大家好！歡迎來到「Build on Google AI」工程挑戰的第 16 天。

昨天我們成功建立了 PM Agent 與 RD Agent 的交接工作流。但在真實的 Multi-Agent 系統中，如果前一個 Agent 輸出了一句「好的，這是您要的 JSON：」，然後才接著輸出資料結構，下一個負責執行的 Agent 或後端系統（呼叫 json.loads()）就會瞬間崩潰。

Prompt Engineering 的盡頭，終究是 Software Engineering。面對這種問題，我們不能靠「跪求模型不要說廢話」，而是要用工程手段強制約束它。今天，我們來看看 Google ADK 如何優雅地解決這個痛點。

第一步：告別脆弱的 Prompt，擁抱 Pydantic 強型別
在 ADK 的設計哲學中，Agent 的輸出不該是一團未知的字串，而應該是具備強型別 (Strongly Typed) 的物件。我們可以透過 Python 業界標準的 Pydantic 來定義 RD Agent 必須遵守的產出規格。

這就像是為 Agent 戴上「緊箍咒」，連欄位名稱、資料型別，甚至是巢狀陣列，都受到嚴格限制。

from pydantic import BaseModel, Field
from typing import List

# 1. 嚴格定義 RD Agent 的產出規格
class APIEndpoint(BaseModel):
    path: str = Field(description="API 路徑，例如 /api/v1/users")
    method: str = Field(description="HTTP 方法，嚴格限制為 GET, POST, PUT, DELETE 之一")
    description: str

class SystemArchitecture(BaseModel):
    service_name: str
    endpoints: List[APIEndpoint]

第二步：在 ADK Agent 中綁定 Response Schema
有了 Pydantic 模型後，我們不需要像使用底層 SDK 那樣去設定複雜的 GenerationConfig 或 MIME Type。在 Google ADK 中，你只需要在宣告 Agent 時，將定義好的 Schema 傳給 response_schema 參數。

ADK 會自動在底層切換 Gemini 的 JSON Mode，並將 Schema 轉換為 OpenAPI 規格傳遞給模型。

from google.adk import Agent

# 2. 初始化 RD Agent 並綁定強制輸出格式
rd_agent = Agent(
    name="rd_agent",
    model="gemini-2.5-pro", # 實作邏輯需要高階推理能力
    instruction="你是一個資深後端 RD。請根據需求，設計乾淨、符合 RESTful 風格的 API 架構。",
    response_schema=SystemArchitecture # 這是確保絕對精準的魔法
)

第三步：享受「絕對精準」的呼叫體驗
現在，我們的 Prompt 可以回歸本質，專注於「業務邏輯」，再也不用浪費 Token 去描述 JSON 格式了。最棒的是，ADK 回傳的結果已經被自動驗證並解析為 Python 物件！

# 3. 極簡的 Prompt，直接下達需求
prompt = "請幫我設計一個『活動報名系統』的用戶登入與活動報名模組。"

# 執行 Agent
response = rd_agent.invoke(prompt)

# 不用 json.loads()，不用 strip() 去除 Markdown！
# response 直接具備屬性存取能力 (強型別)
print(f"微服務名稱: {response.service_name}")
for ep in response.endpoints:
    print(f"[{ep.method}] {ep.path} -> {ep.description}")

為什麼 ADK 的封裝如此關鍵？ (Determinism in AI)
在企業級系統中，我們追求的是 確定性 (Determinism)。
透過 ADK 的 response_schema：

• 1 防禦幻覺：如果模型試圖回傳未定義的屬性，或者把 Array 寫成 String，底層 API 會直接在生成階段進行約束。

• 2 無縫串接：在 Multi-Agent 流程中，這個強型別的產出可以 100% 安全地作為參數，直接傳遞給下層的工具 (Tools) 或下一個 Agent。

小結
今天，我們利用 ADK 與 Pydantic，為 RD Agent 裝上了「絕對精準」的輸出限制，徹底消滅了 JSON 解析的惡夢。

現在，我們的 PM 和 RD Agent 已經能完美合作，產出精確無誤的架構與執行腳本。但如果這些腳本包含「直接對資料庫下達 UPDATE」或「發送正式 Email」的操作呢？我們能讓 Agent 全自動執行嗎？