Cómo crear tu primer agente con Google ADK usando Firebase Genkit
Resumen rápido (lectores con prisa) Firebase Genkit es un Agent Development Kit (ADK) que estructura agentes como Flows tipados, soporta tool calling y trazabilidad. Úsalo cuando necesites agentes mantenibles, testeables y auditables con deploy serverless. Funciona conectando Flows tipados con herramientas externas y desplegando como funciones HTTP. Qué es: un framework code‑first para agentes de IA. Por qué: trazabilidad, tests y despliegue sencillo. Cómo: define Flows (Zod), añade Tools y despliega a Firebase/Cloud Run.

Como crear tu primer agente con Google ADK ?
Como crear tu primer agente con Google ADK ? La respuesta práctica hoy es usar Firebase Genkit: el framework code‑first de Google para construir, testear y desplegar agentes de IA en producción. Aquí tienes una guía técnica, paso a paso, pensada para desarrolladores y tech leads que quieren pasar de experimentos a agentes confiables y auditables.
Resumen rápido (lectores con prisa)
Firebase Genkit es un Agent Development Kit (ADK) que estructura agentes como Flows tipados, soporta tool calling y trazabilidad. Úsalo cuando necesites agentes mantenibles, testeables y auditables con deploy serverless. Funciona conectando Flows tipados con herramientas externas y desplegando como funciones HTTP.
Qué es: un framework code‑first para agentes de IA. Por qué: trazabilidad, tests y despliegue sencillo. Cómo: define Flows (Zod), añade Tools y despliega a Firebase/Cloud Run.
Ideas clave
- Flows tipados: entradas y salidas validadas con Zod para reducir errores y hallucinations.
- Tool calling: interfaz controlada a APIs/DBs que mejora seguridad y auditabilidad.
- Trazabilidad: traces con tokens, latencias y llamadas a tools para debugging y auditoría.
- Deploy serverless: exporta Flows como funciones HTTP y despliega con Firebase/Cloud Run.
Tabla de contenidos
- Como crear tu primer agente con Google ADK ?
- Resumen rápido (lectores con prisa)
- Ideas clave
- Qué es Google ADK (Genkit) y por qué usarlo
- Requisitos rápidos
- Paso 1 — Inicializa el scaffold (2–5 minutos)
- Paso 2 — Define el Flow: contrato y handler
- Paso 3 — Añade Tools (llamadas externas controladas)
- Paso 4 — Dev UI y pruebas automáticas
- Paso 5 — Deploy y orquestación
- Limitaciones y criterios para migrar
- Buenas prácticas operativas
- Conclusión
- Dominicode Labs
- FAQ
Qué es Google ADK (Genkit) y por qué usarlo
Firebase Genkit actúa como un “Agent Development Kit” real: estructura agentes como Flows tipados, soporta tool calling, ofrece trazabilidad (traces) y facilita deploy serverless en Firebase/Cloud Run. No es un playground: es ingeniería.
Beneficios clave
- Flows tipados (Zod) para entradas/salidas.
- Tools como interfaces a APIs o DBs.
- Trace UI para tokens, latencias y llamadas a herramientas.
- Deploy automático a Firebase Functions/Cloud Run.
Requisitos rápidos
- Node.js 20+
- Firebase CLI:
npm i -g firebase-toolsyfirebase login - Proyecto Google Cloud con facturación habilitada para Vertex AI (si usas Gemini)
- Opcional: Docker para ejecutar dev UI local
Referencias: Vertex AI, Genkit repo.
Paso 1 — Inicializa el scaffold (2–5 minutos)
Crea el proyecto y usa el inicializador de genkit:
mkdir mi-agente-genkit
cd mi-agente-genkit
npx genkit init
El asistente te pedirá TypeScript y proveedor de modelo (Vertex AI / Gemini). Genera estructura con src/ y genkit.config.ts. Guarda las claves de API en variables de entorno, nunca en el repo.
Paso 2 — Define el Flow: contrato y handler
En Genkit un agente es un Flow: entrada validada, salida validada, handler con lógica y llamadas a herramientas. Usa Zod para evitar parsing frágil.
Ejemplo mínimo
import { genkit } from '@genkit-ai/core';
import { z } from 'zod';
import { gemini15Flash } from '@genkit-ai/googleai';
const sdk = genkit({ /* config */ });
const In = z.object({ code: z.string(), language: z.enum(['typescript','python','go']) });
const Out = z.object({ suggestion: z.string(), risk: z.enum(['LOW','MEDIUM','HIGH']) });
export const codeRefactorAgent = sdk.defineFlow(
{ name: 'codeRefactor', inputSchema: In, outputSchema: Out },
async (input) => {
const prompt = `Actúa como Staff Engineer... analiza este código...`;
const resp = await sdk.generate({
model: gemini15Flash,
prompt,
output: { format: 'json', schema: Out }
});
return resp.output(); // validado por schema
}
);
Puntos técnicos
Usa output: { format: 'json', schema } para minimizar hallucinations estructurales; valida todo en entrada; añade timeouts/try‑catch.
Paso 3 — Añade Tools (llamadas externas controladas)
Tools son funciones que el LLM puede invocar para consultar docs, bases de datos o sistemas internos.
Ejemplo de tool para buscar en npm registry
const npmSearch = sdk.defineTool({
name: 'npmSearch',
inputSchema: z.object({ q: z.string() }),
outputSchema: z.object({ name: z.string(), version: z.string(), desc: z.string() }),
call: async ({ q }) => {
const r = await fetch(`https://registry.npmjs.org/-/v1/search?text=${q}`);
const json = await r.json();
return json.objects[0].package;
}
});
El modelo decide cuándo invocar la tool; Genkit ejecuta la función y retorna el resultado al LLM. Esto mantiene seguridad y auditabilidad.
Paso 4 — Dev UI y pruebas automáticas
Dev UI
Levanta la UI local: npx genkit start. En localhost:4000:
- Ejecuta flows con JSON.
- Inspecciona traces: prompt final, tool calls, tokens y latencia.
- Guarda artifacts (diffs, screenshots) para auditoría.
Pruebas automáticas
Integra tests unitarios: mockea respuestas de tools y valida que el Flow cumple output schema. Automatiza en CI.
Paso 5 — Deploy y orquestación
Exporta el Flow como función HTTP y despliega
firebase init functions- Importa y exporta el Flow en
functions/src/index.ts. firebase deploy --only functions
Orquestación empresarial
Para orquestación empresarial conecta el endpoint a n8n o un workflow manager: n8n → HTTP Request → parse → branch por riesgo.
Limitaciones y criterios para migrar
Usa Genkit cuando:
- Necesitas trazabilidad, tests y tool calling.
- Quieres despliegue serverless rápido.
Migra a código tradicional si
- La lógica es intensiva en CPU/GPU (procesamiento batch).
- Tienes requisitos de latencia estrictos o compliance que impiden servicios cloud gestionados.
- Coste por token/despliegue supera reescribir servicio en microservicios.
Métrica práctica: si tu agente supera 5–10k invocaciones/mes o la fricción en coste/latencia aumenta, planifica migración.
Buenas prácticas operativas
- Principio de menor privilegio para tools y claves.
- Versiona prompts como código y mantén changelogs.
- Define SLAs y monitorea latencia, tasa de errores y ratio de respuestas estructuradas válidas.
- Implementa fallback humano para casos de riesgo alto.
Conclusión
Saber cómo crear tu primer agente con Google ADK (Genkit) significa pensar en agentes como software: flujos tipados, herramientas controladas, pruebas y trazabilidad. Genkit transforma experimentos en sistemas desplegables y auditables; úsalo para prototipos robustos y como base técnica antes de escalar. Recursos y docs: Genkit, Vertex AI, repo.
Dominicode Labs
Si trabajas en automatización, agentes o workflows y buscas recursos prácticos y experimentos aplicados, revisa Dominicode Labs. Es una continuación lógica para prototipos técnicos y pruebas de integración.
FAQ
- ¿Qué es Firebase Genkit y cómo se diferencia de un playground?
- ¿Cuándo debo usar Genkit en lugar de microservicios tradicionales?
- ¿Qué requisitos de infraestructura necesito?
- ¿Cómo aseguro las claves y tools?
- ¿Cómo se gestionan las pruebas y CI para Flows?
- ¿Qué métricas debo monitorear en producción?
¿Qué es Firebase Genkit y cómo se diferencia de un playground?
Firebase Genkit es un framework code‑first para construir agentes de IA como Flows tipados, con soporte para tool calling y trazabilidad. A diferencia de un playground, está diseñado para ingeniería: testing, deploy serverless y auditoría, no solo experimentación interactiva.
¿Cuándo debo usar Genkit en lugar de microservicios tradicionales?
Usa Genkit cuando necesitas trazabilidad, tests y tool calling integrados rápidamente y cuando la lógica del agente beneficia de validación tipada. Considera migrar a microservicios si la carga crece a niveles donde coste/latencia o uso intensivo de GPU/CPU hacen más eficiente una implementación dedicada.
¿Qué requisitos de infraestructura necesito?
Node.js 20+, Firebase CLI (instala con npm i -g firebase-tools), y un proyecto Google Cloud con facturación habilitada para Vertex AI si usas Gemini. Docker es opcional para ejecutar la Dev UI local.
¿Cómo aseguro las claves y tools?
Aplica principio de menor privilegio para las claves y cuentas de servicio. Guarda credenciales en variables de entorno o secretos gestionados; nunca en el repositorio. Limita permisos de las tools a lo estrictamente necesario.
¿Cómo se gestionan las pruebas y CI para Flows?
Mockea respuestas de tools en tests unitarios y valida que los outputs cumplan el schema Zod. Automatiza esos tests en CI y añade pruebas de integración que revisen traces y artefactos relevantes.
¿Qué métricas debo monitorear en producción?
Monitorea latencia, tasa de errores, tokens consumidos y ratio de respuestas válidas según el schema. Define SLAs y habilita fallback humano para casos de riesgo alto.
¿Quieres construir con agentes en serio?
Curso «Construye con IA» con Claude Code, de la idea al producto.
Developer con más de 15 años en frontend y creador de Dominicode. Escribe sobre IA aplicada al desarrollo de software.
¿Te resultó útil este artículo?
Compártelo con tu comunidad y ayuda a otros desarrolladores.