Le sous-agent de recherche

Installer

python -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt      # google-adk==2.10.0, python-dotenv, pytest
cp .env.example .env                 # collez votre clé d'API Gemini

Étape 1 : la version naïve (et pourquoi elle échoue)

Premier réflexe : un seul agent avec tous les outils.

essai_naif.py (à ne pas garder)

agent = Agent(name="mix", model="gemini-3.5-flash",
              instruction="Utilise date_du_jour puis cherche.",
              tools=[google_search, date_du_jour])

Lancé le 2026-10-15 avec ADK 2.10 et une clé d'API, l'appel au modèle est refusé :

google.genai.errors.ClientError: 400 INVALID_ARGUMENT. {'error': {'code': 400,
'message': 'Please enable tool_config.include_server_side_tool_invocations to use
Built-in tools with Function calling.', 'status': 'INVALID_ARGUMENT'}}

Le message montre que l'API traite à part les outils intégrés exécutés côté serveur. Plutôt que de dépendre d'une option de bas niveau (non exposée par Agent), on suit le schéma documenté par ADK : séparer les agents.

Que signifie l'erreur 400 obtenue avec tools=[google_search, date_du_jour] ?

Étape 2 : le chercheur, avec un seul outil

files/agent.py

chercheur = Agent(
    name="chercheur_web",
    model=MODEL,
    description="Cherche sur le web (Google Search) et renvoie des faits datés et sourcés sur UNE question précise.",
    instruction=("Tu fais une recherche Google sur la question reçue et tu réponds en français par 3 à 6 faits "
                 "précis, chacun avec sa date ou sa période. Pas d'opinion, pas de remplissage."),
    tools=[google_search],  # seul outil de cet agent : c'est la règle
    after_model_callback=memoriser_sources,
)

La description compte : c'est elle que l'agent principal lit pour savoir quand appeler ce chercheur. Le callback memoriser_sources est détaillé dans la leçon suivante.

Étape 3 : l'agent principal

files/agent.py

root_agent = Agent(
    name="analyste_recherche",
    model=MODEL,
    description="Rapport de veille structuré et sourcé à partir de recherches web.",
    instruction=INSTRUCTION,
    tools=[date_du_jour, AgentTool(agent=chercheur)],
)

AgentTool(agent=chercheur) crée un outil nommé chercheur_web avec un paramètre request (le texte de la sous-question). À chaque appel, ADK lance le chercheur dans une session à part, puis renvoie son texte final comme résultat d'outil. Les modifications d'état du chercheur (state_delta) remontent dans la session principale.

sequenceDiagram
  participant P as analyste_recherche
  participant AT as AgentTool
  participant C as chercheur_web
  participant G as Gemini + Google Search
  P->>AT: chercheur_web(request="sous-question 1")
  AT->>C: nouvelle session (copie de l'état)
  C->>G: requête avec l'outil google_search seul
  G-->>C: texte + grounding_metadata
  C-->>AT: texte final + state_delta (sources)
  AT-->>P: {"result": "faits... Sources : [1] ... [2] ..."}

Approche	Avantages	Limites
`AgentTool(chercheur)` (ce lab)	l'agent principal garde la main, peut appeler plusieurs recherches puis synthétiser	un appel de modèle de plus par recherche
`sub_agents=[chercheur]` (transfert)	le chercheur parle directement à l'utilisateur	l'agent principal perd la main ; ADK refuse aussi un parent avec `google_search` et des sous-agents sans option dédiée
`GoogleSearchTool(bypass_multi_tools_limit=True)`	une ligne : ADK 2.10 crée lui-même un sous-agent de recherche en coulisses	moins de contrôle (pas de callback de sources à vous)

Quel paramètre l'agent principal passe-t-il à l'outil chercheur_web créé par AgentTool ?

Exercice : un deuxième chercheur spécialisé

Ajoutez un sous-agent chercheur_chiffres qui ne cherche que des données chiffrées (montants, pourcentages, dates de version) et rendez-le disponible à l'agent principal. Quelles lignes ajoutez-vous ?

Voir la solution

chercheur_chiffres = Agent(
    name="chercheur_chiffres", model=MODEL,
    description="Cherche uniquement des données chiffrées et datées sur une question.",
    instruction="Recherche Google, puis liste uniquement des chiffres avec leur date et leur contexte.",
    tools=[google_search],
    after_model_callback=memoriser_sources,   # même numérotation partagée via l'état
)

root_agent = Agent(..., tools=[date_du_jour, AgentTool(agent=chercheur),
                               AgentTool(agent=chercheur_chiffres)])

Chaque sous-agent a un seul outil intégré. Comme les deux écrivent dans state["sources"], les numéros restent cohérents. Précisez dans l'instruction principale quand utiliser l'un ou l'autre.

Résultat obtenu

Les deux comportements, observés le 2026-10-15 :

# tools=[google_search, date_du_jour] dans un seul agent
ERR ClientError 400 INVALID_ARGUMENT. {'error': {'code': 400, 'message': 'Please enable
tool_config.include_server_side_tool_invocations to use Built-in tools with Function calling.'}}

# architecture agent principal + AgentTool(chercheur_web)
[outil] date_du_jour({})
[outil] chercheur_web({'request': 'Google Agent Development Kit ADK dernieres nouveautes annonces fonctionnalités'})
[outil] chercheur_web({'request': 'Google Agent Developer Kit ADK features updates Vertex AI Firebase'})
[outil] chercheur_web({'request': 'Google ADK Agent Development Kit documentation framework release notes'})

Je sais faire

Reconnaître l'erreur due au mélange outil intégré + fonction
Isoler google_search dans un sous-agent
Exposer un agent comme outil avec AgentTool
Choisir entre AgentTool, sub_agents et bypass_multi_tools_limit