 만들고 LangchainTool 생성자에 전달합니다.

# LangChain 도구 인스턴스화
tavily_tool_instance = TavilySearchResults(
    max_results=5,
    search_depth="advanced",
    include_answer=True,
    include_raw_content=True,
    include_images=True,
)

# ADK용 LangchainTool로 래핑
adk_tavily_tool = LangchainTool(tool=tavily_tool_instance)

에이전트에 추가: 래핑된 LangchainTool 인스턴스를 에이전트 정의 중 tools 목록에 포함합니다.

from google.adk import Agent

# 래핑된 도구를 포함하여 ADK 에이전트 정의
my_agent = Agent(
    name="langchain_tool_agent",
    model="gemini-2.0-flash",
    description="TavilySearch를 사용하여 질문에 답하는 에이전트.",
    instruction="인터넷을 검색하여 질문에 답할 수 있습니다. 무엇이든 물어보세요!",
    tools=[adk_tavily_tool] # 여기에 래핑된 도구 추가
)

전체 예제: Tavily 검색¶

다음은 LangChain Tavily 검색 도구를 사용하여 에이전트를 만들고 실행하는 위의 단계를 결합한 전체 코드입니다.

import os
from google.adk import Agent, Runner
from google.adk.sessions import InMemorySessionService
from google.adk.tools.langchain_tool import LangchainTool
from google.genai import types
from langchain_community.tools import TavilySearchResults

# Ensure TAVILY_API_KEY is set in your environment
if not os.getenv("TAVILY_API_KEY"):
    print("Warning: TAVILY_API_KEY environment variable not set.")

APP_NAME = "news_app"
USER_ID = "1234"
SESSION_ID = "session1234"

# Instantiate LangChain tool
tavily_search = TavilySearchResults(
    max_results=5,
    search_depth="advanced",
    include_answer=True,
    include_raw_content=True,
    include_images=True,
)

# Wrap with LangchainTool
adk_tavily_tool = LangchainTool(tool=tavily_search)

# Define Agent with the wrapped tool
my_agent = Agent(
    name="langchain_tool_agent",
    model="gemini-2.0-flash",
    description="Agent to answer questions using TavilySearch.",
    instruction="I can answer your questions by searching the internet. Just ask me anything!",
    tools=[adk_tavily_tool] # Add the wrapped tool here
)

session_service = InMemorySessionService()
session = session_service.create_session(app_name=APP_NAME, user_id=USER_ID, session_id=SESSION_ID)
runner = Runner(agent=my_agent, app_name=APP_NAME, session_service=session_service)


# Agent Interaction
def call_agent(query):
    content = types.Content(role='user', parts=[types.Part(text=query)])
    events = runner.run(user_id=USER_ID, session_id=SESSION_ID, new_message=content)

    for event in events:
        if event.is_final_response():
            final_response = event.content.parts[0].text
            print("Agent Response: ", final_response)

call_agent("stock price of GOOG")

2. CrewAI 도구 사용¶

ADK는 CrewAI 라이브러리의 도구를 통합하기 위해 CrewaiTool 래퍼를 제공합니다.

예제: CrewAI의 Serper API를 사용한 웹 검색¶

Serper API는 프로그래밍 방식으로 Google 검색 결과에 대한 접근을 제공합니다. 이를 통해 AI 에이전트와 같은 애플리케이션은 웹 페이지를 직접 스크래핑할 필요 없이 실시간 Google 검색(뉴스, 이미지 등 포함)을 수행하고 구조화된 데이터를 다시 얻을 수 있습니다.

ADK 설치 및 설정 가이드를 따릅니다.
종속성 설치: 필요한 CrewAI 도구 패키지를 설치합니다. 예를 들어, SerperDevTool을 사용하려면 다음을 설치합니다:
```
pip install crewai-tools
```
Serper API KEY를 얻고 환경 변수로 내보냅니다.
```
export SERPER_API_KEY=<API_KEY로_교체>
```
가져오기: ADK에서 CrewaiTool을 가져오고 원하는 CrewAI 도구(예: SerperDevTool)를 가져옵니다.
```
from google.adk.tools.crewai_tool import CrewaiTool
from crewai_tools import SerperDevTool
```

인스턴스화 및 래핑: CrewAI 도구의 인스턴스를 만듭니다. 이를 CrewaiTool 생성자에 전달합니다. 결정적으로, ADK의 기본 모델이 언제 도구를 사용해야 하는지 이해하는 데 사용되므로 ADK 래퍼에 이름과 설명을 제공해야 합니다.

# CrewAI 도구 인스턴스화
serper_tool_instance = SerperDevTool(
    n_results=10,
    save_file=False,
    search_type="news",
)

# 이름과 설명을 제공하여 ADK용 CrewaiTool로 래핑
adk_serper_tool = CrewaiTool(
    name="InternetNewsSearch",
    description="Serper를 사용하여 최근 뉴스 기사를 구체적으로 검색합니다.",
    tool=serper_tool_instance
)

에이전트에 추가: 래핑된 CrewaiTool 인스턴스를 에이전트의 tools 목록에 포함합니다.

from google.adk import Agent

# ADK 에이전트 정의
my_agent = Agent(
    name="crewai_search_agent",
    model="gemini-2.0-flash",
    description="Serper 검색 도구를 사용하여 최근 뉴스를 찾는 에이전트.",
    instruction="최신 뉴스를 찾아드릴 수 있습니다. 어떤 주제에 관심이 있으신가요?",
    tools=[adk_serper_tool] # 여기에 래핑된 도구 추가
)

전체 예제: Serper API¶

다음은 CrewAI Serper API 검색 도구를 사용하여 에이전트를 만들고 실행하는 위의 단계를 결합한 전체 코드입니다.

import os
from google.adk import Agent, Runner
from google.adk.sessions import InMemorySessionService
from google.adk.tools.crewai_tool import CrewaiTool
from google.genai import types
from crewai_tools import SerperDevTool


# Constants
APP_NAME = "news_app"
USER_ID = "user1234"
SESSION_ID = "1234"

# Ensure SERPER_API_KEY is set in your environment
if not os.getenv("SERPER_API_KEY"):
    print("Warning: SERPER_API_KEY environment variable not set.")

serper_tool_instance = SerperDevTool(
    n_results=10,
    save_file=False,
    search_type="news",
)

adk_serper_tool = CrewaiTool(
    name="InternetNewsSearch",
    description="Searches the internet specifically for recent news articles using Serper.",
    tool=serper_tool_instance
)

serper_agent = Agent(
    name="basic_search_agent",
    model="gemini-2.0-flash",
    description="Agent to answer questions using Google Search.",
    instruction="I can answer your questions by searching the internet. Just ask me anything!",
    # Add the Serper tool
    tools=[adk_serper_tool]
)

# Session and Runner
session_service = InMemorySessionService()
session = session_service.create_session(app_name=APP_NAME, user_id=USER_ID, session_id=SESSION_ID)
runner = Runner(agent=serper_agent, app_name=APP_NAME, session_service=session_service)


# Agent Interaction
def call_agent(query):
    content = types.Content(role='user', parts=[types.Part(text=query)])
    events = runner.run(user_id=USER_ID, session_id=SESSION_ID, new_message=content)

    for event in events:
        if event.is_final_response():
            final_response = event.content.parts[0].text
            print("Agent Response: ", final_response)

call_agent("what's the latest news on AI Agents?")