地方媽媽準備帶長輩參加彰化走讀，在 LINE 問：「幾點集合、在哪碰面？」今天用 Google ADK 接上活動搜尋工具，讓 LOCAL 依資料回答。模型如何把一句話變成 Python 查詢，又怎麼處理缺少的無障礙資訊？跟著這個例子一起拆開看。

Today we give LOCAL its first event-search tool with Google ADK. A Python function returns meeting details with source identifiers, and flags missing fields such as accessibility. We follow the model’s function call, the tool result, and the final answer, then compare four questions with and without tool access. The existing LINE entry point provides a short mobile demonstration.

圖 1：LOCAL Day 5 測試頻道的手機對話截圖。左圖為新版加入好友歡迎訊息與 LOCAL ping 連線確認；右圖為輸入 LOCAL 測試 後的回覆——時間與地點來自 search_local_events 查回的目錄，無障礙那一句是模型依 unknown_fields 補上的待確認提醒。

一、昨天會回話，今天教它查資料

假設一位地方媽媽準備帶長輩參加社區走讀，出門前在 LINE 問：「幾點集合？在哪裡碰面？」今天讓 LOCAL 查活動目錄再回答。那句自然的問話，到底怎麼變成程式看得懂的查詢？

以前得翻海報、找聊天紀錄，人還沒出門，倒是先在聊天紀錄裡走讀了一圈。現在我們替昨天的 LINE Bot 多接一個工具，把這件小麻煩交給它。

這次準備四筆教學用的合成活動：彰化社區走讀、鹿港老街走讀、彰化親子手作與員林小農市集，集中放在 catalog.json。其中社區走讀是 2026/09/26，09:30 在示範社區活動中心入口集合，刻意留下全程輪椅通行資訊的缺口。

先抓住今天的重點：查到的部分幫人說清楚，還缺的部分也有地方可查。

本次查詢與紀錄

問題：請查 2026-09-26 彰化市的社區走讀：幾點集合、在哪裡碰面？請附資料來源。

這場彰化社區走讀活動預計於 2026 年 9 月 26 日上午 09:30 集合，集合地點在示範社區活動中心入口。目前活動的無障礙動線等無障礙資訊尚未確認，建議出發前先向主辦單位洽詢確認。有興趣參加的話，可以留意官方公告進一步了解報名流程喔！
資料來源：DEMO-WALK-001

以上是本次模型原文。版本與回合資料如下：

二、誰決定查什麼？這就是 Orchestration

如果固定寫一行 search_catalog(...)，Python 當然也能查資料。今天多出來的，是讓 Gemini 從問題判斷日期、地區與活動名稱，提出一次工具呼叫，再讀回查詢結果。

使用者問問題 → Gemini 提出工具與參數 → Python 搜尋 → ADK 傳回結果 → Gemini 整理回答。

這段安排叫做 Orchestration，編排。Gemini 選擇下一步，ADK 的 Runner 推進模型與工具之間的往返；真正篩選活動的工作，交給我們寫的 Python 函式。[1][2]

例如「9/26 鹿港的老街走讀」，會變成含日期、地區與名稱的搜尋條件。換成彰化社區走讀，參數就跟著問題改變。只用一個 Agent、一個工具，就能看清楚這段合作。

程式中的關鍵欄位如下，完整設定在 runtime.py：

agent = LlmAgent(
    name="local_event_assistant",
    model=llm,
    instruction=INSTRUCTION,
    tools=[tool] if with_tool else [],
    # 生成參數與 callback 見完整程式。
)

這幾行把模型、任務說明與工具接在一起；with_tool 也讓我們能用同一個 Agent 設定，切出稍後比較的兩組。

三、先跑一輪，看看它怎麼查

程式位於 Repo 的 examples/day05/。這篇選用 google-adk==2.9.1、google-genai==2.23.0，模型與思考設定沿用前篇的 gemini-3.8-flash、LOW；實際使用的版本會一起寫入報告。ADK 使用獨立虛擬環境，前一天的環境繼續保留。[5]

在 Repo 根目錄執行：

python3 -m venv examples/day05/.venv
examples/day05/.venv/bin/python -m pip install -r examples/day05/requirements.txt
examples/day05/.venv/bin/python -m pip check
examples/day05/.venv/bin/python examples/day05/verify.py --sdk

這幾行準備環境，檢查搜尋邏輯，再用真正的 ADK 加上模型替身，確認工具結果能回到模型。使用 Antigravity 時，讓它在整合終端機執行這些步驟即可。

Gemini 金鑰沿用既有的私人設定，或設定好 GEMINI_API_KEY 環境變數；私人檔案也能以 --env-file 指定。接著跑四個問題的比較：

examples/day05/.venv/bin/python examples/day05/run.py --live

程式會列出本次 REPORT.html 的位置。打開後，先看四題的兩組回答，再展開其中一題的查詢過程。日期、地區與關鍵字是否合理，比先讀完整份 JSON 容易觀察多了。

四、一個 Python 函式，怎麼變成模型的工具？

活動搜尋的函式簽名是：

def search_local_events(
    date: str = "", area: str = "", keyword: str = ""
) -> dict:
    """依日期、地區或活動名稱，搜尋 LOCAL 的示範活動目錄。

    Args:
        date: 活動日期 YYYY-MM-DD，空字串代表不限日期。
        area: 鄉鎮市名稱，例如彰化市或鹿港鎮，空字串代表不限地區。
        keyword: 活動名稱關鍵字，例如社區走讀，空字串代表不限名稱。
    """
    # 完整實作位於 catalog.py 的 make_search_tool()。

這是介面節錄。ADK 會讀取名稱、型別、預設值與 docstring，建立模型看得到的工具 schema。docstring 因此也是操作說明：模型要靠它知道 date 是活動日期、keyword 是名稱關鍵字。[1]

真正執行時，Python 把三個條件以 AND 組合。日期相符，地區相符，名稱也包含關鍵字，才收進結果。before_tool_callback 先檢查傳入欄位，搜尋函式再做實際查詢；這正是「模型提出參數、程式落實規則」的分工。

回傳內容的核心如下，這是資料格式節錄：

{
  "status": "ok",
  "events": [{
    "id": "walk-001",
    "time": "09:30",
    "meeting_point": "示範社區活動中心入口",
    "accessibility": null,
    "source": "DEMO-WALK-001",
    "updated_at": "2026-09-19T08:00:00+08:00"
  }],
  "unknown_fields": ["walk-001.accessibility"]
}

這份資料把答案、來源與缺口一起交回模型。source 方便對照原始活動，updated_at 留下資料更新時間；兩者都來自目錄。開發時 Antigravity 能操作哪些檔案，和 LOCAL 對使用者提供哪些工具，是兩個層次。

五、有時間、有地點，偏偏少了一個欄位

最值得試的反例，是媽媽接著問：「輪椅可以走完全程嗎？」

這裡你可能會好奇：為什麼不用「哪裡有好吃的肉圓」或知名景點當範例，大家不是更容易理解嗎？

如果是問知名美食或熱門景點，大語言模型憑著龐大的預訓練記憶，就算沒有工具也能回答得頭頭是道，甚至夾雜似是而非的幻覺；那樣我們根本分不清答案是它憑記憶猜的，還是真的查了在地資料。

但地方服務往往有「不能矇混過去」的硬邊界——例如長輩推輪椅、推嬰兒車，動線能不能過，是一翻兩瞪眼的現實。活動目錄裡有記載的就是已知（true／false），沒記載的就是未知（null）。拿無障礙當邊界測試，才能真正逼出這套查詢流程的誠實邊界：查得到時間地點就講清楚；查不到或缺少欄位，就老實認「不知道」，而不是自作聰明瞎編。

原始 walk-001 省略了 accessibility。搜尋工具把它補成 null，再加入 unknown_fields，讓缺漏成為明確的資料。若直接把這個欄位省掉，模型只能從「看不到」猜測含義；現在它知道，這一項仍待確認。

三種值的意義是：true 為範例已記載可通行，false 為範例已記載動線限制，null 為資料缺少判斷依據。鹿港那筆刻意設為 false，可以一起對照。

我在這裡選擇先提供集合資訊，再指出無障礙條件需要問主辦單位。查詢工具的價值，就在於把有用的答案和待確認的部分分清楚，而不是一遇到缺欄位就整段拒答。

另一題改問 10/3 的夜間走讀，工具會回 not_found；這次是搜尋範圍內沒有符合的活動，和「找到活動、少一個欄位」分開處理。

六、有工具與無工具，用同樣四題看差別

這次兩組共用模型、指示、生成設定及問題，每題各跑一回合，並各自建立新的 Session。無工具組只有問題；有工具組能透過 search_local_events 取得活動目錄。題目與檢查依據保存在 cases.json。

比較時，我會先看時間地點是否有資料支持、來源是否相符、缺漏是否被說清楚，再看工具呼叫與耗時。值得多看一眼的是無工具組：它沒有任何工具，卻寫出「查無（not_found）」，還附上「資料來源：教學用活動目錄」。這不是查過，是照著指示裡的格式，把「我沒有資料」寫成「我查過了」。光看回答文字，兩組幾乎分不出誰真的查過，所以下一節要把軌跡拿出來對。

這份小實驗觀察的是「有沒有接入活動資料」帶來的差異。 工具與資訊取得方式同時改變，不能單靠這張表認定 ADK 比所有固定流程更準或更快。完整資料很少時，直接放進提示詞也是值得比較的另一條路。

七、沿著事件，看見答案怎麼來

報告中的四個觀察點，分別對應模型與程式的工作：

ADK 的 get_function_calls()、get_function_responses() 與 is_final_response() 提供這些判讀入口；程式另在搜尋函式裡記錄實際執行，再把兩邊對起來。[2]

如果文字說「查到了」，軌跡卻少了工具執行，測試會留下 TRACE_MISMATCH。這個反例教的是：回答原文與執行步驟要一起看。無工具組那幾句「查無」就是例子：文字像查過，事件裡沒有工具執行。完整的語意判讀，則拿活動資料逐項核對。

今天的最小 Harness 就是「四題＋目錄＋Agent＋紀錄＋檢查」。每個回合使用 InMemorySessionService；無工具組最多一次模型請求，有工具組最多三次、兩次搜尋。RunConfig(max_llm_calls=3) 管的是模型往返次數，Python 工具另行計數。[3][4]

查詢通常比單純回答多了一次模型往返。這是我願意付出的代價：資料由工具取得，流程可以觀察；是否值得，接著看它替使用者解決的問題。

八、最後，把這次查詢放回 LINE

line_bridge.py 重用 Day 4 的入口，將模型處理換成這次的 ADK 回合。先傳 LOCAL ping 確認連線，再傳 LOCAL 測試，就會送出固定的無障礙查詢題；手機展示與四題比較各留一份紀錄。

測試前，在 LINE Official Account Manager → 設定 → 回應設定，關閉內建自動回應，Webhook 保持開啟。這樣手機就由 LOCAL 的程式回答，避免像昨天同時夾進平台預設訊息。[6][7]

加入好友的歡迎訊息則保留：進入「加入好友的歡迎訊息」，編輯、儲存，再確認功能啟用。[7] 它負責介紹如何開始，指令後的答案才交給程式。這次採用：

你好，歡迎加入 LOCAL 👋

這裡是「LINE × Google AI 地方服務 Agent」的開發測試帳號。

目前僅供在測試服務啟動時使用：

① LOCAL ping → 檢查 LINE 回覆。
② LOCAL 測試 → 查詢預設的合成服務資料。

其他訊息暫不處理，請勿傳送個資。

本次 LINE 回覆 API 回傳 HTTP 200，我在手機上收到了這次活動查詢的完整回覆。

實測看著訊息跳出，我當下的心得是：手機實測成功查回時間地點，證明 Agent 確實能自己去撈資料。不過一看到機器人主動附帶無障礙免責，連我自己都覺得回覆有點太囉唆了。這提醒了我：工具能辨識「未知」是一回事，但在 LINE 裡能不能講得自然、不讓人出戲，又是另一門學問。

九、今天的選擇，以及接下來的路

今天先維持三個選擇：資料放在小型 JSON 目錄，方便核對；Session 放記憶體，專心觀察單次回合；LINE 使用固定測試指令，讓手機與報告能對照同一題。

Day 1 預告的 search_local_events，在這裡成為第一個查詢工具。原本排在第三天的二十題基準，實際先經過後端實驗、模型回合與 LINE 入口；現在先用四題建立有工具／無工具的比較，再於後續的評測篇（Day 18）擴充與追蹤二十題基準、一百題總目標。初版分期也已依實作順序調整，最後會回到起初的承諾逐項回顧。

今天帶走的方法，是把 Python 函式變成 Agent 可用的工具，再沿著事件看懂答案的來處。 下一篇換一個問題：這份手寫目錄，能不能由 Gemini 讀活動海報，幫我們整理出來？

你會先把哪一種地方資訊交給 LOCAL 查？活動時間、店家資訊，還是集合地點？歡迎留言跟我說。

程式與參考資料

本篇程式：examples/day05/；重現說明：docs/day05/README.md。專案入口：LOCAL。

前篇：Day 4｜讓 Gemini 走進 LINE。

• [1] Google ADK：Function tools。
• [2] Google ADK：Events。
• [3] Google ADK：Runtime Config。
• [4] Google ADK：Session。
• [5] Google ADK 2.9.1 套件與安裝條件。
• [6] LINE：Build a bot，內建訊息與 Messaging API 的分工。
• [7] LINE 官方帳號操作手冊：帳號設定與回應設定。