对开发者而言，“心流”状态神圣不可侵。那是一种代码与思维浑然天成的魔法境界。而此状态的最大敌人正是阻碍因素，无论是查阅文档、框架选择，还是让您脱离创意空间的情境切换，均属此列。
正因如此，我们激动地宣布智能体开发套件 (ADK) 的重大更新：与 Gemini CLI 搭配使用时，此更新可彻底消除阻碍因素，大幅提升智能体的“氛围编程”体验。该组合使您在与 Gemini 的无碍对话中获取完整上下文，以前所未有的速度和流畅性将宏观构想转化为功能型智能体。这样一来，您可花更多时间利用智能体解决实际问题，而无需花费大量时间从头开始编写代码。
此次更新的核心是 ADK 代码库中新版 llms-full.txt 文件。您可以将其视为条理清晰、内容精简的 ADK 框架指南，其中详尽介绍了 ADK 所有组件、功能和最佳实践。
具体而言，我们将文件体积缩减 50% 以上（token 更少，少即是好！），让 LLM 更容易理解。这正是优化“氛围编程”体验的关键：Gemini 现可完整理解 ADK 框架…既无需占用您的上下文窗口，亦能规避“上下文腐化”陷阱。
现在，Gemini CLI 与您携手，助您以更低的成本和更高的准确率，将强大的编程助手转变为 ADK 专家。CLI 对框架拥有深入的原生理解，能够将您的宏观计划直接转换为准确、符合语言习惯的多智能体代码。这显著加快了原型开发速度；由于您可以在几分钟内生成一个功能齐全的智能体，因此您可以自由地进行实验和迭代，而无需在前期投入大量的编码时间。
让我们看看在实际场景中这是什么感觉。我们将构建一个 AI 智能体来标记 ADK 的 Github 问题，以便更轻松地确定问题的优先级和分配，只需几个步骤即可从一个简单的想法变成一个可以运行的 ADK 智能体。
从 adk-python 下载 llms-full.txt 到您的工作目录。
首先，我们使用 Gemini CLI 作为头脑风暴合作伙伴来创建宏观计划。
您：我想利用 ADK 框架构建一个 AI 智能体，帮助我使用 Gemini 在我的代码库 (https://github.com/google/adk-python) 中标记 Github 问题。这个智能体应该读取 Github 问题并使用一些预定义的标签标记这些问题（请先想出一些常用的标签）。请制定一个操作计划。@llms-full.txt
Gemini CLI：
计划：GitHub 问题标记智能体
目标是创建一个基于 Python 的 AI 智能体，这个智能体可以分析 GitHub 问题并从您的代码库中应用相关的预定义标签。我们将使用 ADK 框架来编排智能体的逻辑，并使用 Gemini 模型展开分析。
第 1 阶段：项目设置&配置
1. 初始化项目：设置新的 Python 项目目录。
2. 安装依赖项：安装 google-adk 库和 GitHub API 客户端库，如 PyGithub。
3. GitHub 身份验证：创建一个具有代码库权限的 GitHub 个人访问令牌 (PAT)，以允许智能体读取问题并应用标签。此令牌将被安全地配置为环境变量。
第 2 阶段：为 GitHub 开发自定义工具
该智能体需要工具来与 GitHub 进行交互。我们将创建一个名为github_tools.py 的文件，其中包含以下函数，这些函数将公开给智能体：
get_issue(repo_name, issue_number)：获取特定 GitHub 问题的标题和正文。get_available_labels(repo_name)：检索代码库所有现有标签的列表。apply_label(repo_name, issue_number, label)：为特定问题应用给定标签。
第 3 阶段：构建标记智能体
通过使用 ADK 框架，我们将在 main.py 文件中定义一个新的智能体：
1. 智能体定义：我们会将智能体配置为使用 Gemini 模型（例如，gemini-1.5-flash）。
2. 工具集成：向智能体提供第 2 阶段的自定义 GitHub 工具。
3. 核心指令（提示）：智能体的系统提示将指导其遵循清晰的工作流：
get_issue 工具理解问题内容。get_available_labels 工具查看有效选项。apply_label 工具为问题添加所选标签。
第 4 阶段：创建应用程序入口点
我们将在 main.py 中创建一个简单的命令行界面 (CLI)，以便您运行智能体。该界面将接受 GitHub 代码库名称和问题编号作为输入，然后触发智能体执行标记任务。
您希望我继续实施这个计划吗？
您已经明确阐述了相关逻辑，但尚未编写任何一行代码。
现在，让我们使用 ADK 的 llms-full.txt 将该计划转变为真正的智能体。
您：太好了。现在，使用 Python ADK 生成此计划的代码。@llms-full.txt（Gemini CLI 现在会引用 ADK 的 llms-full.txt，将该计划转换为正确的 ADK 代码。）
Gemini CLI
import argparse
import asyncio
from google.adk.agents import Agent
from google.adk.runners import Runner
from google.adk.sessions import InMemorySessionService
from google.genai import types
from github_tools import get_issue, get_available_labels, apply_label
labeling_agent = Agent(
name="github_labeler",
model="gemini-1.5-flash",
instruction="""You are an AI agent that labels GitHub issues.
1. First, use the 'get_issue' tool to read the issue's title and body.
2. Then, use the 'get_available_labels' tool to see all possible labels for the repository.
3. Analyze the issue content and choose the most relevant label from the available options.
4. Finally, use the 'apply_label' tool to add the chosen label to the issue.
5. Respond with a confirmation message stating which label was applied.
""",
tools=[get_issue, get_available_labels, apply_label],
)from github import Github
from config import GITHUB_TOKEN
g = Github(GITHUB_TOKEN)
def get_issue(repo_name: str, issue_number: int) -> str:
"""Fetches the title and body of a specific GitHub issue."""
repo = g.get_repo(repo_name)
issue = repo.get_issue(number=issue_number)
return f"Title: {issue.title}\nBody: {issue.body}"
def get_available_labels(repo_name: str) -> list[str]:
"""Retrieves the list of all existing labels for the repository."""
repo = g.get_repo(repo_name)
labels = [label.name for label in repo.get_labels()]
return labels
def apply_label(repo_name: str, issue_number: int, label: str) -> str:
"""Applies a given label to a specific issue."""
repo = g.get_repo(repo_name)
issue = repo.get_issue(number=issue_number)
issue.add_to_labels(label)
return f"Successfully applied label '{label}' to issue #{issue_number}."（它还生成了 requirements.txt、label_config.py，但为了简洁起见，我们不会在此列出。）
即刻之间，您就拥有了一个功能完备的智能体应用，此应用能够正确地使用 ADK 框架。CLI 处理了所有的样板代码，因为 llms-full.txt 文件为这些代码提供了必要的背景信息。
代码生成后，您可以在本地进行测试。您可能会发现错误或想到改进方法。例如，您希望在 ADK 智能体完成标签标注后获得摘要。您可以继续使用流程，并直接提出修改请求即可。
您：能否给这个智能体添加一个名为“some_new_label”的新标签？
Gemini CLI 仍然会保留脚本上下文，并重构代码以实现更改。无需手动编辑代码，也不会影响您的进度。
这个迭代循环就是新的工作流：
1：构思：为智能体构思逻辑。
2：生成：使用 Gemini CLI 生成 ADK 代码。
3：测试：即刻展开测试。
4：改进：通过简单的对话式请求加以改进。
您可以不断重复这个循环，直到获得完美的智能体，在此过程中，全程都不会出现那种通常会让您脱离创作状态的阻碍因素。
