Curso Intensivo do Google ADK

Um tutorial abrangente para aprender o Kit de Desenvolvimento de Agentes (ADK) da Google, desde os conceitos básicos até os avançados. Este curso intensivo foi concebido para te levar do zero ao herói na construção de agentes de IA com o Google ADK.

📌 Nota: Este curso foi atualizado para o novo modelo Gemini 3 Flash!

Todos os tutoriais deste curso utilizam o modelo Gemini 3 Flash (por exemplo, gemini-3-flash-preview).

📚 O que é o Google ADK?

O Google ADK (Kit de Desenvolvimento de Agentes) é um framework flexível e modular para desenvolver e implementar agentes de IA. Está otimizado para o Gemini e o ecossistema Google, mas é agnóstico em relação a modelos e agnóstico em relação a implementações, tornando-o compatível com outros frameworks.

Principais Características:

• Orquestração Flexível: Define fluxos de trabalho utilizando agentes de fluxo de trabalho ou roteamento dinâmico orientado por LLM
• Arquitetura Multi-Agente: Constrói aplicações modulares com múltiplos agentes especializados
• Ecossistema de Ferramentas Rico: Usa ferramentas pré-construídas, cria funções personalizadas ou integra bibliotecas de terceiros
• Pronto para Implementação: Conteneriza e implementa agentes em qualquer lugar
• Avaliação Integrada: Avalia o desempenho do agente de forma sistemática
• Segurança e Proteção: Padrões integrados para agentes confiáveis

🎯 Caminho de Aprendizagem

Este curso intensivo cobre os conceitos essenciais do Google ADK através de tutoriais práticos:

📚 Tutoriais

1. 1_starter_agent - O teu primeiro agente ADK

• Criação básica de agentes
• Compreensão do fluxo de trabalho do ADK
• Processamento simples de texto

2. 2_model_agnostic_agent - Desenvolvimento de agentes agnósticos em relação a modelos

• 2.1 OpenAI Agent - Integração com OpenAI
• 2.2 Anthropic Claude Agent - Integração com Claude

3. 3_structured_output_agent - Respostas seguras em tipo

• 3.1 Customer Support Ticket Agent - Esquemas Pydantic
• 3.2 Email Agent - Validação de dados estruturados

4. 4_tool_using_agent - Agente com ferramentas

• 4.1 Built-in Tools - Pesquisa, Execução de Código
• 4.2 Function Tools - Funções Python personalizadas
• 4.3 Third-party Tools - LangChain, CrewAI
• 4.4 MCP Tools - Integração de ferramentas MCP

5. 5_memory_agent - Gestão de memória e sessões

• 5.1 In-Memory Conversation - Gestão básica de sessões
• 5.2 Persistent Conversation - Armazenamento em base de dados com SQLite

6. 6_callbacks - Padrões de callback e monitorização

• 6.1 Agent Lifecycle Callbacks - Monitoriza a criação e limpeza de agentes
• 6.2 LLM Interaction Callbacks - Acompanha pedidos e respostas do modelo
• 6.3 Tool Execution Callbacks - Monitoriza chamadas e resultados de ferramentas

7. 7_plugins - Sistema de plugins para preocupações transversais

• Gestão global de callbacks
• Modificação de pedidos/respostas
• Tratamento de erros e registo
• Análise de utilização e monitorização

8. 8_simple_multi_agent - Orquestração multi-agente

• 8.1 Multi-Agent Researcher - Pipeline de pesquisa com agentes especializados
• Agente coordenador com sub-agentes
• Fluxo de trabalho sequencial: Pesquisa → Resumir → Criticar
• Integração de pesquisa na web e análise abrangente

9. 9_multi_agent_patterns - Padrões Multi-Agente

• 9.1 Sequential Agent - Pipeline determinístico de sub-agentes (por exemplo, Rascunho → Crítica → Melhorar)
• 9.2 Loop Agent - Refinamento iterativo com uma condição de paragem explícita (máximo de iterações ou uma ferramenta de saída). Um loop de criação de tweet demonstra o padrão.
• 9.3 Parallel Agent - Executa múltiplos sub-agentes em simultâneo e funde resultados.

🛠️ Pré-requisitos

Antes de começares este curso intensivo, assegura-te de que tens:

• Python 3.11+ instalado
• Google AI API Key do Google AI Studio
• Compreensão básica de Python e APIs

📖 Como Usar Este Curso

Cada tutorial segue uma estrutura consistente:

• README.md: Explicação do conceito e objetivos de aprendizagem
• Ficheiro Python: Contém a implementação do agente e a aplicação Streamlit
• requirements.txt: Dependências para o tutorial

Abordagem de Aprendizagem:

1. Lê o README para entender o conceito
2. Examina o código para ver a implementação
3. Executa o exemplo para vê-lo em ação
4. Experimenta modificando o código
5. Avança para o próximo tutorial quando estiveres pronto

🎯 Características do Tutorial

Cada tutorial inclui:

• ✅ Explicação clara do conceito
• ✅ Exemplos de código mínimos e funcionais
• ✅ Casos de uso do mundo real
• ✅ Instruções passo a passo
• ✅ Melhores práticas e dicas

📚 Recursos Adicionais

• Documentação do Google ADK
• Google AI Studio
• Referência da API Gemini
• Documentação do Pydantic

🤝 Contribuições

Sente-te à vontade para contribuir com melhorias, correções de bugs ou tutoriais adicionais. Cada tutorial deve:

• Ser autónomo e executável
• Incluir documentação clara
• Seguir a estrutura estabelecida
• Usar código mínimo e compreensível