LlmAgent

LlmAgent は、推論と意思決定に Large Language Model を使用する ADK-Rust におけるコアなエージェント型です。

クイックスタート

新しいプロジェクトを作成します:

cargo new llm_agent
cd llm_agent

Cargo.toml に依存関係を追加します:

[dependencies]
adk-rust = "2.0.0"
tokio = { version = "1.40", features = ["full"] }
dotenvy = "0.15"
serde_json = "1.0"

API キーを使って .env を作成します:

echo 'GOOGLE_API_KEY=your-api-key' > .env

src/main.rs を置き換えます:

use adk_rust::prelude::*;
use adk_rust::{SessionId, UserId};
use adk_rust::Launcher;
use std::sync::Arc;

#[tokio::main]
async fn main() -> std::result::Result<(), Box<dyn std::error::Error>> {
    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")
        .instruction("You are a helpful assistant.")
        .model(Arc::new(model))
        .build()?;

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

実行します:

cargo run

エージェントとの対話

対話型プロンプトが表示されます:

🤖 Agent ready! Type your questions (or 'exit' to quit).

You: Hello! What can you help me with?
Assistant: Hello! I'm a helpful assistant. I can help you with:
- Answering questions on various topics
- Explaining concepts clearly
- Having a conversation

What would you like to know?

You: exit
👋 Goodbye!

---

指示でエージェントの振る舞いを形作る

instruction() メソッドは、エージェントの個性と振る舞いを定義します。これは、すべての応答を導く システムプロンプト です:

// A formal business assistant
let formal_agent = LlmAgentBuilder::new("formal_assistant")
    .instruction("You are a professional business consultant. \
                 Use formal language. Be concise and data-driven.")
    .model(Arc::new(model))
    .build()?;

// A friendly coding tutor
let tutor_agent = LlmAgentBuilder::new("code_tutor")
    .instruction("You are a friendly coding tutor for beginners. \
                 Explain concepts simply. Use examples. \
                 Encourage questions. Never make the user feel bad for not knowing.")
    .model(Arc::new(model))
    .build()?;

// A creative storyteller
let story_agent = LlmAgentBuilder::new("storyteller")
    .instruction("You are a creative storyteller. \
                 Craft engaging narratives with vivid descriptions. \
                 Use plot twists and memorable characters.")
    .model(Arc::new(model))
    .build()?;

出力例

ユーザープロンプト: "What is Rust?"

フォーマルなビジネスアシスタント:

Rust is a systems programming language focused on performance, memory safety, 
and concurrency. Key metrics: 0 runtime overhead, 0 garbage collection. 
Adoption growing 30% YoY in enterprise. Recommended for performance-critical 
applications where reliability is paramount.

親しみやすいコーディングチューター:

Great question! 🎉 Rust is a programming language that helps you write fast 
and safe code. Think of it like a helpful friend who stops you from making 
mistakes before they happen!

Here's a simple example:
  let name = "Alice";  // This creates a variable

What makes Rust special is that it catches bugs at compile time, not when 
your program is running. Pretty cool, right? Want me to explain more?

創造的なストーリーテラー:

In the twilight of 2010, in a secret Mozilla laboratory, a lone developer 
named Graydon Hoare breathed life into something extraordinary—a language 
that would challenge the old gods of C and C++.

They called it Rust, named for a fungus that survives against all odds. 
Like a phoenix rising from the ashes of segmentation faults and memory 
leaks, Rust promised a new era: speed without sacrifice, power without peril.

And so, the revolution began...

指示のテンプレート化

指示は、{var} 構文を使った変数注入をサポートしています。変数は実行時にセッション状態から解決されます:

let agent = LlmAgentBuilder::new("personalized")
    .instruction("You are helping {user_name}. Their role is {user_role}. \
                 Tailor your responses to their expertise level.")
    .model(Arc::new(model))
    .build()?;

テンプレートを使うための手順:

1. エージェントを作成 し、指示にテンプレート変数を含める
2. 状態を管理するために Runner と SessionService を設定 する
3. テンプレートに一致する状態変数を持つ セッションを作成 する
4. エージェントを実行 する - テンプレートは自動的に置き換えられます

完全に動作する例を以下に示します:

use adk_rust::prelude::*;
use adk_rust::{SessionId, UserId};
use adk_rust::runner::{Runner, RunnerConfig};
use adk_rust::session::{CreateRequest, InMemorySessionService, SessionService};
use adk_rust::futures::StreamExt;
use serde_json::json;
use std::collections::HashMap;
use std::sync::Arc;

#[tokio::main]
async fn main() -> std::result::Result<(), Box<dyn std::error::Error>> {
    dotenvy::dotenv().ok();
    let api_key = std::env::var("GOOGLE_API_KEY")?;
    let model = GeminiModel::new(&api_key, "gemini-2.5-flash")?;

    // 1. Agent with templated instruction
    let agent = LlmAgentBuilder::new("personalized")
        .instruction("You are helping {user_name}. Their role is {user_role}. \
                     Tailor your responses to their expertise level.")
        .model(Arc::new(model))
        .build()?;

    // 2. Create session service and runner
    let session_service = Arc::new(InMemorySessionService::new());
    let runner = Runner::new(RunnerConfig {
        app_name: "templating_demo".to_string(),
        agent: Arc::new(agent),
        session_service: session_service.clone(),
        artifact_service: None,
        memory_service: None,
        run_config: None,
    })?;

    // 3. Create session with state variables
    let mut state = HashMap::new();
    state.insert("user_name".to_string(), json!("Alice"));
    state.insert("user_role".to_string(), json!("Senior Developer"));

    let session = session_service.create(CreateRequest {
        app_name: "templating_demo".to_string(),
        user_id: "user123".to_string(),
        session_id: None,
        state,
    }).await?;

    // 4. Run the agent - instruction becomes:
    // "You are helping Alice. Their role is Senior Developer..."
    let mut response_stream = runner.run(
        UserId::new("user123")?,
        SessionId::new(session.id())?,
        Content::new("user").with_text("Explain async/await in Rust"),
    ).await?;

    // Print the response
    while let Some(event) = response_stream.next().await {
        let event = event?;
        if let Some(content) = event.content() {
            for part in &content.parts {
                if let Part::Text { text } = part {
                    print!("{}", text);
                }
            }
        }
    }

    Ok(())
}

テンプレート変数の種類:

出力例:

Template: "You are helping {user_name}. Their role is {user_role}."
Becomes: "You are helping Alice. Their role is Senior Developer."

エージェントは、その後ユーザーの名前と専門レベルに基づいてパーソナライズされた内容で応答します！

---

ツールの追加

ツールは、エージェントに会話以上の能力を与えます。データの取得、計算、Web 検索、または外部の APIs の呼び出しができます。LLM は、ユーザーの要求に基づいてツールを使うタイミングを決定します。

ツールの動作

1. エージェントがユーザーメッセージを受信 → 「東京の天気は？」
2. LLM がツール呼び出しを決定 → get_weather を {"city": "Tokyo"} で選択
3. ツールが実行される → {"temperature": "22°C", "condition": "sunny"} を返す
4. LLM が応答を整形 → 「東京の天気は晴れで、気温は 22°C です。」

FunctionTool を使ってツールを作成する

FunctionTool はツールを作成する最も簡単な方法です。任意の非同期 Rust 関数をラップすると、LLM がそれを呼び出せます。名前、説明、そして JSON 引数を受け取り JSON の結果を返すハンドラー関数を指定します。

let weather_tool = FunctionTool::new(
    "get_weather",                              // Tool name (used by LLM)
    "Get the current weather for a city",       // Description (helps LLM decide when to use it)
    |_ctx, args| async move {                   // Handler function
        let city = args.get("city")             // Extract arguments from JSON
            .and_then(|v| v.as_str())
            .unwrap_or("unknown");
        Ok(json!({ "city": city, "temperature": "22°C" }))  // Return JSON result
    },
);

組み込みの provider-native tools は、同じエージェント内で FunctionTool のインスタンスと混在できるようになりました。ADK はネイティブなツール宣言を provider に転送しつつ、通常の関数ツールはローカルで実行します。

複数ツールのエージェントを構築する

新しいプロジェクトを作成します:

cargo new tool_agent
cd tool_agent

Cargo.toml に依存関係を追加します:

[dependencies]
adk-rust = { version = "2.0.0", features = ["tools"] }
tokio = { version = "1.40", features = ["full"] }
dotenvy = "0.15"
serde_json = "1.0"

.env を作成します:

echo 'GOOGLE_API_KEY=your-api-key' > .env

src/main.rs を、3 つのツールを持つエージェントに置き換えます:

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

#[tokio::main]
async fn main() -> std::result::Result<(), Box<dyn std::error::Error>> {
    dotenvy::dotenv().ok();
    let api_key = std::env::var("GOOGLE_API_KEY")?;
    let model = GeminiModel::new(&api_key, "gemini-2.5-flash")?;

    // Tool 1: Weather lookup
    let weather_tool = FunctionTool::new(
        "get_weather",
        "Get the current weather for a city. Parameters: city (string)",
        |_ctx, args| async move {
            let city = args.get("city").and_then(|v| v.as_str()).unwrap_or("unknown");
            Ok(json!({ "city": city, "temperature": "22°C", "condition": "sunny" }))
        },
    );

    // Tool 2: Calculator
    let calculator = FunctionTool::new(
        "calculate",
        "Perform arithmetic. Parameters: a (number), b (number), operation (add/subtract/multiply/divide)",
        |_ctx, args| async move {
            let a = args.get("a").and_then(|v| v.as_f64()).unwrap_or(0.0);
            let b = args.get("b").and_then(|v| v.as_f64()).unwrap_or(0.0);
            let op = args.get("operation").and_then(|v| v.as_str()).unwrap_or("add");
            let result = match op {
                "add" => a + b,
                "subtract" => a - b,
                "multiply" => a * b,
                "divide" => if b != 0.0 { a / b } else { 0.0 },
                _ => 0.0,
            };
            Ok(json!({ "result": result }))
        },
    );

    // Tool 3: Built-in Google Search (Note: Currently unsupported in ADK-Rust)
    // let search_tool = GoogleSearchTool::new();

    // Build agent with weather and calculator tools
    let agent = LlmAgentBuilder::new("multi_tool_agent")
        .instruction("You are a helpful assistant. Use tools when needed: \
                     - get_weather for weather questions \
                     - calculate for math")
        .model(Arc::new(model))
        .tool(Arc::new(weather_tool))
        .tool(Arc::new(calculator))
        // .tool(Arc::new(search_tool))  // Currently unsupported
        .build()?;

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

エージェントを実行します:

cargo run

例のやり取り

You: What's 15% of 250?
Assistant: [Using calculate tool with a=250, b=0.15, operation=multiply]
15% of 250 is 37.5.

You: What's the weather in Tokyo?
Assistant: [Using get_weather tool with city=Tokyo]
The weather in Tokyo is sunny with a temperature of 22°C.

You: Search for latest Rust features
Assistant: I don't have access to search functionality at the moment, but I can help with other questions about Rust or perform calculations!

---

JSON Schema を使った構造化出力

構造化データが必要なアプリケーションでは、output_schema() を使います:

use adk_rust::prelude::*;
use serde_json::json;
use std::sync::Arc;

#[tokio::main]
async fn main() -> std::result::Result<(), Box<dyn std::error::Error>> {
    dotenvy::dotenv().ok();
    let api_key = std::env::var("GOOGLE_API_KEY")?;
    let model = GeminiModel::new(&api_key, "gemini-2.5-flash")?;

    let extractor = LlmAgentBuilder::new("entity_extractor")
        .instruction("Extract entities from the given text.")
        .model(Arc::new(model))
        .output_schema(json!({
            "type": "object",
            "properties": {
                "people": {
                    "type": "array",
                    "items": { "type": "string" }
                },
                "locations": {
                    "type": "array",
                    "items": { "type": "string" }
                },
                "dates": {
                    "type": "array",
                    "items": { "type": "string" }
                }
            },
            "required": ["people", "locations", "dates"]
        }))
        .build()?;

    println!("Entity extractor ready!");
    Ok(())
}

Provider が Schema を強制する方法

output_schema は GenerateContentConfig::response_schema として provider に送られます。provider がそれをどう扱うかは異なりますが、いずれの場合もエージェントは結果を検証します:

プロバイダーが構文のみを強制する場合、あるいは何も強制しない場合でも、エージェントはスキーマを指示として注入し、応答を検証するため、準拠していない回答は不正なデータを返す代わりに再試行の対象になります。

注: DeepSeek は、JSON が有効なときにプロンプト内へ "json" という語が含まれていることを要求します。そうでない場合、API は空のコンテンツを返すことがあります。アダプターは、あなたのプロンプトにその記述がまだ含まれていない場合、自動的にその言及を追加します。

JSON 出力例

入力: "John met Sarah in Paris on December 25th"

出力:

{
  "people": ["John", "Sarah"],
  "locations": ["Paris"],
  "dates": ["December 25th"]
}

---

高度な機能

内容を含める

会話履歴の可視性を制御します:

// Full history (default)
.include_contents(IncludeContents::Default)

// Stateless - sees only injected instructions plus the current user turn
.include_contents(IncludeContents::None)

出力キー

エージェントの応答をセッション状態に保存します:

.output_key("summary")  // Response saved to state["summary"]

動的指示

実行時に指示を計算します:

.instruction_provider(|ctx| {
    Box::pin(async move {
        let user_id = ctx.user_id();
        Ok(format!("You are assisting user {}.", user_id))
    })
})

コールバック

エージェントの動作をインターセプトします:

.before_model_callback(|ctx, request| {
    Box::pin(async move {
        println!("About to call LLM with {} messages", request.contents.len());
        Ok(BeforeModelResult::Continue)
    })
})

---

ビルダーリファレンス

イテレーション制御

max_iterations() メソッドは、エージェントが停止するまでに行える LLM の往復回数を制限します。これは次の用途に役立ちます。

• 制御不能なツール呼び出しループの防止
• 本番環境でのコスト管理
• 複雑なタスクに対する妥当な上限の設定

let agent = LlmAgentBuilder::new("bounded_agent")
    .model(Arc::new(model))
    .instruction("You are a helpful assistant.")
    .tool(Arc::new(my_tool))
    .max_iterations(10)  // Stop after 10 LLM calls
    .build()?;

デフォルトは 100 イテレーションで、ほとんどのユースケースには十分です。単純な Q&A エージェントには低い値（5〜20）が推奨されますが、複雑な多段階推論タスクではより高い値が必要になる場合があります。

---

動的ツールセット

呼び出しコンテキストに依存するツール（例: ユーザーごとのブラウザーセッション）には、.tool() ではなく .toolset() を使用します。ツールセットは各 run() 呼び出しの開始時に解決されます。

use adk_browser::{BrowserSessionPool, BrowserToolset, BrowserConfig};
use adk_agent::LlmAgentBuilder;
use std::sync::Arc;

let pool = Arc::new(BrowserSessionPool::new(BrowserConfig::new(), 10));
let toolset = Arc::new(BrowserToolset::with_pool(pool));

let agent = LlmAgentBuilder::new("web_agent")
    .model(model)
    .instruction("You are a web automation assistant.")
    .toolset(toolset)  // Resolved per-user at runtime
    .build()?;

同じエージェント上で静的な .tool() と動的な .toolset() を組み合わせることができます。静的ツールとツールセットの間でツール名が重複すると、決定論的なエラーが発生します。

RealtimeAgentBuilder は同じ意味で .toolset() もサポートしているため、リアルタイム音声エージェントでも動的なツール解決が行われます。

ツールセットの構成

adk-tool の FilteredToolset、MergedToolset、PrefixedToolset を使って、複雑なツールセット構成を組み立てます。

use adk_tool::{BasicToolset, FilteredToolset, MergedToolset, PrefixedToolset, string_predicate};

// Prefix weather tools to avoid name collisions
let weather = Arc::new(PrefixedToolset::new(weather_toolset, "wx"));

// Filter utility tools to only expose search and calculate
let utils = Arc::new(FilteredToolset::new(
    utility_toolset,
    string_predicate(vec!["search".into(), "calculate".into()]),
));

// Merge into a single toolset
let composed = MergedToolset::new("all", vec![weather, utils]);

let agent = LlmAgentBuilder::new("agent")
    .model(model)
    .toolset(Arc::new(composed))
    .build()?;

すべての構成ユーティリティは、McpToolset や BrowserToolset を含む任意の Toolset 実装で動作します。

並列ツール実行

LLM が 1 回の応答で複数のツール呼び出しを返す場合、それらの配信方法を制御できます。

use adk_core::ToolExecutionStrategy;

let agent = LlmAgentBuilder::new("fast_agent")
    .model(Arc::new(model))
    .instruction("You are a research assistant. Use multiple tools in parallel.")
    // Auto requires both safety signals for concurrent inclusion
    .tool_execution_strategy(ToolExecutionStrategy::Auto)
    .tool(Arc::new(
        search_tool
            .with_read_only(true)
            .with_concurrency_safe(true),
    ))
    .tool(Arc::new(
        lookup_tool
            .with_read_only(true)
            .with_concurrency_safe(true),
    ))
    .tool(Arc::new(save_tool)) // runs after the concurrent safe subset
    .build()?;

利用可能な戦略は 3 つです。

• Sequential（デフォルト）— ツールは LLM の順序で 1 つずつ実行される
• Parallel — すべてのツールが同時に実行される。この明示的な上書きは安全メタデータをバイパスするため、安全性は呼び出し側が責任を持つ
• Auto — ツールが読み取り専用かつ同時実行安全な呼び出しを最初に並列実行し、残りの呼び出しはその後順次実行される

結果は、戦略に関係なく常に元の LLM 順序で返されます。失敗したツールは、バッチを中断せずに JSON エラー応答を生成します。

戦略は LlmAgentBuilder::tool_execution_strategy() を通じてエージェントごとに設定します。設定されていない場合、デフォルトは Sequential です。

ツールの堅牢性

本番用エージェント向けに、リトライ予算とサーキットブレーカーを設定します。

use adk_core::RetryBudget;
use std::time::Duration;

let agent = LlmAgentBuilder::new("resilient_agent")
    .model(model)
    .tool(Arc::new(my_tool))
    // Retry all tools up to 2 times with 500ms delay
    .default_retry_budget(RetryBudget::new(2, Duration::from_millis(500)))
    // Override for a specific tool
    .tool_retry_budget("flaky_api", RetryBudget::new(4, Duration::from_secs(1)))
    // Disable a tool after 3 consecutive failures in one invocation
    .circuit_breaker_threshold(3)
    // Provide a fallback when a tool fails
    .on_tool_error(Box::new(|_ctx, tool, _args, error| {
        Box::pin(async move {
            tracing::warn!(tool = tool.name(), %error, "tool failed");
            Ok(None) // None = propagate error; Some(value) = use as fallback
        })
    }))
    .build()?;

ツール後コールバックは、CallbackContext::tool_outcome() を介して構造化された ToolOutcome メタデータを検査できます。

.after_tool_callback(Box::new(|ctx| {
    Box::pin(async move {
        if let Some(outcome) = ctx.tool_outcome() {
            println!(
                "Tool '{}' {} in {:?} (attempt {})",
                outcome.tool_name,
                if outcome.success { "succeeded" } else { "failed" },
                outcome.duration,
                outcome.attempt,
            );
        }
        Ok(None)
    })
}))

---

完全な例

複数のツール（天気、計算機、検索）を備え、出力がセッション状態に保存される本番対応のエージェント:

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

#[tokio::main]
async fn main() -> std::result::Result<(), Box<dyn std::error::Error>> {
    dotenvy::dotenv().ok();
    let api_key = std::env::var("GOOGLE_API_KEY")?;
    let model = GeminiModel::new(&api_key, "gemini-2.5-flash")?;

    // Weather tool
    let weather = FunctionTool::new(
        "get_weather",
        "Get weather for a city. Parameters: city (string)",
        |_ctx, args| async move {
            let city = args.get("city").and_then(|v| v.as_str()).unwrap_or("unknown");
            Ok(json!({
                "city": city,
                "temperature": "22°C",
                "humidity": "65%",
                "condition": "partly cloudy"
            }))
        },
    );

    // Calculator tool
    let calc = FunctionTool::new(
        "calculate",
        "Math operations. Parameters: expression (string like '2 + 2')",
        |_ctx, args| async move {
            let expr = args.get("expression").and_then(|v| v.as_str()).unwrap_or("0");
            Ok(json!({ "expression": expr, "result": "computed" }))
        },
    );

    // Build the full agent
    let agent = LlmAgentBuilder::new("assistant")
        .description("A helpful assistant with weather and calculation abilities")
        .instruction("You are a helpful assistant. \
                     Use the weather tool for weather questions. \
                     Use the calculator for math. \
                     Be concise and friendly.")
        .model(Arc::new(model))
        .tool(Arc::new(weather))
        .tool(Arc::new(calc))
        // .tool(Arc::new(GoogleSearchTool::new()))  // Provider-native tools can be mixed with FunctionTool
        .output_key("last_response")
        .build()?;

    println!("✅ Agent '{}' ready!", agent.name());
    Launcher::new(Arc::new(agent)).run().await?;
    Ok(())
}

次のプロンプトを試してください。

You: What's 25 times 4?
Assistant: It's 100.

You: How's the weather in New York?
Assistant: The weather in New York is partly cloudy with a temperature of 22°C and 65% humidity.

You: Calculate 15% tip on $85
Assistant: A 15% tip on $85 is $12.75, making the total $97.75.

---

関連

• ワークフローエージェント - 順次、並列、ループの各エージェント
• マルチエージェントシステム - エージェント階層の構築
• 関数ツール - カスタムツールの作成
• コールバック - エージェントの動作をインターセプトする

---

前へ: クイックスタート | 次へ: ワークフローエージェント →