Lab ADK : un agent de veille concurrentielle sourcée

Une équipe produit veut savoir chaque lundi matin ce que ses concurrents ont annoncé la semaine passée : baisses de prix, nouvelles offres, recrutements massifs, partenariats. Aujourd'hui, quelqu'un y passe une demi-journée. Dans ce lab, un agent ADK fait la recherche, structure les faits avec leurs sources, et un script met en forme une synthèse hebdomadaire prête à relire.

L'exemple porte sur trois hébergeurs cloud européens (OVHcloud, Scaleway, Hetzner), choisis parce que leur actualité est publique et abondante. Remplacez-les par vos propres concurrents dans concurrents.json.

Pour qui ?

Vous avez déjà construit un agent ADK avec des outils fonctions.
Vous voulez comprendre l'ancrage (grounding : la réponse du modèle est rattachée aux pages web qu'il a consultées) et la composition d'agents.
Niveau avancé : callbacks, état temporaire, métadonnées d'ancrage.

Ce que vous allez construire

flowchart LR
  C["concurrents.json"] --> V["Agent veilleur"]
  V -->|"AgentTool"| R["Sous-agent chercheur_web (google_search)"]
  R --> G["Métadonnées d'ancrage : URL + passages"]
  G --> CB["after_tool_callback : sources numérotées, faits reliés"]
  CB --> V
  V -->|"enregistrer_signal"| S["État : signaux + sources"]
  S --> M["rediger_rapport (Python)"]
  M --> F["rapports/veille-2026-S42.md"]

Prérequis techniques

Python 3.10 ou plus récent, une clé d'API Gemini.
La recherche ancrée a sa propre ligne de tarif : d'après la page de tarifs consultée le 2026-10-15, elle n'est pas disponible dans le niveau gratuit pour la plupart des modèles et, en niveau payant, 5 000 requêtes de recherche par mois sont offertes (partagées entre les modèles Gemini 3 et suivants) avant facturation. Vérifiez la page avant de planifier la veille.
requirements.txt : google-adk==2.10.0, httpx, python-dotenv, pytest.

Programme

Module	Leçon	Durée indicative
1. Le cas d'usage	La veille avec un agent : signaux, sources, architecture	30 min
2. Construire	La recherche et les sources ; les signaux et le rapport	1h45
3. Tester et exploiter	Tests sans clé, test réel, planification (cron, Cloud Scheduler)	45 min

En local ou sur Google Cloud ?

	En local (ce lab)	Sur Google Cloud (pour aller plus loin)
Exécution	`python veille.py`	job Cloud Run
Planification	`cron` sur un poste ou un serveur	Cloud Scheduler qui déclenche le job
Rapport	fichier `rapports/*.md`	bucket Cloud Storage, e-mail ou message d'équipe
Modèle	API Gemini (clé)	Vertex AI

Code complet : files/. Testé le 2026-10-15 avec google-adk 2.10.0 et gemini-3.5-flash.