很多初学者会陷入 “先吃透所有多智能体理论、概念（如智能体通信协议、协作模式、任务分配机制）再动手” 的误区，导致迟迟无法落地。

实际上，多智能体的核心价值在于 “协作解决实际问题”，初期无需纠结复杂理论，只需明确 “用智能体分工完成任务” 的核心逻辑，选择一个框架直接上手实践，在解决问题的过程中反推概念理解，效率会远超纯理论学习。

一、任意选择一个智能体框架：优先 Google ADK

目前常用的多智能体开发框架有很多，下面简单列了 3 个，不用纠结选哪一个，任意选择一个都可以，从上手来说建议优先选择Google ADK：

框架名称	核心特点	上手难度	适用场景
LangChain	生态丰富，支持多工具集成，但需手动搭建协作逻辑	中等	复杂工具链整合（如结合数据库、API）
LangGraph	基于图结构定义智能体流向，灵活性高	较高	需精准控制智能体协作流程的场景
Google ADK（Agent Development Kit）	谷歌官方封装，内置智能体分工、通信能力，无需手动搭建基础协作逻辑	低	快速落地多智能体协作任务，尤其适合新手

**为何优先选择 Google ADK？

新手入门的核心痛点是 “搭建基础协作逻辑耗时”（如智能体间如何传递信息、如何分配任务），而 Google ADK 通过高层封装已解决这些问题：

1. 内置 “智能体角色定义” 模块，可直接指定某智能体负责 “解析文档”、某智能体负责 “回答问题”；
2. 自带通信协议，无需手动编写智能体间的消息传递代码；
3. 与 Google Gemini 模型深度集成，无需额外配置第三方模型接口，开箱即用。

二、找一个简单的实际问题实战

选择好框架后，就是找一个简单的实际问题实战，过程中你就会熟悉，并根据出现的问题去解决，例如用 Google ADK 实现 “多智能体文档咨询系统”，可以选择 “用户上传 PDF 文档后，智能体自动解析文档内容，并回答用户关于文档的问题” 作为入门任务，该任务需 2 个智能体协作：

• 文档解析智能体：负责加载、解析 PDF 文档，提取关键信息并结构化存储；
• 问答智能体：基于解析后的文档信息，回答用户的具体问题。

1 任务拆解

• 初始化 2 个智能体：文档解析智能体（doc_parser_agent）、文档问答智能体（doc_qa_agent）；
• 文档解析智能体加载 PDF 文件，提取内容并生成 “文档摘要 + 关键信息列表”；
• 问答智能体接收用户问题，调用工具加载和调用智能体解析PDF文件，结合文档解析结果生成精准回答；

2 代码实现

完整代码参考：https://github.com/jeromeyhq/multiagent-demo.git

2.1 安装依赖库

可以用uv进行依赖库管理，也可以使用pip install 直接安装：

（1）pip install模式直接安装

#
安装Google ADK核心库
pip install google-adk
pip install litellm
#
安装文档加载与处理工具
pip install langchain-community pypdf

（2）uv依赖库管理pyproject.toml

[project]
name = "multiagent-demo"
version = "0.1.0"
description = "Add your description here"
readme = "README.md"
requires-python = ">=3.13"
dependencies = [
"google-adk<=1.7.0",
"litellm>=1.71.2", # 统一接口调用多种大语言模型（如OpenAI/Anthropic）
"langchain-community",
"pypdf",
]

2.2 文档解析智能体（doc_parser_agent)

代码具体实现：

from google.adk.agents import LlmAgent
from google.adk.models.lite_llm import LiteLlm
doc_parser_agent = LlmAgent(
name="doc_parser_agent",
model=LiteLlm(
model="openai/qwen3-32b",
api_base="https://dashscope.aliyuncs.com/compatible-mode/v1",
api_key="API_KEY", #目前使用的阿里云百炼，请输入你的API_KEY
enable_thinking=False,
),
description=(
"文档解析智能体"
),
instruction=(
"""
你是文档解析智能体，职责如下：
1. 接收PDF文档的原始文本内容；
2. 提取文档核心内容，生成100字以内的摘要；
3. 整理文档中的关键信息（如定义、数据、结论），以列表形式输出；
4. 仅输出解析结果，不回答用户问题。
"""
),
tools=[],

2.3 文档问答智能体（doc_qa_agent）

代码具体实现：

from google.adk.agents import LlmAgent
from google.adk.models.lite_llm import LiteLlm
from langchain.document_loaders import PyPDFLoader
from doc_parser_agent.agent import doc_parser_agent
#加载PDF文档工具
def load_pdf_document(pdf_path:str) -> str:
"""
解析PDF文档，提取文本内容。
Returns:
str: 解析的文本内容。
"""
print(f"Loading PDF document from: {pdf_path}")
loader = PyPDFLoader(pdf_path)
pages = loader.load_and_split()  # 按页分割文档
# 合并所有页面的文本（适合短文档，长文档可优化为按章节分割）
total_text = "\n".join([page.page_content for page in pages])
return total_text
doc_qa_agent = LlmAgent(
name="doc_qa_agent",
model=LiteLlm(
model="openai/qwen3-32b",
api_base="
https://dashscope.aliyuncs.com/compatible-mode/v1
",
api_key="API_KEY",
#目前使用的阿里云百炼
，请输入你的API_KEY
enable_thinking=False,
),
description=(
"文档问答智能体"
),
instruction=(
"""
你是文档解析和问答调度智能体，职责如下：
1. 识别出用户给出的文档路径，先调用文档加载工具进行加载；
2、根据加载的文档调用文档解析智能体进行解析，获得摘要和关键信息，并输出；
3、如果识别出用户的提问，根据解析的摘要和用户问题进行问题回答；
4、如果同时识别到文档和用户的提问，需要执行文档解析智能体获得摘要和关键信息,根据解析的摘要和用户问题进行回答；
"""
),
tools=[
load_pdf_document,
],
sub_agents=[
doc_parser_agent,
],
)
root_agent = doc_qa_agent

3 代码运行与调试

输入adk run doc_multi_agent可进入命令行测试，输入adk web可使用可视化界面进行运行测试。

实际效果：

（1）输入：文档：/Users/中华人民共和国教师法.pdf

输出结果如下：

调用跟踪如下：

(2)输入：教师的职责是什么

输出结果如下：

三、后续学习方向

当你能独立运行上述实战案例后，可按以下步骤深化学习：

1. 优化智能体协作：在现有代码中增加 “任务分配智能体”，让其判断用户需求是否需要调用解析智能体（如用户问 “文档大小是多少”，无需解析内容）；
2. 集成更多工具：通过 Google ADK 对接 LangChain 的工具链（如数据库查询、网页爬取），让多智能体处理更复杂任务（如 “解析 PDF 后，将关键数据存入 MySQL”）；
3. 学习核心概念：此时再回头学习 “智能体通信模式（如请求 - 响应、广播）”、“协作策略（如分工协作、竞争协作）”，结合实战经验理解会更深刻；
4. 尝试复杂场景：开发多智能体客服系统（咨询智能体 + 售后智能体）、多智能体数据分析系统（数据采集智能体 + 分析智能体 + 可视化智能体）。

多智能体学习的关键是 “从实战切入，以问题驱动概念理解”。Google ADK 的高层封装能帮你快速跳过基础协作逻辑的搭建，聚焦 “任务拆解与智能体分工”。建议先吃透上述文档咨询案例，再逐步尝试更复杂的场景，逐步构建多智能体开发能力。

四、AI大模型从0到精通全套学习大礼包

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

只要你是真心想学AI大模型，我这份资料就可以无偿共享给你学习。大模型行业确实也需要更多的有志之士加入进来，我也真心希望帮助大家学好这门技术，如果日后有什么学习上的问题，欢迎找我交流，有技术上面的问题，我是很愿意去帮助大家的！

如果你也想通过学大模型技术去帮助就业和转行，可以扫描下方链接👇👇
大模型重磅福利：入门进阶全套104G学习资源包免费分享！

01.从入门到精通的全套视频教程

包含提示词工程、RAG、Agent等技术点

​

02.AI大模型学习路线图（还有视频解说）

全过程AI大模型学习路线

​

03.学习电子书籍和技术文档

市面上的大模型书籍确实太多了，这些是我精选出来的

04.大模型面试题目详解

05.这些资料真的有用吗?

这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。

所有的视频由智泊AI老师录制，且资料与智泊AI共享，相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念‌，通过动态追踪大模型开发、数据标注伦理等前沿技术趋势‌，构建起"前沿课程+智能实训+精准就业"的高效培养体系。

课堂上不光教理论，还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事‌！

如果说你是以下人群中的其中一类，都可以来智泊AI学习人工智能，找到高薪工作，一次小小的“投资”换来的是终身受益！

应届毕业生‌：无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。

零基础转型‌：非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能 ‌突破瓶颈：传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型‌。

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓