Google ADK：把 Agent 的构建、评估、部署装进同一套官方框架

写一个能跑的 agent demo 只要一下午，麻烦的是之后：评估靠手点、调试靠 print、上线靠自己攒脚本。Google ADK（Agent Development Kit）是谷歌开源、代码优先的 Python 框架，把这些后半程的事收进同一条工具链，Apache-2.0 协议，核心仓库约 2.2 万星（查于 2026-09-28），最新版 v2.10.0 在 2026-09-25 发布，节奏大约每两周一个版本。视频号「钟老师AI实战」9 月 27 日推荐的就是它：多模型、多智能体组合，从本地验证到云端部署一条路走完。它最有意思的一点是自带开发界面——左边画出 Workflow 的节点图，右边逐条流过每次调用的事件、状态和评估结果。

核心功能

ADK 的功能围绕一条主线：把 agent 当软件工程来做，而不是一段提示词加一个循环。

• 两类积木：Agent 定义单个智能体——模型、指令、工具；Workflow 用图把它们编排起来，路由、扇出扇入、循环、重试、状态管理、人在环、嵌套流程都是内置能力。
• 智能体间委托：Task API 让一个 agent 把任务结构化地交给另一个，支持多轮任务、单轮受控输出，任务代理本身也能作为 Workflow 节点。
• 工具不锁定：预置工具、自定义 Python 函数、OpenAPI 规格、MCP 工具都能挂上；对 Gemini 优化最深，但模型无关，也不绑定某一家部署环境。
• 评估是一等公民：adk eval 吃 evalset JSON 加配置文件，按固定用例给 agent 打分，仓库里自带一个 home_automation_agent 示例可以照抄。
• 部署即命令：adk deploy docker 打容器，adk deploy cloud_run 推上 Google Cloud，托管路线走 Vertex AI Agent Engine，都能带 --with_ui 把界面一起发上去。
• 不止 Python：官方还有 Java、Kotlin、Go、TypeScript 版本；不想写代码可以用 Agent Config 直接配置出 agent。

典型使用场景

适合把 ADK 当主力框架的，大概是这几种人：

• 做客服分流、内容审核这类多 agent 协作的流程：一个分流、一个处理、一个复核，交接关系画在 Workflow 图里，不用埋在代码里读。
• demo 已经能跑、卡在评估和上线的团队：evalset 挂进回归，adk deploy 接管后半程，不再手搓脚本。
• 要让 agent 调用公司内部 API 的后端工程师：OpenAPI 规格和 MCP 工具直接挂，省掉一层胶水代码。

快速上手

ADK 的最短路径是三步：装包、写 agent、跑起来。Python 3.10+：

pip install google-adk

from google.adk import Agent

root_agent = Agent(
    name="greeting_agent",
    model="gemini-2.5-flash",
    instruction="You are a helpful assistant. Greet the user warmly.",
)

把文件放进 agent 目录后，adk run <目录> 进命令行对话，adk web <目录> 打开本地开发界面——就是开头那张截图，事件流、状态图和评估页都在里面，官方在 YouTube 上有演示视频。想用 AI 编程助手帮你搭 agent，仓库根目录的 llms.txt 和 llms-full.txt 就是给它们准备的上下文。完全没写过 agent 的话，可以先过一遍 ai-agents-for-beginners 课程再回来。

小结

ADK 的定位很清楚：给已经过了「能不能跑」这一关、要把 agent 当软件维护的团队——评估有 evalset，调试有事件流，部署有命令，Apache-2.0，Python 3.10+。只想写个单文件脚本试试的人不用急着上，它的目录结构、evalset、部署配置都预设你会走完工程化这条路。两点提醒：对 Gemini 优化最深，最顺滑的托管评估和部署在 Vertex AI Agent Engine 上，深度绑定 Google Cloud；Workflow 和 Task API 是 2.0 的新东西，官方 adk-samples 示例库还在追主版本。我们此前写过，agent 值钱的部分正在从提示词转向流程和评估——ADK 正是把这两块直接做进框架的那个路线。