Google ADK 指南
这篇文档主要回答一个问题:
在同时覆盖 tools、workflow agents、agent teams、sessions / memory、evaluation 和 observability 的框架里,Google ADK 处在什么位置,是否值得单独整理。
本文基于 Google 当前 ADK 官方文档整理。
1. 它是什么
Google ADK 当前官方定位很明确:
- 开源 agent development framework
- 面向 production-grade agents
- 支持 Python、TypeScript、Go、Java
它不是一个“只做 prompt 调用”的轻层库,而是一个完整的 agent 开发框架。
核心定位可以先概括成一句话:
Google ADK 想承载的是从单 Agent 起步,到 workflow、agent teams、运行时、评估和部署的一整条开发链路。
2. 它适合什么问题
2.1 适合把“Agent + Workflow”双主线一起看
ADK 官方直接把 LLM agents 和 Workflow agents 分开讲:
- sequential agents
- loop agents
- parallel agents
这对理解 Workflow vs Agent 特别有帮助。
2.2 适合把状态和上下文当成正式能力来学
ADK 文档里把这些都列成正式组件:
- context
- context caching
- context compression
- sessions
- state
- memory
因此它比较适合对照你现在专题里的:
- Context Engineering
- Agent Memory and State
2.3 适合把评估和观测一起带进来
ADK 官方导航里明确有:
- logging
- metrics
- traces
- evaluation
- user simulation
- environment simulation
- custom metrics
这说明它不是只讲“怎么跑起来”,也在强调“怎么验证和优化”。
3. 它不太适合什么问题
3.1 不适合只想写一个最小工具 agent
如果目标只是:
- 先做一个最小 tool-using demo
那直接从 OpenAI Agents SDK 或 Vercel AI SDK 起步通常更轻。
3.2 不适合还没准备接触完整框架的阶段
ADK 涵盖的面比较全:
- agents
- workflows
- tools
- runtime
- sessions
- memory
- evaluation
- deployment
所以它更适合已经过了“先知道什么是 agent”那个阶段。
4. 当前官方路线里需要重点看的点
4.1 Workflow agents
这是 ADK 很值得看的地方。
它直接把:
- sequential
- loop
- parallel
这些模式摆成一等能力。