Google ADK（Agent Development Kit）实战指南：A2A 协议、Vertex AI 集成与 Java 双语言

Google ADK 是 Google 在 2025 年发布的官方 Agent SDK，专门为 Gemini 模型生态设计。它的两大差异化让它在 2026 年的企业市场快速站稳脚跟：Java 双语言支持 + A2A 跨 Agent 协议。本文系统讲清楚它的设计、用法、部署和选型。

一、为什么需要 ADK

2024-2025 年，企业市场对 Agent 框架有几个核心痛点：

• 传统企业 Java 团队无框架可用：LangGraph/CrewAI 都是 Python-only
• 跨 Agent 通信缺乏标准：每个框架都自己定义协议
• 生产级集成成本高：IAM、审计、合规等企业特性需要自己实现
• GCP 生态缺乏原生 Agent 抽象：用 LangChain 调 Gemini 总是隔着一层

ADK 是 Google 对这些痛点的官方回应。

二、四大核心抽象

抽象	作用	类比
Agent	LLM + 工具集 + system instruction	与 OpenAI Agents SDK 类似
Tool	函数调用，支持 Python/Java 自动生成 schema	类似 function calling
Session	状态管理（跨 turn 的对话上下文）	类似 LangGraph 的 state
Runner	执行编排（同步/异步/流式）	类似 OpenAI Runner

整体设计与 OpenAI Agents SDK 非常相似，但有 Google 特色的 Session 和 Runner 抽象。

三、Python 上手示例

from google.adk import Agent, Runner
from google.adk.sessions import InMemorySessionService

agent = Agent(
    name="research_agent",
    model="gemini-2.5-pro",
    instruction="You help users research topics using web search.",
    tools=[web_search_tool, fetch_url_tool],
)

session_service = InMemorySessionService()
runner = Runner(agent=agent, session_service=session_service)

response = await runner.run_async("Summarize the latest on agent frameworks.")

四、Java 上手示例（企业关键卖点）

Agent agent = Agent.builder()
    .name("researchAgent")
    .model("gemini-2.5-pro")
    .instruction("You help users research topics.")
    .tools(List.of(webSearchTool, fetchUrlTool))
    .build();

Runner runner = Runner.builder()
    .agent(agent)
    .sessionService(new InMemorySessionService())
    .build();

String response = runner.run("Summarize the latest on agent frameworks.");

Java 支持对传统企业团队意义重大：金融、保险、制造业大量 Java 后端，过去要上 Agent 必须新建 Python 服务。ADK 之后可以直接在 Spring Boot 应用里嵌入 Agent。

五、A2A（Agent-to-Agent）协议

A2A 是 Google 2025 年推出的跨 Agent 通信协议，定位类似 MCP 但解决的是不同问题：

协议	解决问题	类比
MCP	Agent 与工具的连接	类似 LSP（语言服务器协议）
A2A	Agent 与 Agent 的通信	类似 HTTP 之于 Web 服务

A2A 让你可以把不同框架（ADK、LangGraph、CrewAI）构建的 Agent 互相通信，不再被框架锁定。这是 Google 重要的生态战略——通过开放协议吸引非 Google 框架加入。

示例：用 A2A 调用一个外部 Agent

from google.adk.a2a import RemoteAgent

# 连接到一个部署在别处的 Agent
crewai_agent = RemoteAgent(url="https://my-crewai-app.com/a2a")

result = await crewai_agent.invoke("Process this task")

六、Vertex AI 深度集成

ADK 在 Vertex AI 上的部署是它最强的企业卖点：

• IAM 集成：Agent 调用方权限用 Google Cloud IAM 管理
• VPC-SC 支持：可在 Service Perimeter 内安全运行
• CMEK：客户自管加密密钥，满足金融/医疗合规
• 审计日志：所有 Agent 调用自动进 Cloud Audit Logs
• Model Garden：除了 Gemini，可调用 200+ 开源/第三方模型
• Reasoning Engine：托管 Agent 运行时，自动扩缩容

这些特性让 GCP 现有客户上 Agent 的成本极低。

七、本地开发灵活性

重要澄清：ADK 不强制绑定 Vertex AI。本地开发可以：

from google.adk import Agent

# 用 OpenAI 模型（通过 LiteLLM）
agent = Agent(
    name="my_agent",
    model="litellm/gpt-5",
    instruction="..."
)

这个设计让 ADK 在"既要 GCP 生产部署，又要本地多模型开发"的场景下特别合适。

八、与同类框架对比

维度	Google ADK	OpenAI Agents SDK	LangGraph	Claude Agent SDK
主语言	Python + Java	Python	Python + TS	Python + TS
模型支持	Gemini 优先，多模型	OpenAI 专属	多模型	Claude 专属
跨 Agent 协议	A2A + MCP	Handoff	无原生	Sub-agent
企业特性	IAM/VPC-SC/CMEK/审计	弱	自建	弱
部署	Vertex AI / 本地	OpenAI 平台	自建	Anthropic API
适合规模	企业级	中小团队	任意	中小团队

九、什么时候用 ADK

强烈推荐：

• 已有 GCP 投入，希望 Agent 应用享受现有 IAM/VPC/审计体系
• Java 技术栈团队，希望 Agent 能力融入现有后端
• 需要部署多 Agent 系统，且希望未来跨框架通信（A2A）
• 合规要求高（金融、医疗、政府），需要 CMEK/审计日志

不太合适：

• 创业小团队，没有 GCP 投入 → OpenAI Agents SDK / LangGraph 更轻
• 强依赖 OpenAI 模型 → 直接用 OpenAI Agents SDK
• 需要复杂状态机和精细流程控制 → LangGraph

十、迁移路径

如果从 LangGraph 迁移到 ADK：

1. 保留 LangGraph 作为工具层：把现有 LangGraph 工作流封装为 ADK Tool
2. 逐个 Agent 迁移：先把入口 Agent 改成 ADK，内部 Agent 仍用 LangGraph
3. 用 A2A 桥接：迁移期间用 A2A 让新旧 Agent 通信

这个渐进路径避免了大爆炸式重写。

十一、常见坑

• Vertex AI 定价：Reasoning Engine 按运行时间计费，长期 idle 要主动关闭
• Gemini 配额：免费层很小，生产部署前申请配额提升
• Java 版滞后：Java 版本功能落后 Python 约 1-2 个版本，新特性优先 Python
• A2A 兼容性：A2A 还在演进，与社区框架（LangGraph/CrewAI）的互操作要测

总结

ADK 不是要取代 LangGraph，而是给企业市场一个官方答案——尤其是 Java 团队和 GCP 客户。如果你的团队符合这个画像，ADK 是 2026 年最值得投入的 Agent 框架。

---

本文由 AgentList 团队整理。更多 Agent 框架、工具、应用项目，请浏览 AgentList 项目目录。

本文涉及的相关项目

• Google ADK Python — 本文主角，Google 官方 Agent SDK
• Gemini CLI — Google 官方终端 Agent，与 ADK 同源，有免费额度，适合预算敏感的开发者
• OpenAI Agents Python — OpenAI 对标官方 SDK，适合 OpenAI 生态团队
• Microsoft Agent Framework — Microsoft 统一 Agent 框架，.NET + Java 企业市场对标
• LangGraph — 生产级复杂工作流的状态图方案
• CrewAI — 角色化多 Agent 协作对比