> ## Documentation Index
> Fetch the complete documentation index at: https://wb-21fd5541-feature-automate-reference-docs-generation.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.
# Google adk
추적할 수 있습니다 [Google Agent Development Kit (ADK)](https://google.github.io/adk-docs/) 에이전트 및 도구 호출을 Weave에서 [OpenTelemetry (OTEL)](https://opentelemetry.io/)을 사용하여. ADK는 AI 에이전트를 개발하고 배포하기 위한 유연하고 모듈식 프레임워크입니다. Gemini와 Google 생태계에 최적화되어 있지만, ADK는 모델에 구애받지 않고 배포에 구애받지 않습니다. 간단한 작업부터 복잡한 워크플로우까지 에이전트 아키텍처를 생성, 배포 및 오케스트레이션하기 위한 도구를 제공합니다.
이 가이드는 OTEL을 사용하여 ADK 에이전트 및 도구 호출을 추적하고 Weave에서 해당 추적을 시각화하는 방법을 설명합니다. 필요한 종속성을 설치하고, Weave에 데이터를 보내기 위한 OTEL 트레이서를 구성하고, ADK 에이전트 및 도구를 계측하는 방법을 배우게 됩니다.
Weave에서 OTEL 추적에 대한 자세한 내용은 [Send OTEL Traces to Weave](../tracking/otel.mdx)를 참조하세요.
## 사전 요구 사항
1. 필요한 종속성 설치:
```bash
pip install google-adk opentelemetry-sdk opentelemetry-exporter-otlp-proto-http
```
2. 환경 변수로 [Google API key](https://cloud.google.com/docs/authentication/api-keys)를 설정하세요:
```bash
export GOOGLE_API_KEY=your_api_key_here
```
3. [Weave에서 OTEL 추적 구성](#configure-otel-tracing-in-weave).
### Weave에서 OTEL 추적 구성
ADK에서 Weave로 추적을 보내려면 `TracerProvider`와 `OTLPSpanExporter`로 OTEL을 구성하세요. 내보내기를 [인증 및 프로젝트 식별을 위한 올바른 엔드포인트 및 HTTP 헤더](#required-configuration)로 설정하세요.
API 키 및 프로젝트 정보와 같은 민감한 환경 변수를 환경 파일(예: `.env`)에 저장하고 `os.environ`를 사용하여 로드하는 것이 좋습니다. 이렇게 하면 자격 증명이 안전하게 유지되고 코드베이스에서 제외됩니다.
### 필수 구성
* **Endpoint:** `https://trace.wandb.ai/otel/v1/traces`
* **Headers:**
* `Authorization`: W\&B API 키를 사용한 기본 인증
* `project_id`: W\&B 엔티티/프로젝트 이름(예: `myteam/myproject`)
## ADK에서 Weave로 OTEL 추적 보내기
다음 코드 스니펫은 ADK 애플리케이션에서 Weave로 OTEL 추적을 보내기 위해 OTLP 스팬 내보내기 및 트레이서 제공자를 구성하는 방법을 보여줍니다.
Weave가 ADK를 제대로 추적하도록 하려면 전역 트레이서 제공자를 *before* 코드에서 ADK 구성 요소를 사용하기 전에 설정하세요.
```python
import base64
import os
from opentelemetry.exporter.otlp.proto.http.trace_exporter import OTLPSpanExporter
from opentelemetry.sdk import trace as trace_sdk
from opentelemetry.sdk.trace.export import SimpleSpanProcessor
from opentelemetry import trace
# Load sensitive values from environment variables
WANDB_BASE_URL = "https://trace.wandb.ai"
# Your W&B entity/project name e.g. "myteam/myproject"
PROJECT_ID = os.environ.get("WANDB_PROJECT_ID")
# Your W&B API key (found at https://wandb.ai/authorize)
WANDB_API_KEY = os.environ.get("WANDB_API_KEY")
OTEL_EXPORTER_OTLP_ENDPOINT = f"{WANDB_BASE_URL}/otel/v1/traces"
AUTH = base64.b64encode(f"api:{WANDB_API_KEY}".encode()).decode()
OTEL_EXPORTER_OTLP_HEADERS = {
"Authorization": f"Basic {AUTH}",
"project_id": PROJECT_ID,
}
# Create the OTLP span exporter with endpoint and headers
exporter = OTLPSpanExporter(
endpoint=OTEL_EXPORTER_OTLP_ENDPOINT,
headers=OTEL_EXPORTER_OTLP_HEADERS,
)
# Create a tracer provider and add the exporter
tracer_provider = trace_sdk.TracerProvider()
tracer_provider.add_span_processor(SimpleSpanProcessor(exporter))
# Set the global tracer provider BEFORE importing/using ADK
trace.set_tracer_provider(tracer_provider)
```
## OTEL로 ADK 에이전트 추적
트레이서 제공자를 설정한 후 자동 추적으로 ADK 에이전트를 생성하고 실행할 수 있습니다. 다음 예제는 도구가 있는 간단한 LLM 에이전트를 만들고 인메모리 러너로 실행하는 방법을 보여줍니다:
```python
from google.adk.agents import LlmAgent
from google.adk.runners import InMemoryRunner
from google.adk.tools import FunctionTool
from google.genai import types
import asyncio
# Define a simple tool for demonstration
def calculator(a: float, b: float) -> str:
"""Add two numbers and return the result.
Args:
a: First number
b: Second number
Returns:
The sum of a and b
"""
return str(a + b)
calculator_tool = FunctionTool(func=calculator)
async def run_agent():
# Create an LLM agent
agent = LlmAgent(
name="MathAgent",
model="gemini-2.0-flash", # You can change this to another model if needed
instruction=(
"You are a helpful assistant that can do math. "
"When asked a math problem, use the calculator tool to solve it."
),
tools=[calculator_tool],
)
# Set up runner
runner = InMemoryRunner(agent=agent, app_name="math_assistant")
session_service = runner.session_service
# Create a session
user_id = "example_user"
session_id = "example_session"
session_service.create_session(
app_name="math_assistant",
user_id=user_id,
session_id=session_id,
)
# Run the agent with a message that should trigger tool use
async for event in runner.run_async(
user_id=user_id,
session_id=session_id,
new_message=types.Content(
role="user", parts=[types.Part(text="What is 5 + 7?")]
),
):
if event.is_final_response() and event.content:
print(f"Final response: {event.content.parts[0].text.strip()}")
# Run the async function
asyncio.run(run_agent())
```
모든 에이전트 작업은 자동으로 추적되어 Weave로 전송되므로 실행 흐름을 시각화할 수 있습니다. 모델 호출, 추론 단계 및 도구 호출을 볼 수 있습니다.
## OTEL로 ADK 도구 추적
ADK로 도구를 정의하고 사용할 때 이러한 도구 호출도 추적에 캡처됩니다. OTEL 통합은 에이전트의 추론 프로세스와 개별 도구 실행을 자동으로 계측하여 에이전트 동작에 대한 포괄적인 보기를 제공합니다.
여러 도구가 있는 예시입니다:
```python
from google.adk.agents import LlmAgent
from google.adk.runners import InMemoryRunner
from google.adk.tools import FunctionTool
from google.genai import types
import asyncio
# Define multiple tools
def add(a: float, b: float) -> str:
"""Add two numbers.
Args:
a: First number
b: Second number
Returns:
The sum of a and b
"""
return str(a + b)
def multiply(a: float, b: float) -> str:
"""Multiply two numbers.
Args:
a: First number
b: Second number
Returns:
The product of a and b
"""
return str(a * b)
# Create function tools
add_tool = FunctionTool(func=add)
multiply_tool = FunctionTool(func=multiply)
async def run_agent():
# Create an LLM agent with multiple tools
agent = LlmAgent(
name="MathAgent",
model="gemini-2.0-flash",
instruction=(
"You are a helpful assistant that can do math operations. "
"When asked to add numbers, use the add tool. "
"When asked to multiply numbers, use the multiply tool."
),
tools=[add_tool, multiply_tool],
)
# Set up runner
runner = InMemoryRunner(agent=agent, app_name="math_assistant")
session_service = runner.session_service
# Create a session
user_id = "example_user"
session_id = "example_session"
session_service.create_session(
app_name="math_assistant",
user_id=user_id,
session_id=session_id,
)
# Run the agent with a message that should trigger tool use
async for event in runner.run_async(
user_id=user_id,
session_id=session_id,
new_message=types.Content(
role="user", parts=[types.Part(text="First add 5 and 7, then multiply the result by 2.")]
),
):
if event.is_final_response() and event.content:
print(f"Final response: {event.content.parts[0].text.strip()}")
# Run the async function
asyncio.run(run_agent())
```
## 워크플로우 에이전트 작업
ADK는 더 복잡한 시나리오를 위한 다양한 [*workflow agents*](https://google.github.io/adk-docs/agents/workflow-agents/)를 제공합니다. 일반 LLM 에이전트와 마찬가지로 워크플로우 에이전트를 추적할 수 있습니다. 다음은 [`SequentialAgent`](https://google.github.io/adk-docs/agents/workflow-agents/sequential-agents/)를 사용한 예시입니다:
```python
from google.adk.agents import LlmAgent, SequentialAgent
from google.adk.runners import InMemoryRunner
from google.genai import types
import asyncio
async def run_workflow():
# Create two LLM agents
summarizer = LlmAgent(
name="Summarizer",
model="gemini-2.0-flash",
instruction="Summarize the given text in one sentence.",
description="Summarizes text in one sentence",
output_key="summary" # Store output in state['summary']
)
analyzer = LlmAgent(
name="Analyzer",
model="gemini-2.0-flash",
instruction="Analyze the sentiment of the given text as positive, negative, or neutral. The text to analyze: {summary}",
description="Analyzes sentiment of text",
output_key="sentiment" # Store output in state['sentiment']
)
# Create a sequential workflow
workflow = SequentialAgent(
name="TextProcessor",
sub_agents=[summarizer, analyzer],
description="Executes a sequence of summarization followed by sentiment analysis.",
)
# Set up runner
runner = InMemoryRunner(agent=workflow, app_name="text_processor")
session_service = runner.session_service
# Create a session
user_id = "example_user"
session_id = "example_session"
session_service.create_session(
app_name="text_processor",
user_id=user_id,
session_id=session_id,
)
# Run the workflow
async for event in runner.run_async(
user_id=user_id,
session_id=session_id,
new_message=types.Content(
role="user",
parts=[types.Part(text="The product exceeded my expectations. It worked perfectly right out of the box, and the customer service was excellent when I had questions about setup.")]
),
):
if event.is_final_response() and event.content:
print(f"Final response: {event.content.parts[0].text.strip()}")
# Run the async function
asyncio.run(run_workflow())
```
이 워크플로우 에이전트 추적은 Weave에서 두 에이전트의 순차적 실행을 보여주어 다중 에이전트 시스템을 통해 데이터가 어떻게 흐르는지 가시성을 제공합니다.
## 더 알아보기
* [Weave 문서: Send OTEL traces to Weave](../tracking/otel.mdx)
* [공식 ADK 문서](https://google.github.io/adk-docs/)
* [공식 OTEL 문서](https://opentelemetry.io/)
* [ADK GitHub 저장소](https://github.com/google/adk-python)