第七篇：零配置启动——用API密钥快速搭建Google ADK多模型天气助手-CSDN博客

1. 为什么你需要一个“零配置”的AI天气助手？

想象一下，你刚接触AI应用开发，满脑子都是好点子，比如做一个能查天气、能聊天、还能记住你偏好的智能助手。但一打开教程，扑面而来的就是“创建Google Cloud项目”、“启用Vertex AI API”、“配置服务账号密钥”…… 光是看到这些步骤，热情就凉了半截。更别提后续的账单管理和复杂的权限设置了，对于想快速验证想法或者个人开发者来说，这门槛实在有点高。

我刚开始玩AI的时候也踩过这个坑。后来发现，其实Google早就为我们这些“轻量级玩家”铺好了一条捷径——直接用API密钥。这就像你去高级餐厅吃饭，不一定非得办会员卡、预存消费，你完全可以凭一张简单的入场券（API密钥）先体验核心服务。Google ADK（Agent Development Kit） 就完美支持这种模式。

所以，这篇教程要做的，就是带你绕过所有云服务的繁文缛节，只用几个API密钥，快速搭起一个功能丰富的多模型天气助手。你会得到一个能灵活切换Gemini、GPT-4o、Claude等大模型的智能体，它不仅能查天气，还能通过“智能体团队”分工合作，处理问候、告别，甚至记住你喜欢用摄氏度还是华氏度。整个过程，你只需要一个文本编辑器和几个密钥，5分钟就能看到效果。这种“零配置”启动的爽快感，正是快速学习和原型迭代的最佳方式。

2. 5分钟极速准备：你的API密钥和开发环境

万事开头简。我们不需要庞大的云控制台，只需要准备好三样东西：Python环境、ADK库，以及最重要的——API密钥。

2.1 获取你的“万能钥匙”：多平台API密钥

核心在于API密钥。你可以只用一个（比如Gemini的），但为了体验多模型切换的乐趣，我建议你把能申请的都要上。别担心，它们通常都有免费的额度，足够我们折腾了。

第一步：获取Google AI Studio API密钥

用你的Google账号访问 Google AI Studio。
登录后，在页面左侧找到并点击 “Get API key”。
点击 “+ Create API key in new project”。密钥会立刻生成。
立刻、马上复制并保存好这个密钥。它只显示一次，丢了就得重新生成。把它当成密码保管好。

第二步：获取其他模型的API密钥（可选但推荐）

OpenAI API密钥：访问 OpenAI平台，在“API Keys”页面创建新密钥。
Anthropic Claude API密钥：访问 Anthropic控制台，在“API Keys”部分创建密钥。

把这些密钥都先存到记事本里，我们马上就用。

2.2 搭建本地开发环境

打开你的终端（Windows用CMD或PowerShell，Mac/Linux用Terminal），跟着我一步步来：

# 1. 创建一个项目文件夹，名字随意，比如 `adk_weather`
mkdir adk_weather
cd adk_weather

# 2. 创建并激活Python虚拟环境（避免包冲突的好习惯）
python -m venv venv

# Windows 用户激活命令
.\venv\Scripts\activate
# Mac/Linux 用户激活命令
source venv/bin/activate

# 看到命令行前缀出现 (venv) 就说明成功了

# 3. 安装核心依赖：Google ADK
pip install google-adk

# 4. 为了支持多模型，我们安装 litellm，它是一个统一的LLM调用库
pip install litellm

# 5. 安装python-dotenv，方便管理密钥
pip install python-dotenv

环境搞定！整个过程如果网络顺畅，一两分钟就完成了。比配置云服务快多了，对吧？

2.3 配置密钥到环境变量

在项目根目录（adk_weather文件夹）下，创建一个名为 .env 的文件。注意文件名开头有个点。用任何文本编辑器打开它，填入你的密钥：

# .env 文件内容
GOOGLE_API_KEY=你的_Google_AI_Studio_API密钥
OPENAI_API_KEY=你的_OpenAI_API密钥
ANTHROPIC_API_KEY=你的_Anthropic_API密钥

# 关键：告诉ADK我们使用API密钥模式，而非Vertex AI
GOOGLE_GENAI_USE_VERTEXAI=FALSE

重要提示：.env文件包含了你的秘密信息，务必将它添加到 .gitignore 文件中，千万不要提交到公开的代码仓库。

至此，所有准备工作在5分钟内全部就绪。没有项目创建，没有服务启用，没有账单关联，只有最纯粹的代码和密钥。让我们开始构建第一个智能体。

3. 从零构建第一个智能体：基础天气查询

现在进入最有趣的编码环节。我们将循序渐进，从一个只会查天气的“单细胞”智能体，进化成一支分工明确的“智能体团队”。

3.1 创建项目结构与核心工具函数

在项目根目录下，创建我们的智能体团队文件夹和主文件：

mkdir weather_assistant
cd weather_assistant
touch weather_assistant.py

用编辑器打开 weather_assistant.py，开始编写代码。首先，我们导入必要的库，并加载环境变量中的密钥。

import os
import asyncio
from typing import Dict, Any, Optional
from dotenv import load_dotenv

# 加载 .env 文件中的环境变量
load_dotenv()

# 导入ADK核心组件
from google.adk.agents import Agent
from google.adk.tools import FunctionTool
from google.adk.runners import Runner
from google.adk.sessions import InMemorySessionService
from google.genai import types

# 多模型支持
import litellm

# 从环境变量读取密钥
GOOGLE_API_KEY = os.getenv("GOOGLE_API_KEY")
OPENAI_API_KEY = os.getenv("OPENAI_API_KEY")
ANTHROPIC_API_KEY = os.getenv("ANTHROPIC_API_KEY")

# 定义模型常量，方便切换
GEMINI_PRO = "gemini-2.0-flash"  # 推荐使用Gemini 2.0 Flash，速度快且免费额度足
GPT_4O = "gpt-4o"
CLAUDE_SONNET = "claude-3-sonnet-20240229"

接下来，我们需要一个模拟的天气数据源。在真实项目中，这里可以替换成调用真正的天气API（如OpenWeatherMap）。为了演示，我们先建一个“数据库”：

# 模拟天气数据库
mock_weather_db = {
    "New York": {"temperature": 72, "condition": "Sunny", "humidity": 50},
    "London": {"temperature": 60, "condition": "Rainy", "humidity": 80},
    "Tokyo": {"temperature": 80, "condition": "Partly Cloudy", "humidity": 65},
    "Sydney": {"temperature": 85, "condition": "Clear", "humidity": 45},
    "Paris": {"temperature": 65, "condition": "Cloudy", "humidity": 70},
}

# 中英文城市名映射，让我们的助手能理解中文输入
city_map = {
    "纽约": "New York",
    "伦敦": "London",
    "东京": "Tokyo",
    "悉尼": "Sydney",
    "巴黎": "Paris"
}