Day 6 把 agent.py 那段定義拆完，剩下兩個參數還沒講：instruction 跟 model。這兩個看起來都是最好懂的欄位，一個是給模型的一段話，一個是選哪支模型。但 instruction 只是一個字串這件事，決定的東西比表面上多；換模型這件事的成本，也不只是改一行程式碼那麼簡單。

instruction 是字串

模板寫的是一句話：

You are a helpful AI assistant designed to provide accurate and useful information.

這句話在 A2A 的 card 裡會出現，但位置不是你以為的地方。它跑到 skills[0] 去了，而 card 本身的 description 是另一個硬寫的值。這件事影響路由，我留到 Day 9 用實際的 card JSON 講。

別的框架換了個名字做同一件事

instruction 只是一個字串，但它決定整個 agent 的人格跟行為，這件事不是 ADK 特有的設計。我另外整理 CrewAI 的筆記時，看到的是同一個概念換了個名字：CrewAI 的 backstory 表面上像是幫 agent 寫的小說背景設定，實際上是直接塞進 system prompt 的內容。範例是這樣：

backstory="你的讀者看不懂術語，所以你寫得很白。"

這句話會真的改變輸出的文風，換成「你為學術期刊寫作，用詞精確嚴謹」，同一個任務會吐出完全不同的東西。CrewAI 那邊把 backstory 當成最主要的調校旋鈕，覺得輸出不對，先改這欄，不是先改程式邏輯，這跟這裡 instruction 字串直接決定行為，是同一個道理，只是換了個看起來比較有故事感的名字。

CrewAI 另外還有一個 expected_output 欄位，管的是模型怎麼判斷「我做完了嗎」。寫得模糊，像 expected_output="一些趨勢"，模型可能吐兩個也可能吐十五個；寫得清楚，像 expected_output="剛好三個趨勢，每個一句話說明，條列格式"，輸出的格式就穩定很多。backstory 跟 expected_output 是 CrewAI 的 API 名稱，ADK 這邊目前只有 instruction 一個字串欄位，沒有另外切一個管輸出格式的參數。這代表寫 instruction 的時候，語氣跟格式這兩件事得自己在腦子裡分清楚，再一起塞進同一個字串。

模型憑證有兩條路

.env.example 給了選擇：

# Vertex AI Configuration (default)
GOOGLE_GENAI_USE_VERTEXAI=true
GOOGLE_CLOUD_PROJECT=your-gcp-project-id
GOOGLE_CLOUD_LOCATION=global

# Alternatively, for Gemini API via Google AI Studio,
# comment out the three lines above and uncomment:
# GEMINI_API_KEY=your-api-key-here

預設走 Vertex AI，計費落在 GCP 專案，權限走 IAM。另一條是 AI Studio 的 API key，設定簡單但走的是不同的帳務與配額體系。

要部署到 Agent Runtime 或 Cloud Run 的話走 Vertex 這條比較順，因為服務帳號的權限模型是一致的。

GOOGLE_CLOUD_LOCATION=global 這個值後面有個陷阱。app/app_utils/a2a.py 裡有一段註解專門警告不要拿它去組 endpoint，因為會拼出無效的主機名。那是 Day 9 提過的 card url 問題，這裡先記著。

明天

看 tools=[get_weather, get_current_time] 這兩個函式。它們就是普通 Python function，沒有裝飾器，而它們的 docstring 會被原文搬到 A2A 的 card 上。模板自己就示範了一個反例。