Building an Agent in 30 Minutes with ADK & MCP | Andrew Smith, Google Cloud
Mots-clés
Résumé
205 mots
Évaluation critique
Valeur des informations & solidité de l’argumentation
La valeur principale de cette vidéo réside dans sa démonstration pratique et reproductible : elle montre concrètement comment construire un agent fonctionnel en moins de 30 minutes en utilisant des technologies open-source (ADK, MCP) et des API publiques. L’argumentation est solide : l’orateur justifie l’utilisation de MCP par la nécessité de fournir des données en temps réel aux LLM, illustrant avec l’exemple de la position de l’ISS où les modèles sans outils donnent des réponses obsolètes. Il explique clairement le rôle de chaque composant (modèle, outils, orchestration) et montre comment ils interagissent. La démonstration est convaincante et les étapes sont bien détaillées, ce qui permet au spectateur de reproduire l’expérience. Cependant, l’argumentation est essentiellement promotionnelle : elle met en avant les solutions Google sans comparer avec d’autres frameworks (LangChain, etc.) ni discuter des limites ou des cas d’usage où ces outils pourraient ne pas être adaptés.
Rigueur scientifique, qualité des sources, adéquation du titre
La rigueur scientifique est correcte pour une session de type tutoriel : les informations techniques sont précises et correspondent aux documentations officielles de Google. L’orateur cite des ressources officielles (ADK, Generative AI GitHub) et mentionne des API publiques (Open Notify). Cependant, il ne fournit pas de références académiques ni de données chiffrées sur les performances, hormis quelques benchmarks pour Gemini 2.5 Computer Use. La qualité des sources est bonne, mais limitée à l’écosystème Google. L’adéquation entre le titre et le contenu est parfaite : la session tient sa promesse de construire un agent en 30 minutes. Aucun commentaire n’est fourni pour analyser les tendances du public.
267 mots
Adéquation titre / contenu
Le titre correspond parfaitement au contenu : la session montre effectivement la construction d'un agent en 30 minutes avec ADK et MCP.
Qualité & fiabilité
7/10
Démonstration pratique et reproductible, s'appuyant sur des technologies officielles de Google (ADK, MCP, Gemini). Les informations sont factuelles et vérifiables, mais la présentation reste orientée vers la promotion des solutions Google, sans recul critique ni comparaison approfondie avec d'autres frameworks.
Moments clés
Repères établis par PSI à partir de la transcription : le créateur n'a pas défini de chapitres.
- Introduction de l'orateur et présentation de l'écosystème Gemini.
- Présentation des modèles Gemini 2.5 et de leurs capacités.
- Présentation de Vertex AI et de ses composants.
- Définition d'un agent et introduction au Model Context Protocol (MCP).
- Présentation de l'Agent Development Kit (ADK) et de l'architecture agentique.
- Début de la démonstration : création du serveur MCP avec FastMCP.
- Création de l'agent ADK et connexion au serveur MCP.
- Test de l'agent : questions sur la position de l'ISS et l'équipage.
- Récapitulatif et ressources pour aller plus loin.
Sources citées
- MLOps World — Site de la conférence où la session a été enregistrée.
Sources concordantes
- Documentation ADK — Documentation officielle de l'Agent Development Kit, confirmant les fonctionnalités présentées.
- Documentation MCP — Documentation officielle du Model Context Protocol, décrivant le standard utilisé.
Apport & nouveautés
Cette vidéo apporte une démonstration concrète et accessible de la construction d’un agent IA en utilisant deux technologies clés : le Model Context Protocol (MCP) et l’Agent Development Kit (ADK) de Google. Elle montre comment connecter un LLM à des outils externes via MCP, permettant d’obtenir des réponses à jour et précises, contrairement aux modèles sans outils. L’originalité réside dans la simplicité de la mise en œuvre : en moins de 30 minutes, un agent fonctionnel est créé, ce qui peut encourager les développeurs à adopter ces technologies. La vidéo met également en lumière l’écosystème Google Cloud pour l’IA, avec des ressources utiles pour approfondir.
Pour aller plus loin :
- Model Context Protocol (MCP) — Documentation officielle du protocole MCP, essentiel pour comprendre son fonctionnement.
- Agent Development Kit (ADK) — Documentation officielle de l’ADK, avec des guides et des exemples.
- Gemini API — Documentation de l’API Gemini pour les développeurs.
- FastMCP — Framework Python pour créer des serveurs MCP rapidement.
- Open Notify API — API publique utilisée dans la démonstration pour obtenir la position de l’ISS.
176 mots
Profil radar
Le profil radar montre des scores équilibrés, avec une légère prédominance de la quantité d'information et de la fiabilité, tandis que le niveau technique est un peu plus faible, reflétant une approche pratique plutôt que théorique. Cela indique une vidéo informative et fiable, mais accessible à un public intermédiaire.