# 利用 Gemini CLI 與 ADK 開發 Agentic 應用

> 📌 Slido 📌
> https://app.sli.do/event/8KgV6W46m8rZo23c3GXv5z

> 共筆請從這裡開始

簡報：https://devfest2025taipei-jimmyliao.web.app/

[TOC]

## 痛點

* 敏感資料，不能上雲
* 內部認證問題
* 各種服務API缺乏統一標準
* 一拖拉庫的AI 工具
* MCP 本身也會演進，開發要跟上
* 非開發人員，要怎麼理解API

## Solution

* ✅ Gemini CLI -> 快速驗證、免費額度
* ✅ MCP 協定 -> 標準化工具整合
* ✅ Google ADK -> Agent 自動化編排
* ✅ Vertex AI / Cloud Run -> 企業級部署
* 🏢 實際部署選擇

企業場景:
- 自建平台 + MCP + ADK

演示方案
> AnythingLLM（開源、今日 Demo）
>= Agentic Workflow 開發平台

## 系統架構

flowchart TD

    classDef highlight fill:#f9f,stroke:#333,stroke-width:2px;
    classDef cloud fill:#e1f5fe,stroke:#01579b;
    classDef tools fill:#fff3e0,stroke:#e65100;

    Dev([開發者])
    
    Platform[自建 AI 平台<br/>整合 Gemini API]
    DemoNote[💡 今日 Demo 使用:<br/>AnythingLLM] -.-> Platform

    Protocol[MCP 協定 + Google ADK]

    subgraph Infrastructure [Infrastructure]
        MCPServer[MCP Server<br/>部署至 Vertex AI]:::cloud
    end

    subgraph Resources [整合資源]
        direction LR
        GitLab:::tools
        JIRA:::tools
        Quip:::tools
        API[內部 API]:::tools
    end

    Dev --> Platform
    Platform --> Protocol
    Protocol --> MCPServer
    MCPServer --> GitLab
    MCPServer --> JIRA
    MCPServer --> Quip
    MCPServer --> API

    class DemoNote highlight

痛點：內部認證！
使用工具：AnythingLLM

---

- 任何工具都只需實作一次，真的嗎？（是這樣沒錯，但不是這樣 ）
- 三種傳輸方式：本地端 `stdio` / 遠端 `SEE` / 對談、串流 `streamable HTTP`
- 痛點：因為技術演進很快，所以要跟的很快
- 痛點：工具不是很熟（非開發人員，但可以用 LLM 去開發）

工具：LeapCode

### MCP 如何整合工具？

flowchart TD
    A[AnythingLLM] -->|MCP Protocol| B[GitHub MCP Server]
    B --> C[search_code] & D[create_issue] & E[create_pull_request] & F[get_workflow_runs]
    C & D & E & F -->|GitHub API| G[GitHub]

## Demo

* 1️⃣ Browser Use（開源）
* AI 驅動瀏覽器自動化、MCP 原生支援
* 2️⃣ 台股查詢 MCP Server（FastMCP）
* 50 行代碼快速建立、證交所 API
* 3️⃣ 企業文檔管理 MCP ⭐
* 合規檢查、敏感資料掃描
* 4️⃣ AnythingLLM 整合
* Web UI、RAG 文檔檢索
* 5️⃣ Google ADK Agent ⭐⭐⭐
* 投資分析自動化、3秒完成分析

### Demo 1 - Browser Use MCP

https://github.com/browser-use/browser-use

### Demo 2 - FastMCP 台股查詢

from fastmcp import FastMCP
mcp = FastMCP("台股即時查詢")

@mcp.tool()
def get_tsmc_price() -> dict:
    """查詢台積電即時股價"""
    return get_stock_data("2330")

@mcp.tool()
def get_tech_stocks():
    """科技股比較"""
    return compare_stocks([
        "2330", "2454", "2317"
    ])
# 啟動 Remote Server
mcp.run(transport="sse", port=8080)

### Demo 3 - Document MCP ⭐

整合到現有的 AI platform - AnythingLLM

Quickstart:

docker run -d -p 3001:3001 \
  mintplexlabs/anythingllm

open http://localhost:3001

### Demo 4 - MCP Server

### Demo 5 - Google ADK Agent

程式碼範例:

from google.adk.agents import Agent
from google.adk.tools import FunctionTool

# 建立 Agent（整合多個 MCP 工具）
agent = Agent(
    name="investment_analyst",
    model="gemini-2.0-flash-exp",
    tools=[
        FunctionTool(get_stock_price),
        FunctionTool(search_documents),
        # ... 更多 MCP 工具
    ]
)

# AI 自動推理與工具編排
response = agent.run("分析台積電是否值得投資")

### MCP 部屬方式比較
* Remote MCP
* Transport: SSE / HTTPStreamable
* 部署: Cloud Run / K8S
* 優勢：
* ✅ 一次部署，多處使用 / 跨平台支援
* ✅ 團隊共享 / 集中管理和更新
* 適用場景：
* 企業級工具服務
* Local MCP
* Transport: STDIO
* 部署: 本地機器
* 優勢：
* ✅ 速度快（無網路延遲）
* ✅ 安全性高（不經網路）
* ✅ 適合敏感資料
* 適用場景：
* 敏感資料處理

## Agentic 開發
> 如何高效開發你的 Agentic AI App