> ## Documentation Index
> Fetch the complete documentation index at: https://docs.wandb.ai/llms.txt
> Use this file to discover all available pages before exploring further.
# Google ADK
> Weave を使用して、Google の Agent Development Kit（ADK）で構築したエージェントをトレースします。
Google の Agent Development Kit (ADK) は、エージェントの構築とオーケストレーションのための、柔軟でモデル非依存のフレームワークです。Gemini 向けに最適化されていますが、ADK はあらゆるモデルをサポートしており、シンプルなタスクから複雑なマルチエージェント ワークフローまで対応します。Weave は、ADK で構築されたエージェントを自動的にトレースし、各エージェント呼び出し、サブエージェントへのハンドオフ、モデルの Call、ツール呼び出しを含むデータを取得します。Weave は、取得したデータを project の **Agents** ビューに表示します。
## Weave で Google ADK エージェントをトレースする
Weave SDK は [Google ADK for Python](https://google.github.io/adk-docs/) を自動的にパッチするため、最小限の設定で ADK エージェントのトレースを取得できます。このガイドでは、Weave を初期化したうえで、Google ADK で構築したマルチターンのリサーチエージェントを実行し、セッション全体にわたるすべてのエージェント呼び出し、モデルの Call、ツール呼び出しを Weave で取得する方法を説明します。
### 前提条件
* `WANDB_API_KEY` 環境変数として設定された W\&B アカウントと [APIキー](https://wandb.ai/authorize)。
* Gemini 用の [Google APIキー](https://aistudio.google.com/apikey)。
* Python 3.10+。
Weave は [Google ADK for Node.js](https://google.github.io/adk-docs/) (`@google/adk`) と連携し、エージェントの実行を自動的にトレースします。
### 前提条件
* `WANDB_API_KEY` 環境変数として設定された W\&B アカウントと [APIキー](https://wandb.ai/authorize)。
* `GEMINI_API_KEY` または `GOOGLE_GENAI_API_KEY` 環境変数として設定された [Google APIキー](https://aistudio.google.com/apikey)。
* Node.js 18+。
* `@google/adk` バージョン `1.0.0` 以降。
### パッケージをインストールする
開発用の環境に、次のパッケージをインストールします。これらのパッケージに、Weave SDK、Google ADK フレームワーク、およびサンプルツールで使用する HTTP クライアントが含まれます。
```bash Python theme={null}
pip install weave google-adk requests
```
```bash TypeScript theme={null}
npm install weave @google/adk zod
```
### コードで Weave を初期化する
`weave.init` をprojectに追加し、W\&B のチーム名とproject名を指定してから、通常どおりエージェントを構築します。次のコードでは、`gemini-2.5-flash` と `wikipedia_search` ツールを使用する `research_assistant` エージェントを作成し、Weave でトレースを取得しながら、1 つの ADK セッション内で 3 つの質問を実行します。
```python lines highlight="8" theme={null}
import asyncio
import requests
import weave
from google.adk.agents import Agent
from google.adk.runners import InMemoryRunner
from google.genai import types
weave.init("/")
def wikipedia_search(query: str) -> dict:
"""Search Wikipedia for a topic and return its title and intro paragraph.
Args:
query: The topic to search for.
Returns:
A dictionary with the article title and intro extract.
"""
r = requests.get(
"https://en.wikipedia.org/w/api.php",
params={
"action": "query", "generator": "search", "gsrsearch": query, "gsrlimit": 1,
"prop": "extracts", "exintro": True, "explaintext": True, "format": "json",
},
headers={"User-Agent": "weave-demo"},
).json()
page = next(iter(r["query"]["pages"].values()))
return {"title": page["title"], "extract": page["extract"]}
agent = Agent(
name="research_assistant",
model="gemini-2.5-flash",
instruction=(
"You are a research assistant. Use the wikipedia_search tool to look up "
"topics when needed, and cite the article titles you used."
),
tools=[wikipedia_search],
)
async def main():
runner = InMemoryRunner(agent=agent, app_name="research-app")
session = await runner.session_service.create_session(
app_name="research-app", user_id="user-1"
)
questions = [
"Who founded Anthropic?",
"What is Claude (the AI assistant)?",
"Summarize what we discussed in one sentence.",
]
for question in questions:
print(f"USER: {question}")
async for event in runner.run_async(
user_id="user-1",
session_id=session.id,
new_message=types.Content(
role="user",
parts=[types.Part(text=question)],
),
):
if event.is_final_response() and event.content:
print(f"AGENT: {event.content.parts[0].text}\n")
asyncio.run(main())
```
この例では、1 つの ADK セッション内で 3 つのターンを実行します。最初の 2 つのターンでは Wikipedia のルックアップがトリガーされ、3 つ目のターンではそれまでの会話コンテキストを使用して、ツール呼び出しなしで要約を生成します。
Weave は `WeaveAdkPlugin` を通じて `@google/adk` のランナーをトレースします。このプラグインは、ランナーの `plugins` 配列に直接登録します。プラグインを明示的に登録する方法は、ESM プロジェクトでも CommonJS プロジェクトでも同様に機能するため、モジュールローダーのフックを設定する必要はありません。
次のコードでは、`wikipedia_search` ツールを持つ `research_assistant` エージェントを作成し、Weave でトレースを取得しながら、1 つの ADK セッション内で 3 つの質問を実行します。
```typescript lines highlight="35" theme={null}
import * as weave from "weave";
import { FunctionTool, Gemini, InMemoryRunner, LlmAgent } from "@google/adk";
import { WeaveAdkPlugin } from "weave";
import { z } from "zod";
const GEMINI_API_KEY = process.env.GEMINI_API_KEY
const wikipediaSearchTool = new FunctionTool({
name: "wikipedia_search",
description: "Search Wikipedia for a topic and return its title and intro paragraph.",
parameters: z.object({
query: z.string().describe("The topic to search for"),
}),
execute: async ({ query }) => {
const url = new URL("https://en.wikipedia.org/w/api.php");
url.search = new URLSearchParams({
action: "query",
generator: "search",
gsrsearch: query,
gsrlimit: "1",
prop: "extracts",
exintro: "true",
explaintext: "true",
format: "json",
}).toString();
const response = await fetch(url, { headers: { "User-Agent": "weave-demo" } });
const data = await response.json();
const page = Object.values(data.query.pages)[0] as { title: string; extract: string };
return { title: page.title, extract: page.extract };
},
});
async function main() {
await weave.init("/");
const agent = new LlmAgent({
name: "research_assistant",
description: "Answers research questions using Wikipedia.",
instruction:
"You are a research assistant. Use the wikipedia_search tool to look up " +
"topics when needed, and cite the article titles you used.",
model: new Gemini({ model: "gemini-2.5-flash", apiKey: GEMINI_API_KEY }),
tools: [wikipediaSearchTool],
});
const APP_NAME = "weave-adk-example";
const USER_ID = "example-user";
const runner = new InMemoryRunner({
agent,
appName: APP_NAME,
plugins: [new WeaveAdkPlugin()],
});
const session = await runner.sessionService.createSession({
appName: APP_NAME,
userId: USER_ID,
});
const questions = [
"Who founded Anthropic?",
"What is Claude (the AI assistant)?",
"Summarize what we discussed in one sentence.",
];
for (const question of questions) {
console.log(`USER: ${question}`);
for await (const event of runner.runAsync({
userId: USER_ID,
sessionId: session.id,
newMessage: {
role: "user",
parts: [{ text: question }],
},
})) {
const text = event.content?.parts
?.map(part => part.text)
.filter(Boolean)
.join("");
if (text) {
console.log(`AGENT: ${text}\n`);
}
}
}
await weave.flushOTel();
}
main().catch(console.error);
```
この例では、1 つの ADK セッション内で 3 つのターンを実行します。最初の 2 つのターンでは Wikipedia のルックアップがトリガーされ、3 つ目のターンではそれまでの会話コンテキストを使用して、ツール呼び出しなしで要約を生成します。
### Agents ビューでエージェントのトレースを確認する
スクリプトの実行後、`weave.init()` によって project へのリンクが出力されます。**Agents** ビューを開くと、次の内容を確認できます。
* 会話のターンを含むセッション。
* 各ターンは `invoke_agent` span として表示され、その子要素として `chat` と `execute_tool` がネストされています。
* 各ステップでの入力全体、モデル、出力、トークン使用量、ツールの実行結果。
Weave で Agents データを表示する方法の詳細については、[エージェントのアクティビティを表示する](/ja/weave/guides/tracking/view-agent-activity)を参照してください。