谷歌在Google Cloud Next 25大会上，开源了首个Agent开发套件—ADK。这也是OpenAI之后第二家大厂发布的标准化智能体SDK。
ADK能帮助开发人员极大简化开发超复杂流程的智能体，从大模型选择、自动化流程编排、测试到应用部署可一站式完成，并且支持双向音频、视频、MCP和最新的A2A协议。
例如，通过ADK开发一个跨平台的语音客服智能体，大概只需要100多行甚至更少的代码就能全部完成。再也不用像以前那样，切换不同平台API，模型选择或交互逻辑编写复杂代码，极大提升了开发效率。
开源地址：https://github.com/google/adk-python
ADK简单介绍
ADK架构以Python为主，在参数定义、模型集成、工具整合和指令驱动方面非常好用。
例如，下面这个案例只用了6行代码，就完成了一个简单的问答智能体开发。咱们只设置了使用的模型、智能体名称、功能描述、指令驱动和工具实例。其他的管理状态、协调工具调用以及和底层大模型的交互全部由ADK完成。
简单来说，用ADK开发就有点像拼乐高积木一样，喜欢哪块就拼哪个完全释放你的天马行空想法，再也不用为工具和底层技术发愁了。
虽然ADK是谷歌开源的，但在大模型兼容方面还是非常灵活的，除了谷歌的Gemini系列模型之外，还支持Anthropic、Meta、Mistral AI、AI21 Labs、CAMB.AI、Qodo等200多个第三方开闭源模型。
ADK的亮点之一便是轻松开发复杂智能体，支持多层级结构组合的智能体实现复杂的协调和委派。开发者可以构建一个主智能体来处理主要任务，并将特定子任务委派给其他专业智能体。
简单来说，就是让主智能体指挥其他智能体来执行具体的任务。例如，你是一家电商公司需要开发客服智能体。希望能自动处理订单查询、商品推荐、售后服务等多种服务。
传统的方法会非常繁琐，你需要为不同的业务编写不同的逻辑代码并，且优化、重构也很麻烦。通过ADK你可以直接定义4个智能体，主体负责接收用户问题，并根据问题类型委派给相应的子智能体；订单查询智能体，专门处理与订单相关的问题，如订单状态、物流信息等。
商品推荐智能体，根据用户的历史购买记录和浏览行为，推荐相关商品；售后服务智能体，处理退换货、退款等售后服务问题。
上面这些只是为大家简单讲解，其实实际用ADK开发更简单高效，因为它还集成了搜索、地图、代码执行、服务等很多实用工具，也支持LangChain、CrewAI、MCP等第三方服务。
更详细的示例开源地址：https://github.com/google/adk-samples
谷歌ADK详细文档：https://google.github.io/adk-docs/get-started/tutorial/#step-1-your-first-agent-basic-weather-lookup
Agent Engine
为了帮助开发者更快地将智能体部署到实际应用中，谷歌还发布了Agent Engine。
Agent Engine可以处理智能体上下文、基础设施管理、扩展复杂性、安全性、评估、测试和监控等一系列任务，并且与ADK结合使用时，支持使用任何框架构建的智能体的部署，无论使用的是ADK、LangGraph、Crew.ai还是其他Agent框架。
Agent Engine还支持短期记忆和长期记忆，而不是每次从空白开始。可以更好的管理会话，智能体能够回忆起过去的对话和偏好，从而提供更加个性化和连贯的用户体验。
此外，Agent Engine还提供了使用Vertex AI的全面评估工具来衡量和改进智能体质量。通过Vertex AI的Example Store或根据实际使用情况微调模型，可以优化智能体性能，确保它们在现实世界中的有效性和可靠性。
电商价格优化公司Revionics通过ADK开发了一个多智能体，旨在助力零售商依据自身业务逻辑制定价格策略，既保证价格具备竞争力，又能维持利润空间，同时精确预测价格变动带来的影响。
ADK简化了多智能体间的转换与规划流程，例如，能够精准判断何时在专业智能体和工具之间进行切换，从而将Revionics的定价AI与智能体相结合，实现整个定价工作流程的自动化。
雷诺集团首席数据官和人工智能负责人Laurent Giraud表示，他们通过ADK开发了一款智能体，该智能体能够确保在电动汽车驾驶者最需要的地方安装充电桩。
能协助数据分析师充分利用地理、分区和交通数据，为关键的电动汽车基础设施投资提供参考并确定优先级，在最大程度方便驾驶者的同时，减轻团队的工作负担。
目前，谷歌刚开源ADK几天在Github已经超过5000颗星，非常受开发者的欢迎。
（文：AIGC开放社区）
