Schnellstart

Erstelle deinen ersten KI-Agenten in unter 5 Minuten.

Voraussetzungen

• Rust 1.95.0 oder höher (rustup update stable)
• Einen Google API-Schlüssel (hier einen holen)

Schritt 1: Erstelle die Projektgrundstruktur

cargo install cargo-adk
cargo adk new my_agent
cd my_agent

Dies erzeugt ein funktionsfähiges Projekt mit den richtigen Abhängigkeiten und dem erforderlichen Grundgerüst.

Andere Vorlagen

# Agent with custom tools using #[tool] macro
cargo adk new my_agent --template tools

# RAG agent with Gemini embeddings and in-memory vector search
cargo adk new my_agent --template rag

# REST API server ready for deployment
cargo adk new my_agent --template api

# OpenAI GPT-5-mini agent
cargo adk new my_agent --template openai

# A2A protocol agent with builder API
cargo adk new my_agent --template a2a

# Use any provider with any template
cargo adk new my_agent --template tools --provider anthropic

# Add optional addons to any template
cargo adk new my_agent --template tools --addon docker --addon ci

Tipp: Verwende das --addon-Flag, um Vorlagen mit optionalen Add-ons wie docker, ci, telemetry und mehr zusammenzustellen. Siehe die Seite Composable Templates für die vollständige Liste von 9 Add-ons und 5 Enterprise-Mustern.

Schritt 2: Füge deinen API-Schlüssel hinzu

cp .env.example .env
# Edit .env and add your GOOGLE_API_KEY

Schritt 3: Ausführen

cargo run

Das ist alles — du hast jetzt einen funktionierenden Agenten. Chatte mit ihm in deinem Terminal.

ADK Console Mode
Agent: my_agent
Type your message and press Enter. Ctrl+C to exit.

> Hello! What can you help me with?

I'm a helpful AI assistant. I can help you with answering questions,
explaining concepts, and having a friendly conversation.

---

Zero-Config-Alternative — adk::run()

Wenn du einfach schnell einen Agenten ohne Scaffolding ausführen möchtest, verwende die Einzeile:

use adk_rust::run;

#[tokio::main]
async fn main() -> anyhow::Result<()> {
    dotenvy::dotenv().ok();
    // Minimal default: set GOOGLE_API_KEY. Add provider features for OpenAI/Anthropic.
    let response = run("You are a helpful assistant.", "Explain Rust in one sentence.").await?;
    println!("{response}");
    Ok(())
}

Dies übernimmt die Provider-Erkennung für kompilierte Provider, die Erstellung der Session, den Aufbau des Agenten und die Ausführung in einem einzigen Aufruf. Ideal für Skripte, Prototypen und schnelle Experimente.

---

Das generierte Code verstehen

Der scaffolded src/main.rs:

use adk_rust::prelude::*;
use adk_rust::Launcher;
use std::sync::Arc;

#[tokio::main]
async fn main() -> anyhow::Result<()> {
    dotenvy::dotenv().ok();
    let api_key = std::env::var("GOOGLE_API_KEY")?;

    let model = GeminiModel::new(&api_key, "gemini-2.5-flash")?;

    let agent = LlmAgentBuilder::new("my_agent")
        .description("A helpful AI assistant")
        .instruction("You are a friendly assistant. Be concise and helpful.")
        .model(Arc::new(model))
        .build()?;

    Launcher::new(Arc::new(agent)).run().await?;
    Ok(())
}

---

Eigene Tools hinzufügen

Der schnellste Weg, Tools hinzuzufügen, ist das #[tool]-Makro. Füge adk-tool zu deinen Abhängigkeiten hinzu:

[dependencies]
adk-tool = "2.0.0"
schemars = "1"
serde = { version = "1", features = ["derive"] }

Definiere dann ein Tool — der Doc-Comment wird zur Beschreibung, die Args-Struktur wird zum JSON-Schema:

use adk_tool::{tool, AdkError};
use schemars::JsonSchema;
use serde::Deserialize;
use serde_json::{json, Value};

#[derive(Deserialize, JsonSchema)]
struct WeatherArgs {
    /// The city to look up
    city: String,
}

/// Get the current weather for a city.
#[tool]
async fn get_weather(args: WeatherArgs) -> std::result::Result<Value, AdkError> {
    Ok(json!({ "temp": 22, "city": args.city, "condition": "sunny" }))
}

Das Makro erzeugt eine GetWeather-Struktur, die Tool implementiert. Füge sie deinem Agenten hinzu:

let agent = LlmAgentBuilder::new("weather_agent")
    .instruction("Use the get_weather tool for weather questions.")
    .model(Arc::new(model))
    .tool(Arc::new(GetWeather))  // Generated by #[tool]
    .build()?;

Tipp: Oder scaffold ein Projekt, in dem Tools bereits eingerichtet sind: cargo adk new my-agent --template tools

Eingebaute Tools

ADK enthält außerdem direkt nutzbare Tools:

// Google Search (handled server-side by Gemini)
.tool(Arc::new(GoogleSearchTool::new()))

// Exit a LoopAgent
.tool(Arc::new(ExitLoopTool::new()))

---

Als Webserver ausführen

Scaffold ein Serverprojekt, wenn du HTTP-Serving möchtest:

cargo adk new my-api --template api
cd my-api
cargo run

Die standardmäßige Basisschablone verwendet den leichten Console-Launcher für die schnellsten Installationen.

---

Andere Modelle verwenden

Aktiviere Provider über Feature-Flags. Der Standard-Build bleibt für schnelle Installationen auf Gemini beschränkt, also füge nur den Provider hinzu, den du brauchst:

[dependencies]
adk-rust = { version = "2.0.0", features = ["openai"] }

Oder scaffold mit einem Provider: cargo adk new my-agent --provider openai

OpenAI

let api_key = std::env::var("OPENAI_API_KEY")?;
let model = OpenAIClient::new(OpenAIConfig::new(api_key, "gpt-5-mini"))?;

Anthropic

let api_key = std::env::var("ANTHROPIC_API_KEY")?;
let model = AnthropicClient::new(AnthropicConfig::new(api_key, "claude-sonnet-4-6"))?;

DeepSeek

let api_key = std::env::var("DEEPSEEK_API_KEY")?;
let model = DeepSeekClient::chat(api_key)?;         // standard
// let model = DeepSeekClient::reasoner(api_key)?;   // chain-of-thought

Groq

let api_key = std::env::var("GROQ_API_KEY")?;
let model = GroqClient::new(GroqConfig::llama70b(api_key))?;

Ollama (Lokal)

// Requires: ollama serve && ollama pull llama3.2
let model = OllamaModel::new(OllamaConfig::new("llama3.2"))?;

Unterstützte Modelle

---

Nächste Schritte

• LlmAgent Konfiguration — alle Konfigurationsoptionen
• Funktions-Tools — benutzerdefinierte Tools mit #[tool] erstellen
• Workflow-Agents — sequentielle, parallele und Schleifen-Pipelines
• Sitzungen — Gesprächszustand verwalten
• Callbacks — Agentenverhalten anpassen

---

Vorherige: Einleitung | Nächste: LlmAgent