🏆SFEIR est le Google Cloud EMEA Training Partner of the Year 2025🤝Nouveau partenariat : Formations GitLab officielles🤖Nouvelle formation : Développeur Augmenté par l'IA
🏆SFEIR est le Google Cloud EMEA Training Partner of the Year 2025🤝Nouveau partenariat : Formations GitLab officielles🤖Nouvelle formation : Développeur Augmenté par l'IA
GCP300BUILDADK

Formation Créer des agents avec l'Agent Development Kit

Dans ce cours, vous apprendrez à utiliser l'Agent Development Kit (ADK) pour construire des systèmes où plusieurs agents d'IA collaborent sur des tâches complexes. Vous commencerez par le modèle d'agent ADK : comment l'ADK représente les agents, les outils et les runners, et comment un agent unique est configuré et exécuté. Vous rendrez ensuite des outils appelables par le modèle, persisterez l'état de session entre les agents, et instrumenterez le cycle de vie d'exécution avec des callbacks et des plugins. Vous orchestrerez ensuite plusieurs agents à l'aide des template workflow agents de l'ADK et des workflows basés sur des graphes, et les ancrerez dans les données d'entreprise via la récupération multi-source et les intégrations MCP. Enfin, vous déploierez un système multi-agents sur Agent Runtime en tant que service managé, puis l'enregistrerez et le partagerez via Gemini Enterprise pour que les utilisateurs de toute l'organisation puissent y accéder.

Google Cloud
✓ Formation officielle Google CloudNiveau Avancé⏱️ 1 jour (7h)

Ce que vous allez apprendre

  • Décrire le modèle d'agent ADK, y compris la configuration de l'agent, les outils et le runner.
  • Expliquer comment l'ADK construit les schémas d'outils, comment l'état de session persiste entre les agents, et comment les callbacks et les plugins instrumentent le comportement de l'agent.
  • Construire des workflows multi-agents à l'aide des template workflow agents de l'ADK et des workflows basés sur des graphes et collaboratifs de l'ADK 2.0.
  • Ancrer les agents dans les données d'entreprise à l'aide des outils de grounding de l'ADK, de la récupération multi-source et des intégrations MCP externes.
  • Déployer un système multi-agents sur Agent Runtime, puis l'enregistrer et le partager via Gemini Enterprise.

Prérequis

  • Connaissance des LLM et de l'intégration d'API
  • Concepts d'architecture logicielle

Public cible

  • Développeurs et ingénieurs logiciels, Ingénieurs Platform et DevOps, Architectes techniques / architectes de solutions

Programme de la Formation

12 modules pour maîtriser les fondamentaux

Objectifs
  • Décrire les responsabilités des quatre composants clés de l'ADK et comment ils se coordonnent pour exécuter la boucle de raisonnement d'un agent
  • Configurer un agent fonctionnel en définissant ses paramètres essentiels : un nom unique, un modèle spécifique et une instruction principale
Sujets abordés
  • →Présentation du framework ADK et cas d'usage en entreprise
  • →Les quatre composants clés de l'ADK
  • →Interaction des composants et cycle de vie d'exécution
Objectifs
  • Construire un agent simple avec l'ADK et le configurer avec des paramètres optionnels
Sujets abordés
  • →Prérequis d'un agent ADK
  • →Paramètres optionnels
Objectifs
  • Construire un répertoire de travail d'agent avec la CLI ADK
  • Exécuter des agents en local et les tester avec la commande adk web
  • Expliquer la boucle de développement ADK et comment elle vous accompagne à chaque étape
Sujets abordés
  • →Créer un scaffolding pour votre projet
  • →Exécuter l'agent en local
  • →Utiliser adk web pour tester l'agent dans le navigateur
Objectifs
  • Expliquer comment l'ADK s'appuie sur le nom, la docstring et les types de paramètres d'une fonction Python pour construire le schéma d'outil qui informe le raisonnement du modèle
  • Écrire des noms de fonctions très descriptifs et des docstrings explicites
Sujets abordés
  • →Génération automatique de schéma
  • →Composants d'outils
  • →Dépendances inter-outils
Objectifs
  • Implémenter ToolContext dans un outil Python personnalisé pour gérer de manière sécurisée l'authentification, lire et écrire l'état de session cadré, et gérer de gros volumes de données sous forme d'artefacts
Sujets abordés
  • →Les 4 capacités offertes par ToolContext
Activités

Doter les agents ADK d'outils

Objectifs
  • Catégoriser les quatre portées d'état de session pour déterminer le préfixe et la durée de vie corrects selon les types de données d'agent
  • Implémenter des modifications d'état sûres en utilisant exclusivement des contextes managés et le paramètre output_key
  • Concevoir un workflow multi-agents qui utilise l'état d'invocation partagé et le pattern output_key
Sujets abordés
  • →Portées de l'état de session
  • →Écrire l'état de manière sûre
  • →L'état comme mécanisme de coordination
Objectifs
  • Comprendre quand un agent unique atteint ses limites en raison de la fenêtre de contexte, du besoin de spécialisation des tâches et du besoin de parallélisme
  • Utiliser les trois template agents déterministes de l'ADK pour des tâches concurrentes et indépendantes
  • Utiliser une logique de décision pour déterminer la forme d'orchestration correcte selon les dépendances entre tâches
Sujets abordés
  • →Orchestration multi-agents
  • →Collaboration des workflow agents
Objectifs
  • Expliquer comment la classe Workflow de l'ADK 2.0 utilise des nœuds et des arêtes pour modéliser des chemins d'exécution complexes qui ne rentrent pas dans les templates séquentiels ou en boucle standard
  • Construire un mécanisme de routage conditionnel dans un workflow en graphe
  • Concevoir une architecture de fan-out parallèle à l'aide d'un JoinNode pour orchestrer plusieurs agents indépendants en simultané
Sujets abordés
  • →Fondamentaux des workflows basés sur des graphes
  • →Routage conditionnel
  • →Fan-out parallèle et jointures
Objectifs
  • Différencier les trois modes de délégation et expliquer les cas d'usage appropriés pour chacun lors du transfert de responsabilités
  • Configurer un agent coordinateur avec des sub_agents définis et des instructions explicites pour router précisément les requêtes utilisateur depuis un agent coordinateur
Sujets abordés
  • →Agents coordinateurs
  • →Modes de délégation
  • →Contraintes de collaboration
Activités

Construire et déployer des systèmes multi-agents ADK vers Gemini Enterprise

Objectifs
  • Différencier les outils de grounding sur données structurées et non structurées dans l'ADK, et identifier leurs risques respectifs, comme l'hallucination de schéma ou la dérive sémantique
  • Implémenter un agent de routage basé sur l'intention qui évalue dynamiquement la requête d'un utilisateur et la dirige vers l'outil de récupération approprié
  • Évaluer les bénéfices du Model Context Protocol pour découpler la logique de l'agent de l'exécution des outils, et utiliser McpToolset
Sujets abordés
  • →Concepts et outils clés de grounding
  • →Routage multi-source
  • →Model Context Protocol (MCP)
Objectifs
  • Décrire les quatre piliers clés de la Gemini Enterprise Agent Platform et identifier les outils et services qui soutiennent chaque phase du cycle de vie de l'agent
  • Différencier les cas d'usage des Agent Sessions et de l'Agent Memory Bank pour configurer un agent qui rappelle le contexte conversationnel immédiat ou les préférences utilisateur à long terme
Sujets abordés
  • →Présentation de la Gemini Enterprise Agent Platform
  • →Fonctionnalités de scalabilité
  • →Runtimes alternatifs
Objectifs
  • Comparer la CLI ADK standard avec l'Agents CLI pour déterminer le chemin de déploiement approprié
  • Décrire les quatre étapes du cycle de vie complet de l'agent, et expliquer pourquoi rédiger une description d'agent précise lors de la phase d'enregistrement est critique pour le routage piloté par l'IA de la plateforme
Sujets abordés
  • →CLI ADK vs. Agents CLI
  • →Configuration du SDK et sources de déploiement
  • →Le cycle de vie complet de l'agent
  • →Partager des agents

Formations associées

Google Cloud

Déployer des systèmes multi-agents avec l'Agent Development Kit et l'Agent Engine

Dans ce cours, vous apprendrez à utiliser le Google Agent Development Kit pour construire des systèmes multi-agents complexes. Vous construirez des agents équipés d'outils et les connecterez avec des relations parent-enfant et des flux pour définir comment ils interagissent. Vous exécuterez vos agents localement et les déploierez sur Vertex AI Agent Engine pour qu'ils fonctionnent comme un flux agentique géré, avec les décisions d'infrastructure et la mise à l'échelle des ressources gérées par Agent Engine.

1 j
Avancé
Google Cloud

Créer des agents avec Antigravity et l'Agents CLI

Dans ce cours, vous apprendrez à créer des agents d'entreprise sur la Gemini Enterprise Agent Platform. Vous découvrirez pourquoi les tâches métier réelles nécessitent des agents autonomes et comment tirer parti d'Antigravity et de l'Agent CLI pour transformer et automatiser votre workflow de développement ADK. Vous apprendrez à gérer les agents, en examinant comment la plateforme se divise en un control plane qui définit les agents et un data plane qui les exécute via la Managed Agents API. À travers des leçons conceptuelles et un lab pratique de création d'un agent de zéro, vous apprendrez à assembler les composants d'un agent, à exécuter des boucles reason-act résilientes, à gérer un état persistant multi-tours et à assurer la scalabilité sur vos projets d'IA d'entreprise.

0.5 j
Avancé
Google Cloud

Créer des agents prêts pour la production sur Google Cloud

Dans cette formation, vous utiliserez vos connaissances en développement d'agents avec l'Agent Development Kit pour mettre en production des agents via la pile agentique de Google sur Google Cloud. Après avoir revu la pile agentique et les différentes cibles de déploiement, vous construirez un agent utilisant les services de session, de mémoire et d'exemples disponibles sur Google Cloud. Vous intégrerez des outils externes via le Model Context Protocol (MCP) et communiquerez avec d'autres agents via le protocole Agent2Agent (A2A). Enfin, vous concevrez des applications en intégrant les interactions humain-agent.

1 j
Avancé
Voir toutes les formations →

Prochaines sessions

Aucune date ne vous convient ?

Nous organisons régulièrement de nouvelles sessions. Contactez-nous pour connaître les prochaines dates disponibles ou pour organiser une session à la date de votre choix.

S'inscrire à une date personnalisée

Processus Qualité

L'engagement de SFEIR Institute : une démarche d'excellence pour garantir la qualité et la réussite de toutes nos formations. En savoir plus sur notre démarche qualité

Méthodes pédagogiques mobilisées
  • Lectures / Apports théoriques (Slides) — Présentation de concepts via des supports visuels (PowerPoint, PDF).
  • Démonstration technique (Démos) — Le formateur réalise une manipulation ou une procédure devant les apprenants.
  • Laboratoires dirigés (Labs) — Mise en pratique guidée sur logiciel, machine ou environnement technique.
Dispositif d'évaluation et de suivi

L'atteinte des objectifs de la formation est évaluée à plusieurs niveaux pour garantir la qualité de la prestation :

  • Évaluation continue des acquis : Vérification des connaissances tout au long de la formation via des méthodes participatives (en fonction de la formation: quiz, exercices pratiques, mises en situation) sous la supervision du formateur.
  • Mesure de la progression : Dispositif d'auto-évaluation comparatif comprenant un diagnostic initial pour situer le niveau de départ, suivi d'une évaluation finale pour valider l'évolution des compétences.
  • Évaluation de la qualité : Questionnaire de satisfaction en fin de session pour mesurer la pertinence et l'efficacité de la formation ressentie par les participants.

Questions fréquentes

Aux développeurs et ingénieurs logiciels, aux ingénieurs Platform et DevOps, et aux architectes techniques et architectes de solutions.
Une connaissance des LLM et de l'intégration d'API, ainsi que des concepts d'architecture logicielle.
Vous décrirez le modèle d'agent ADK (configuration de l'agent, outils et runner), vous comprendrez comment l'ADK construit les schémas d'outils et fait persister l'état de session entre les agents, vous construirez des workflows multi-agents, vous ancrerez les agents dans les données d'entreprise, puis vous déploierez un système multi-agents sur Agent Runtime avant de l'enregistrer et de le partager via Gemini Enterprise.
Oui. Elle couvre les workflows en graphe et collaboratifs de l'ADK 2.0, dont le routage conditionnel et les fan-out parallèles avec jointures, ainsi que le grounding des agents par récupération multi-source et intégrations MCP externes.
Deux labs : « Empower ADK agents with tools » et « Build and Deploy Multi-Agent ADK Systems to Gemini Enterprise ».
La formation dure 1 jour (7 heures) et est animée par un formateur SFEIR Institute. Elle alterne théorie et labs pratiques.
Oui. Il s'agit d'une formation officielle Google Cloud dispensée par SFEIR Institute, partenaire certifié Google Cloud Training.

790€ € HT

par apprenant

RéserverDevis