> ## Documentation Index > Fetch the complete documentation index at: https://docs.coreweave.com/llms.txt > Use this file to discover all available pages before exploring further. # Google ADK > Agent Lens を使用して、Google の Agent Development Kit (ADK) で構築したエージェントをトレースします。 Google の Agent Development Kit (ADK) は、エージェントの構築とオーケストレーションを行うための、柔軟でモデルに依存しないフレームワークです。ADK は Gemini 向けに最適化されていますが、あらゆるモデルをサポートしており、シンプルなタスクから複雑なマルチエージェントワークフローまで幅広く対応できます。CoreWeave Agent Lens は、ADK で構築されたエージェントを自動的にトレースします。トレース対象には、各エージェントの invocation、サブエージェントへのハンドオフ、モデルの Call、ツール呼び出しが含まれます。取得したデータは、Agent Lens によって project の **Conversations** タブに表示されます。 This integration uses the Weights & Biases Weave SDK (`weave`), because the CoreWeave Forge SDK doesn't support this framework yet. Traces you send with Weave appear in Agent Lens, because both products share the same trace data.

Agent Lens で Google ADK エージェントをトレースする

Weave SDK は [Google ADK for Python](https://google.github.io/adk-docs/) を自動的にパッチするため、最小限のセットアップで ADK エージェントのトレースを取得できます。このガイドでは、Weave を初期化し、Google ADK で構築したマルチターンのリサーチエージェントを実行する手順を説明します。これにより、Agent Lens はセッション全体を通じて、すべてのエージェントの invocation、モデルの Call、ツール呼び出しを取得します。

前提条件

* CoreWeave Forge アカウントと、`WANDB_API_KEY` 環境変数に設定された [APIキー](https://forge.coreweave.com/settings#apikeys)。 * Gemini 用の [Google APIキー](https://aistudio.google.com/apikey)。 * Python 3.10 以降。 Weave SDK は [Google ADK for Node.js](https://google.github.io/adk-docs/) (`@google/adk`) と連携し、エージェントの実行を自動的にトレースします。

前提条件

* CoreWeave Forge アカウントと、`WANDB_API_KEY` 環境変数に設定された [APIキー](https://forge.coreweave.com/settings#apikeys)。 * `GEMINI_API_KEY` または `GOOGLE_GENAI_API_KEY` 環境変数に設定された [Google APIキー](https://aistudio.google.com/apikey)。 * Node.js 18 以降。 * `@google/adk` バージョン `1.0.0` 以降。

パッケージのインストール

開発環境に次のパッケージをインストールします。これらのパッケージにより、Weave SDK、Google ADK フレームワーク、およびサンプルツールで使用する HTTP クライアントが利用可能になります。 ```bash Python theme={"system"} pip install weave google-adk requests ``` ```bash TypeScript theme={"system"} npm install weave @google/adk zod ```

コードで Agent Lens を初期化する

コードに `weave.init` を追加して Forge のチーム名とプロジェクト名を指定し、あとは通常どおりにエージェントを構築します。次のコードでは、`gemini-3.6-flash` と `wikipedia_search` ツールを使用する `research_assistant` エージェントを作成し、1 つの ADK セッションで 3 つの質問を実行します。その間、Agent Lens がトレースを取得します。 ```python lines highlight="8" theme={"system"} import asyncio import requests import weave from google.adk.agents import Agent from google.adk.runners import InMemoryRunner from google.genai import types weave.init("[YOUR-TEAM]/[YOUR-PROJECT]") def wikipedia_search(query: str) -> dict: """Search Wikipedia for a topic and return its title and intro paragraph. Args: query: The topic to search for. Returns: A dictionary with the article title and intro extract. """ r = requests.get( "https://en.wikipedia.org/w/api.php", params={ "action": "query", "generator": "search", "gsrsearch": query, "gsrlimit": 1, "prop": "extracts", "exintro": True, "explaintext": True, "format": "json", }, headers={"User-Agent": "weave-demo"}, ).json() page = next(iter(r["query"]["pages"].values())) return {"title": page["title"], "extract": page["extract"]} agent = Agent( name="research_assistant", model="gemini-3.6-flash", instruction=( "You are a research assistant. Use the wikipedia_search tool to look up " "topics when needed, and cite the article titles you used." ), tools=[wikipedia_search], ) async def main(): runner = InMemoryRunner(agent=agent, app_name="research-app") session = await runner.session_service.create_session( app_name="research-app", user_id="user-1" ) questions = [ "Who founded Anthropic?", "What is Claude (the AI assistant)?", "Summarize what we discussed in one sentence.", ] for question in questions: print(f"USER: {question}") async for event in runner.run_async( user_id="user-1", session_id=session.id, new_message=types.Content( role="user", parts=[types.Part(text=question)], ), ): if event.is_final_response() and event.content: print(f"AGENT: {event.content.parts[0].text}\n") asyncio.run(main()) ``` この例では、1 つの ADK セッション内で 3 つのターンを実行します。最初の 2 つのターンでは Wikipedia のルックアップが実行され、3 つ目のターンではツール呼び出しを行わずに、それまでの会話のコンテキストを使用して要約を生成します。 すべてのターンで同じ `session_id` を渡します。ADK はそのセッションに基づいて `gen_ai.conversation.id` を設定するため、Agent Lens は **Conversations** タブで 3 つのターンを 1 つの会話としてレンダリングします。ターンごとにセッションを作成した場合は、各ターンが個別の会話として表示されます。 Weave は、`WeaveAdkPlugin` を使用して `@google/adk` のランナーをトレースします。このプラグインは、ランナーの `plugins` 配列に直接登録します。プラグインを明示的に登録すれば、ESM と CommonJS のどちらのプロジェクトでも同じように動作するため、モジュールローダーのフックを設定する必要はありません。 次のコードでは、`wikipedia_search` ツールを備えた `research_assistant` エージェントを作成し、1 つの ADK セッションで 3 つの質問を実行します。その間、Agent Lens がトレースを取得します。 ```typescript lines highlight="35" theme={"system"} import * as weave from "weave"; import { FunctionTool, Gemini, InMemoryRunner, LlmAgent } from "@google/adk"; import { WeaveAdkPlugin } from "weave"; import { z } from "zod"; const GEMINI_API_KEY = process.env.GEMINI_API_KEY const wikipediaSearchTool = new FunctionTool({ name: "wikipedia_search", description: "Search Wikipedia for a topic and return its title and intro paragraph.", parameters: z.object({ query: z.string().describe("The topic to search for"), }), execute: async ({ query }) => { const url = new URL("https://en.wikipedia.org/w/api.php"); url.search = new URLSearchParams({ action: "query", generator: "search", gsrsearch: query, gsrlimit: "1", prop: "extracts", exintro: "true", explaintext: "true", format: "json", }).toString(); const response = await fetch(url, { headers: { "User-Agent": "weave-demo" } }); const data = await response.json(); const page = Object.values(data.query.pages)[0] as { title: string; extract: string }; return { title: page.title, extract: page.extract }; }, }); async function main() { await weave.init("[YOUR-TEAM]/[YOUR-PROJECT]"); const agent = new LlmAgent({ name: "research_assistant", description: "Answers research questions using Wikipedia.", instruction: "You are a research assistant. Use the wikipedia_search tool to look up " + "topics when needed, and cite the article titles you used.", model: new Gemini({ model: "gemini-3.6-flash", apiKey: GEMINI_API_KEY }), tools: [wikipediaSearchTool], }); const APP_NAME = "weave-adk-example"; const USER_ID = "example-user"; const runner = new InMemoryRunner({ agent, appName: APP_NAME, plugins: [new WeaveAdkPlugin()], }); const session = await runner.sessionService.createSession({ appName: APP_NAME, userId: USER_ID, }); const questions = [ "Who founded Anthropic?", "What is Claude (the AI assistant)?", "Summarize what we discussed in one sentence.", ]; for (const question of questions) { console.log(`USER: ${question}`); for await (const event of runner.runAsync({ userId: USER_ID, sessionId: session.id, newMessage: { role: "user", parts: [{ text: question }], }, })) { const text = event.content?.parts ?.map(part => part.text) .filter(Boolean) .join(""); if (text) { console.log(`AGENT: ${text}\n`); } } } await weave.flushOTel(); } main().catch(console.error); ``` この例では、1 つの ADK セッション内で 3 つのターンを実行します。最初の 2 つのターンでは Wikipedia のルックアップが実行され、3 つ目のターンではツール呼び出しを行わずに、それまでの会話のコンテキストを使用して要約を生成します。 すべてのターンで同じ `sessionId` を渡します。ADK はこのセッションに基づいて `gen_ai.conversation.id` を設定するため、Agent Lens は 3 つのターンを **Conversations** タブに 1 つの会話としてレンダリングします。ターンごとにセッションを作成した場合は、各ターンがそれぞれ別の会話として表示されます。 ### View your traces in Agent Lens After the script runs, `weave.init()` prints a link to your project in Weave. The same traces appear in Agent Lens, because both products share the same trace data. To view them in Agent Lens: 1. Navigate to [CoreWeave Forge](https://forge.coreweave.com) and select **Agent Lens** from the product menu. 2. Select your project. 3. In the Agent Lens side menu, select **Conversations**, and then select your conversation. Each turn renders as an `invoke_agent` span with nested `chat` and `execute_tool` spans. Each span shows its input, model, output, token usage, and tool results. For more information, see [View agent activity](/products/agent-lens/conversations/view-activity).