Google ADK，知多少？

推荐语

探索Google ADK如何革新AI开发，解锁多智能体系统新纪元。

核心内容：
1. Google ADK的创新背景与核心价值
2. ADK框架的技术特点与业务应用
3. 代理（Agent）的定义、功能及协作方式

杨芳贤

53A创始人/腾讯云(TVP)最具价值专家

—01 —

什么是 Google ADK ？

     那么，从技术层面来讲，ADK 中的代理究竟是什么？

    在 ADK 框架中，代理（Agent） 被定义为一个自主且自包含的执行单元，旨在实现特定的目标。这些代理如同智能化的“任务执行者”，具备多方面的能力，能够：

     1、执行任务：独立完成预定义的目标，如回答问题或生成报告，展现出高效的自动化能力。

     2、与用户交互：通过自然语言对话或界面操作，与人类用户无缝沟通，模拟真实对话体验。

     3、利用外部工具：调用 API、数据库或第三方服务，扩展功能边界，解决复杂问题。

     4、与其他代理协作：通过多代理编排，共同完成复杂的业务流程，如法律案件分析或多语言翻译任务。

     这些代理的灵活性与协作性，使 ADK 成为构建智能工作流的核心组件，特别是在需要高度自动化和协同的场景中表现卓越。想象它们像一个“高效团队”，每个成员各司其职，又能紧密合作，共同完成从简单到复杂的“智能使命”！

Google ADK 都具有哪些核心特性 ？

    Agent Development Kit（ADK）以其强大的功能和灵活性，成为 Google Cloud NEXT 2025 备受瞩目的亮点，赋能开发者构建智能化 AI 代理系统。以下是 ADK 的核心特性，结合其技术优势和应用场景，为大家呈现一个全面而专业的概述，适合初学者、技术开发人员以及企业架构师深入了解，具体可参考：

     1、模块化架构

    通常，ADK 采用模块化设计理念，允许开发者通过整合多个专业化的小型组件，轻松构建复杂的多代理系统。这一架构不仅简化了开发流程，还提供了高度的灵活性，使系统能够根据具体需求动态扩展。例如，我们可以从单一任务代理开始，逐步扩展到多层次协作网络，宛如“乐高积木”般拼凑出强大的智能生态。

      2、代码优先开发效能

     ADK 以代码为驱动，开发者可以使用 Python 语言精确定义代理行为，赋予其完全的程序化控制权。这种方法消除了传统配置的繁琐性，让大家能够通过脚本灵活调整逻辑、优化性能，并快速迭代，堪称“程序员的创意画布”。

      3、丰富的工具生态链

     ADK 内置了丰富的预建工具集，涵盖数据处理、API 调用等功能，同时支持开发者创建定制化能力。无论是调用外部服务，还是开发专属插件，这一生态都为代理功能扩展提供了坚实支持，像是“工具箱中的万能钥匙”。

     4、灵活的部署选项

     ADK 提供了多样化的部署选择，我们可以选择在本地环境进行开发调试，利用个人设备快速原型设计；或将其部署至 Google Cloud 的生产环境中，享受企业级的高可用性和扩展性。这种灵活性让开发者能够“从自家厨房试菜，到五星餐厅上桌”，随心所欲。

     5、多模型支持

     此外，ADK 也支持多种大型语言模型的集成，包括 Google 的 Gemini 系列、OpenAI 的 GPT 系列，以及其他兼容的 LLM（如 Anthropic Claude）。这一特性使得开发者能够根据任务需求选择最优模型，像是“调酒大师”根据口味挑选“最佳酒款”。

Google ADK 架构设计简要解析 

     在 ADK 中，代理（Agent） 是处理输入并生成输出的核心实体，堪称智能系统的“灵魂”。其基本架构由以下几个关键组件构成，共同编织出代理的生命循环：

      1、代理核心（Agent Core）：作为指挥中枢，负责协调代理的整个生命周期，包括任务分配、状态管理和流程控制，类似于“乐队的指挥”。

     2、输入/输出处理器（Input/Output Handlers）：管理与用户或其他系统的通信渠道，确保信息的高效传递，像是“沟通桥梁”。

     3、记忆模块（Memory）：存储对话历史和上下文信息，支撑多轮交互的连贯性，宛如“智能大脑”的记忆库。

     4、工具集（Tools）：提供功能或集成能力，允许代理执行具体操作，如调用外部服务，类似于“多功能工具箱”。

     5、模型（Models）：由大型语言模型（LLMs）驱动，赋能代理的推理和生成能力，像是“语言引擎”。

     此外，ADK 还支持层次化代理组成，允许“代理之代理”（Agent of Agents）模式，其中协调代理可以将任务分配给专业化子代理，形成复杂的协作网络，宛如“团队协作”完成大型项目！

模型集成：

     ADK 提供对多种语言模型的集成支持，赋予开发者灵活选择的能力，具体模型，可涉及如下：

• Gemini：Google 推荐的模型，与 ADK 深度整合，适合企业级应用。

• OpenAI：支持 GPT-3.5 和 GPT-4 系列，涵盖广泛任务。

• 开源模型：兼容多种开源 LLM（如 LLaMA 4），满足定制化需求。

from adk.models import GeminiModel
# 配置 Gemini 模型model = GeminiModel(    api_key="your_api_key_here",  # 替换为自己的 API 密钥    model_name="gemini-1.5-pro",  # 指定模型名称    temperature=0.7,              # 控制创造性，0.7 为平衡点    max_tokens=1024               # 限制最大输出 token 数)

工具生态：

     工具是代理执行任务的“利器”，ADK 提供丰富的内置工具，并支持自定义开发，根据 ADK 工具文档，内置工具包括：

• WebSearchTool：搜索互联网信息，实时获取最新数据。

• CalculatorTool：执行数学计算，处理数值任务。

• DatabaseTool：查询和操作数据库，支持数据管理。

• FileTool：读写文件，处理本地数据。

• APITool：向外部服务发送 HTTP 请求，扩展功能。

from adk.tools import Tool, ToolParameter
class WeatherTool(Tool):    name = "WeatherTool"  # 工具名称    description = "获取指定地点的当前天气信息"  # 工具描述
    parameters = [        ToolParameter(            name="location",                  # 参数名称            description="城市和国家/州",       # 参数描述            type="string",                    # 参数类型            required=True                     # 是否必填        )    ]
    async def execute(self, parameters):        location = parameters.get("location")  # 获取位置参数
        # 实际实现中应调用天气 API，此处为演示返回模拟数据        weather_data = {            "location": location,            "temperature": "72°F",            "condition": "Partly Cloudy",            "humidity": "45%",            "wind": "8 mph NW"        }        return weather_data

运行环境

     ADK 的运行环境决定了代理的运行方式和扩展能力，具体环境可参考如下所示：

• 本地环境（Local Environment）：适合开发和测试，使用个人设备快速原型设计，类似于“自家厨房”的试菜阶段。

• Vertex AI 环境：基于 Google Cloud 部署，支持企业级生产需求，享受高可用性和扩展性，宛如“五星餐厅”的正式上菜。

• 自定义环境（Custom Environments）：针对特殊基础设施需求，提供个性化配置，像是“定制厨房”满足独特菜谱。

• 每个环境均管理代理的生命周期、资源分配和扩展策略，灵活适配不同场景。

• 专业亮点：Vertex AI 集成 Google Kubernetes Engine (GKE)，支持 99.9% 可用性，自定义环境支持 Docker 容器化。

• 可读性提示：像“多场景舞台”，ADK 让你从“家用厨房”练手，到“云端大厨”上菜，再到“定制厨房”创新！

Google ADK 工具 ?类型解析

     作为一个功能强大的开放源代码框架，Agent Development Kit（ADK）为开发者提供了多样化的工具类型支持，赋予代理系统高度的灵活性和可定制性。这些工具类型不仅涵盖了自定义开发的需求，还集成了内置功能和第三方生态的丰富资源，助力开发者构建智能、模块化的 AI 解决方案。

     1、自定义工具类型

    通常而言，ADK 支持多种自定义工具类型，满足特定应用场景的独特逻辑和业务流程需求，具体涉及：

• 函数工具（Function Tools）

    这类工具是为特定应用量身定制的解决方案，开发者可以根据业务需求设计专属功能，优化工作流效率。它们如同“专属裁缝”，根据我们的需求“量体裁衣”，打造独一无二的智能模块。

• 函数/方法（Functions/Methods）

     ADK 允许注册标准的同步 Python 函数（def）或类方法作为工具，提供完全的程序化控制。无论是简单的计算逻辑，还是复杂的业务处理，这些工具就像“万能工匠”的基础工具箱，随时待命。

• 代理作为工具（Agents-as-Tools）

     开发者可以将专业化代理作为可调用的工具，嵌入到父代理中，实现模块化行为。这种设计类似于“团队协作”，让每个“专家代理”分担任务，共同完成复杂的智能工作流。

• 长时间运行函数工具（Long-Running Function Tools）

     此类工具专为异步或耗时较长的操作设计，支持后台执行任务，如数据处理或 API 调用，宛如“耐力运动员”，在长时间任务中保持稳定表现。

     2、内置工具：框架提供的即用型利器

     ADK 内置了一系列预定义工具，覆盖常见的任务需求，为开发者提供了开箱即用的解决方案，具体：

• WebSearchTool：实时搜索互联网信息，获取最新数据支持。

• CodeExecutionTool：执行代码片段，辅助开发与调试。

• RAGTool：基于检索增强生成（Retrieval-Augmented Generation）技术，增强知识库查询。

    这些工具就像“现成的魔法道具”，让开发者无需从零开始，即可快速构建功能强大的代理系统。

    3、第三方工具：无缝整合的生态扩展

    ADK 支持轻松集成来自热门生态系统的第三方工具，进一步丰富其功能。开发者可以无缝接入 LangChain 或 CrewAI 等知名框架中的工具，充分利用这些生态的成熟功能和社区资源。

     例如，LangChain 的记忆模块或 CrewAI 的任务分配工具，可以直接嵌入 ADK，增强代理的协作能力。

     今天的解析就到这里，欲了解更多关于 Google 的 Agent Development Kit（ADK） 相关技术的深入剖析，最佳实践以及相关技术前沿，敬请关注我们的微信公众号：架构驿站，获取更多独家技术洞察！

      Happy Coding ~

Reference ：

[1]     https://medium.com/google-cloud/from-zero-to-agent-getting-started-with-the-google-agent-development-kit-adk-08aefbc82f1e

[2]     https://www.linkedin.cn/incareer/in/alan-olivares-amigo-97795925/en

    Adiós !

··································

对云原生网关 Traefik 技术感兴趣的朋友们，可以了解一下我的新书，感谢支持！

Hello folks，我是 Luga，Traefik Ambassador，Jakarta EE Ambassador， 一个 15 年+ 技术老司机，从 IT 屌丝折腾到码畜，最后到“酱油“架构师。如果你喜欢技术，不喜欢呻吟，那么恭喜你，来对地方了，关注我，共同学习、进步、超越～