Sie können vorhandene KI-Agenten als Schritte in Ihren Workflow einfügen, um Aufgaben an spezialisierte Agenten zu übertragen. So können Sie Agentic Workflows erstellen, die zwischen verschiedenen Agenten orchestriert werden, wobei jeder Agent einen bestimmten Teil eines größeren Prozesses übernimmt.
Hinweis
Führen Sie die folgenden Schritte aus, bevor Sie diese Funktion verwenden:
- Ein Gemini Enterprise-Administrator muss die Funktion „Workflow Builder“ in den Einstellungen für die Funktionsverwaltung Ihrer App aktiviert haben. Weitere Informationen finden Sie unter Funktionen der Webanwendung verwalten.
Die Agenten, die Sie hinzufügen möchten, müssen in Ihrer Organisation verfügbar sein. Diese Funktion unterstützt das Hinzufügen der folgenden Agenten:
Vorhandenen KI-Agentenschritt hinzufügen
App
- Öffnen Sie die Gemini Enterprise-Web-App in einem Browser.
- Rufen Sie einen vorhandenen Agenten auf oder erstellen Sie einen neuen.
- Klicken Sie im Flow Builder auf Schritt hinzufügen.
- Klicken Sie im Bereich Schritt hinzufügen auf Vorhandene Agenten, um den Bereich zu maximieren.
Sehen Sie sich die Liste der verfügbaren Agenten an.
Klicken Sie auf den KI-Agenten, den Sie hinzufügen möchten.
Das System fügt den vorhandenen KI-Agenten-Schritt Ihrem Workflow hinzu. Der ausgewählte Agent wird als Teil Ihres Workflows ausgeführt, empfängt Eingaben aus früheren Schritten und übergibt Ausgaben an spätere Schritte.
Klicken Sie im Canvas auf den vorhandenen Agentenschritt, um den Konfigurationsbereich zu öffnen, und konfigurieren Sie Folgendes:
- Prompt: Geben Sie den Prompt oder die Anweisungen ein, mit denen der Agent ausgelöst wird. Sie können statischen Text oder Referenzausgaben aus vorherigen Schritten einfügen (z. B.
${step_name.output}).
- Prompt: Geben Sie den Prompt oder die Anweisungen ein, mit denen der Agent ausgelöst wird. Sie können statischen Text oder Referenzausgaben aus vorherigen Schritten einfügen (z. B.
Der Agentenschritt ist ein dynamischer Verweis auf den ausgewählten Agenten. Wenn der Quell-Agent aktualisiert oder eine neue Version veröffentlicht wird, verwendet Ihr Workflow automatisch die neueste Version.
Weitere Informationen zu den Einschränkungen dieser Funktion finden Sie unter Bekannte Probleme und Einschränkungen.
So funktionieren klärende Fragen
Wenn ein vorhandener KI-Agent in einem Workflow ausgeführt wird, kann er die Ausführung pausieren, um dem Nutzer eine weiterführende Frage zu stellen, falls ihm Informationen fehlen, die er zum Erledigen seiner Aufgabe benötigt.
Klärungsfragen werden nativ unterstützt, wenn der referenzierte Agent ein input-required-Signal (A2A) oder ein RequestInput-Ereignis (ADK) ausgibt.
Wenn ein vorhandener Agentenschritt ausgeführt wird und zusätzliche Informationen erforderlich sind:
- Ausführungspausen: Der Workflow pausiert die Ausführung beim vorhandenen Agentenschritt und initiiert einen Human-in-the-Loop-Prompt (HITL).
- Nutzer beantwortet die Frage: In der Gemini Enterprise-Webanwendung wird die klärende Frage des KI-Agenten zusammen mit einem Textfeld für die Antwort angezeigt.
- Ausführung wird fortgesetzt: Wenn der Nutzer seine Antwort sendet, wird der vorhandene KI-Agent im Workflow fortgesetzt und die Antwort des Nutzers an den KI-Agenten zurückgegeben.
- Multi-Turn-Unterstützung: Der Agent kann mehrere klärende Fragen nacheinander über mehrere Turns hinweg stellen, bis er alle erforderlichen Informationen gesammelt und seine endgültige Ausgabe erstellt hat.
Kontextisolation
Während des Austauschs von Klärungsfragen erhält der referenzierte Agent nur seinen eigenen Interaktionsverlauf mit dem Nutzer und den für den Knoten konfigurierten ursprünglichen Prompt. Ausgaben und Variablen aus anderen Schritten im Workflow werden nicht automatisch an den referenzierten Agenten übergeben, es sei denn, sie werden im Prompt des Schritts explizit referenziert.
Klärende Fragen in Ihren Agenten implementieren
Wenn Sie klärende Fragen unterstützen möchten, konfigurieren Sie Ihren benutzerdefinierten KI-Agenten so, dass er ein Signal für eine Eingabeaufforderung auf Protokollebene ausgibt, wenn er zusätzliche Informationen benötigt.
A2A-Agenten (nativ)
Wenn Sie Agenten verwenden, die das Agent-to-Agent-Protokoll (A2A) direkt implementieren, geben Sie die Aufgabe im Status input-required mit TaskUpdater zurück und fügen Sie die klärende Frage in die Nachrichtennutzlast ein:
from a2a.server.tasks import TaskUpdater
from a2a.types import Message, Part, Role, TextPart
# Inside your custom agent's task executor class:
async def execute(self, context, event_queue):
updater = TaskUpdater(event_queue, context.task_id, context.context_id)
if context.current_task is None:
await updater.submit()
await updater.start_work()
user_input = context.get_user_input()
if "weather" in user_input and "tokyo" not in user_input.lower():
await updater.requires_input(
Message(
message_id=f"q-{context.task_id}",
role=Role.agent,
parts=[Part(root=TextPart(
text="Which city would you like the weather for?"))],
task_id=context.task_id,
context_id=context.context_id,
)
)
return
await updater.complete(
Message(
message_id=f"a-{context.task_id}",
role=Role.agent,
parts=[Part(root=TextPart(
text="It is sunny and 72°F in Tokyo."))],
task_id=context.task_id,
context_id=context.context_id,
)
)
Die Antwort des Nutzers wird als message/send-Anfrage mit derselben taskId an Ihren Agenten zurückgesendet.
A2A-Agenten (mit ADK erstellt)
Wenn Ihr KI-Agent mit dem Agent Development Kit (ADK) erstellt und über A2A (mit to_a2a()) bereitgestellt wird, verpacken Sie Ihre Fragefunktion in LongRunningFunctionTool:
from google.adk.agents import Agent
from google.adk.tools.long_running_tool import LongRunningFunctionTool
from google.adk.a2a.utils.agent_to_a2a import to_a2a
def get_weather(city: str) -> str:
"""Returns weather information for a city."""
return f"It is sunny and 72°F in {city}."
def ask_clarifying_question(question: str) -> None:
"""Asks the user a question and waits for their reply."""
return None
root_agent = Agent(
model="gemini-2.5-flash",
name="weather_agent",
instruction=(
"If the user asks for weather without specifying a city, call "
"`ask_clarifying_question` and wait. Do not guess."
),
tools=[get_weather, LongRunningFunctionTool(ask_clarifying_question)],
)
a2a_app = to_a2a(root_agent, port=8000)
ADK-Agenten in der Agent Engine
Für ADK-Agenten, die in der Reasoning Engine auf der Agent Engine gehostet werden, geben Sie ein RequestInput-Ereignis in einem Generatortool oder einem benutzerdefinierten Agentenschritt aus:
from google.adk.events import RequestInput
# Inside a generator tool or custom agent step
def ask_for_details():
"""Requests user input during tool or step execution."""
yield RequestInput(
interrupt_id="weather_city",
message="Which city would you like the weather for?",
)