Google ADK 2.0 与五语言矩阵
| 分类 | 📖 框架工具 |
| 阅读时间 | ⏱️ 19 分钟 |
| 更新时间 | 📅 2026-10-23 |
| 条目编号 | ENC-FRAMEWORK-22-google-adk-2 |
关键要点 ✦
- 2.0 的架构变化是把智能体、工具、函数都当作工作流图中的节点求值；1.x 的执行器层级被 Workflow Runtime 取代，事件新增图状态字段（存在破坏性变更，1.x 系列仍可安装）。
- 三种编排风格：图工作流负责确定性路由、动态工作流用代码控制循环与分支、协作式工作流由协调者加子智能体组成；工作流可暂停等待人工输入后续跑，失败步骤自动重试。
- 五语言各自面向自身运行时与类型系统从零实现、共享同一架构：Python 为参考实现，Go 主打生产后端（基础镜像约 2 MiB），TypeScript 有独立浏览器包可在标签页内运行，Java 桥接 Spring AI 与 LangChain4j，Kotlin 编译期校验工具定义、零运行时反射并可在 Android 本地跑完整智能体循环。
- 协议内建：每种语言都带 MCP 客户端，可调用任何 MCP 服务器暴露的工具；A2A 支持跨语言跨框架委派，官方文档标注为实验性。
- 2.0 正式版时间线：Python 2026 年 5 月 19 日、Go 6 月 30 日、TypeScript 8 月 21 日（据官方文档）；项目文档已迁至 adk.dev。
- 部署路径覆盖托管与自管：Gemini Enterprise Agent Runtime、Cloud Run、GKE 及任意容器环境；uvx google-agents-cli setup 一条命令完成鉴权检查、CLI 安装与脚手架。
从 1.x 到 2.0：执行模型重构
1.x 时代 ADK 把智能体组织成执行器层级，行为靠覆写运行方法来定制。2.0 换成 Workflow Runtime：智能体、工具与普通函数都被当作工作流图中的节点求值，事件携带图状态字段。这是同代际里最需要正视的破坏性变更——在 Python 中 BaseAgent 改为继承 BaseNode，旧式运行方法覆写会被静默忽略，事件必须从节点中产出；把 2.0 事件写进按 1.x 结构建的库表也会失败。作为补偿，图工作流带来确定性路由、人工回环暂停恢复与失败自动重试等内建能力，三种编排风格分别对应确定性图、动态代码与协调者加子智能体的协作模式，与编排者-工作者这一通用范式同构。
五语言矩阵与各自定位
据 Google Cloud 官方博客 2026 年 10 月 13 日的文章，许多智能体框架默认 Python 技术栈，团队要么额外维护一个 Python 服务，要么用自家语言从零写智能体逻辑。ADK 的答案是五种语言各自为自身运行时与类型系统从零实现、共享同一架构：Python 是参考实现，Google Cloud 集成与模型适配器（Gemini、Anthropic、OpenAI、LiteLLM 等）最全；Go 面向生产后端，编译后的智能体基础镜像约 2 MiB，并在 2.0 中率先拿到图工作流运行时、内建人工回环原语与指数退避重试；TypeScript 用 Zod 定义工具并提供独立浏览器包，智能体可以跑在浏览器标签页里；Java 服务于 Maven、Gradle 与 Spring Boot 团队，提供 Spring AI 与 LangChain4j 桥接；Kotlin 在编译期校验工具定义、零运行时反射，官方称可在 Android 上本地运行完整智能体循环。
协议与部署
ADK 对两大智能体协议采取互补策略。工具侧，每种语言都内建 MCP 客户端，通过 McpToolset 连接任意 MCP 服务器（本地 stdio 或远程 HTTP），ADK 工具也能反向封装成 MCP 服务器对外提供。智能体侧，ADK 支持以 A2A 协议把智能体暴露给远程调用，或把远程 A2A 智能体与本地子智能体并列编排——官方文档仍将其标注为实验性，跨语言采用前需确认各运行时的成熟度。部署上，脚手架直接给出 Gemini Enterprise Agent Runtime（全托管自动扩缩）、Cloud Run（容器化运行）、GKE 以及任意容器友好环境四条路径，并配套评测工具、可回溯会话管理与上下文压缩。模型支持不限于 Gemini，文档覆盖 Gemma、Claude、OpenAI 以及经 Ollama、vLLM、LiteLLM 接入的自托管模型。
迁移注意事项与局限
对 1.x 存量项目，迁移评估应聚焦三点：事件结构变化对持久化层的冲击（事件新增图状态字段，刚性库表会写入失败）、节点化 API 对既有覆写逻辑的影响（静默忽略意味着问题可能延迟暴露）、以及五语言之间的功能对齐进度（各语言 GA 时间不同，集成覆盖以 Python 参考实现为基准）。局限方面，A2A 支持仍是实验性标签；多智能体图是否优于单个装备充分的智能体，也应由评测回答——2026 年的多智能体研究对此普遍持谨慎态度。开发者可在 Coding Agent 中借助 Google 发布的评估技能，把数据准备、推理、评分、失败聚类与定向优化串成五阶段质量飞轮。
🎯 应用场景
✅ 最佳实践
- 按团队既有语言选运行时，立项前先核验该语言版本所需集成的成熟度与文档完备度。
- MCP 与 A2A 分边界测试：工具发现、权限失败、超时重试与 Agent Card 校验逐项过。
- 迁移前评估事件表结构与节点 API 变化，警惕静默忽略的旧式覆写。
- 跨语言工作流逐段测量时延与上下文丢失点，并记录每个决策由哪个智能体做出。
🔮 未来展望
五语言矩阵补齐后，观察重点转向 A2A 走出实验性标签的节奏、各语言功能对齐的收敛速度，以及图工作流运行时与企业既有工作流引擎的融合。Google 同时经营 AX 编排运行时与 Antigravity 开发平台，ADK 2.0 在其中的定位是从开发到编排链路的起点。目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。