5分钟为Google ADK 接入Deepseek国产大模型
快速教程：如何在Google ADK中集成国产Deepseek大模型。通过LiteLLM适配器，轻松让你的AI Agent使用强大的Deepseek模型，享受更高性价比的AI服务。本教程涵盖环境配置、代码实现和实际测试，让你快速掌握国产大模型的接入技巧。
什么是 Google ADK + Deepseek 组合
Google ADK (Agent Development Kit) 是Google推出的AI代理开发工具包，而Deepseek是国产优秀的大语言模型。通过LiteLLM适配器，我们可以轻松在Google ADK中集成Deepseek模型，享受更高性价比的AI服务。
今天我们用5分钟时间，教你如何为Google ADK接入Deepseek国产大模型。相比使用Google自家的Gemini模型，Deepseek具有以下优势：
- 🌏 本土化服务 - 更稳定的国内网络访问，Gemini使用限制location，相当于禁用了
- 🎯 强大性能 - Deepseek-Chat在多项基准测试中表现优异
学完这篇文章，你将具备以下能力：
- 熟练配置Google ADK + Deepseek开发环境
- 掌握使用LiteLLM适配器集成第三方模型
- 学会测试和调试Deepseek驱动的AI Agent
1. 环境准备与依赖安装
虚拟环境配置（强烈推荐）
# 创建专用虚拟环境
python -m venv .venv
# 激活虚拟环境
# macOS/Linux:
source .venv/bin/activate
# Windows CMD:
# .venv\Scripts\activate.bat
# Windows PowerShell:
# .venv\Scripts\Activate.ps1
安装必要依赖
# 安装Google ADK
pip install google-adk
# 安装LiteLLM（用于连接Deepseek）
pip install litellm
2. 获取Deepseek API密钥
- 访问 Deepseek平台 注册账户
- 在控制台中创建API密钥
- 保存好你的API密钥，稍后需要配置到环境变量中
3. Agent项目构建
项目结构
parent_folder/
deepseek_agent/
__init__.py
agent.py
.env
创建项目文件夹
mkdir deepseek_agent/
创建 __init__.py
echo "from . import agent" > deepseek_agent/__init__.py
核心Agent实现
创建 deepseek_agent/agent.py 文件：
deepseek_agent/agent.py
import datetime
from zoneinfo import ZoneInfo
from google.adk.agents import Agent
# 关键：导入LiteLLM适配器
from google.adk.models.lite_llm import LiteLlm
def get_weather(city: str) -> dict:
"""Retrieves the current weather report for a specified city.
Args:
city (str): The name of the city for which to retrieve the weather report.
Returns:
dict: status and result or error msg.
"""
if city.lower() in ["beijing", "北京"]:
return {
"status": "success",
"report": (
"北京今天天气晴朗，温度25摄氏度（77华氏度）。"
),
}
else:
return {
"status": "error",
"error_message": f"抱歉，我没有'{city}'的天气信息。",
}
def get_current_time(city: str) -> dict:
"""Returns the current time in a specified city.
Args:
city (str): The name of the city for which to retrieve the current time.
Returns:
dict: status and result or error msg.
"""
if city.lower() in ["beijing", "北京"]:
tz_identifier = "Asia/Shanghai"
else:
return {
"status": "error",
"error_message": (
f"抱歉，我没有{city}的时区信息。"
),
}
tz = ZoneInfo(tz_identifier)
now = datetime.datetime.now(tz)
report = (
f'{city}的当前时间是 {now.strftime("%Y年%m月%d日 %H:%M:%S %Z%z")}'
)
return {"status": "success", "report": report}
# 核心配置：使用LiteLLM连接Deepseek模型
root_agent = Agent(
name="weather_time_agent",
model=LiteLlm(model="deepseek/deepseek-chat"), # 关键改动
description=(
"一个可以回答城市时间和天气问题的智能助手"
),
instruction=(
"你是一个智能助手，可以回答用户关于城市时间和天气的问题。请始终使用中文回复，语气要友好亲切。"
),
tools=[get_weather, get_current_time],
)
4. 配置环境变量
创建 deepseek_agent/.env 文件：
deepseek_agent/.env
# Deepseek API配置
DEEPSEEK_API_KEY=YOUR_DEEPSEEK_API_KEY_HERE
重要：将 YOUR_DEEPSEEK_API_KEY_HERE 替换为你从Deepseek平台获取的实际API密钥。
5. 运行你的Deepseek Agent
切换到Agent项目的上级目录：
parent_folder/ <-- 进入到这个目录
deepseek_agent/
__init__.py
agent.py
.env
方式1：可视化Web界面（推荐）
启动Web开发环境：
adk web
操作步骤：
- 浏览器访问
http://localhost:8000 - 左上角下拉菜单选择 "deepseek_agent"
- 开始与基于Deepseek模型的Agent对话
方式2：命令行终端
adk run deepseek_agent
方式3：API服务接口
adk api_server
💡 实战测试用例
测试你的Deepseek Agent：
中文对话测试：
用户：北京现在的天气怎么样？
Agent：🌤️ 北京今天天气晴朗，温度25摄氏度（77华氏度）。
时间查询测试：
用户：北京现在几点了？
Agent：🕐 北京的当前时间是 2024年12月25日 14:30:15 CST+0800
英文查询测试：
用户：What is the time in Beijing?
Agent：🕐 Beijing的当前时间是 2024年12月25日 14:30:15 CST+0800
异常处理测试：
用户：上海的天气如何？
Agent：❌ 抱歉，我没有'上海'的天气信息。
🔧 技术要点解析
关键代码变更
相比使用Gemini模型，接入Deepseek只需要两个关键改动：
- 导入LiteLLM适配器：
from google.adk.models.lite_llm import LiteLlm
- 指定Deepseek模型：
model=LiteLlm(model="deepseek/deepseek-chat")
LiteLLM的优势
LiteLLM是一个统一的API接口，支持100+种大语言模型，包括：
- OpenAI GPT系列
- Anthropic Claude
- 国产模型（Deepseek等）
- 开源模型（Llama、Mistral等）
支持更多国产模型
LiteLLM支持的更多模型请查看：docs.litellm.ai/docs/provid…
🎉 成就解锁！
恭喜你成功为Google ADK接入了Deepseek国产大模型🎊！
你已经掌握了：
- ✅ 使用LiteLLM适配器连接第三方模型
- ✅ 配置Deepseek API密钥和环境变量
- ✅ 创建基于国产大模型的AI Agent
- ✅ 测试和调试Deepseek驱动的智能助手
现在你可以享受更高性价比的AI服务，接入国产大模型，不受国外模型的限制，继续探索更多模型和功能吧！🚀
