Agent Development Kit
Google · Coding
Agent Development Kit ist Googles Open-Source-Framework zum Erstellen, Bewerten und Bereitstellen von KI-Agenten, mit Support für Python, TypeScript, Go, Java und Kotlin.
Über Agent Development Kit
What Is Agent Development Kit
Agent Development Kit (ADK) ist ein Open-Source-Framework von Google zum Bauen von KI-Agenten, vom einfachen Bot, der Werkzeuge aufruft, bis zum Verbund spezialisierter Agenten, die sich Aufgaben weiterreichen. Es erschien im April 2025 auf dem Google Cloud Next, und Google präsentiert es als Weg vom Prototyp zur Produktion, nicht als Demo-Spielzeug. Sie installieren ein Paket, definieren einen Agenten mit einem Modell und Werkzeugen und starten ihn in wenigen Minuten lokal.
Der Kerngedanke: Agenten werden wie Software geschrieben, nicht aus riesigen Prompts zusammengesetzt. ADK liefert wenige Bausteine: Agenten, die mit einem Sprachmodell reasoning betreiben, Workflow-Agenten, die Schritte nacheinander, parallel oder in einer Schleife ausführen, Werkzeuge, die externe APIs erreichen, und einen Runner, der alles verbindet. Eine Sitzungsschicht trennt den kurzfristigen Gesprächszustand vom Langzeitgedächtnis, damit ein Agent mitten in einer Aufgabe nicht den Faden verliert und einen wiederkehrenden Nutzer nicht vergisst.
KI-Agenten entwickeln mit ADK verlangt keinen neuen Stack: Sie schreiben den Agenten im Code, den Sie ohnehin pflegen. Die Grenzen liegen bei Bindung und Komplexität. ADK ist auf Gemini abgestimmt und integriert sich am tiefsten mit Google Cloud, daher zahlen Teams außerhalb dieses Stacks einen Integrationsaufwand. Version 2.0 hat die zentralen APIs neu gezeichnet, was frühe Nutzer zur Migration zwingt. Das Framework selbst hat keine gehostete Gratisstufe, denn Sie betreiben es selbst oder bezahlen die Cloud-Dienste, auf denen es läuft.
Getting Started
- Legen Sie eine virtuelle Python-Umgebung an und führen Sie pip install google-adk aus, oder installieren Sie die Dev-Tools per npm für die TypeScript-Version.
- Richten Sie einen Gemini-API-Schlüssel oder einen anderen Modellanbieter ein, damit das Framework ein Modell zum Aufrufen hat.
- Definieren Sie einen Agenten im Code mit Namen, Modell, Anweisung und den Werkzeugen, die er nutzen darf.
- Starten Sie ihn lokal über das Kommandozeilenwerkzeug oder das Developer UI und beobachten Sie jeden Schritt.
- Packen Sie den Agenten in einen Container und stellen Sie ihn auf Cloud Run, GKE oder Ihrer eigenen Infrastruktur bereit, sobald er fertig ist.
Produktinformationen
Ein kurzer Überblick über Preise, unterstützte Plattformen und die Leistung von Agent Development Kit.
Am besten für
Die Nutzer, Aufgaben und Szenarien, für die dieses Tool am besten passt.
Nutzer
- Backend- und Plattform-Entwickler
- Teams auf dem Weg von der Demo zur Produktion
- Unternehmen mit Google Cloud
Aufgaben
- Multi-Agenten-Systeme bauen
- Agenten an echte Werkzeuge anbinden
- Bewertungen vor dem Start fahren
Szenarien
- Einen Kundensupport-Agenten ausliefern
- Einen internen Rechercheassistenten prototypen
- Die Agenten-Entwicklung teamübergreifend vereinheitlichen
Wichtigste Funktionen
Unterstützung für mehrere Sprachen
ADK gibt es in Python, TypeScript, Go, Java und Kotlin, und dieselben Konzepte gelten in allen fünf. Ein Team schreibt Agenten in der Sprache, die es schon nutzt, und spart sich eine Neuentwicklung, bevor sich jemand festlegt. Python hat die umfangreichsten Beispiele und Dokumente, daher ist es der übliche Einstieg.
Multi-Agenten-Orchestrierung
Sie bauen ein System spezialisierter Agenten und lassen sie Aufgaben weiterreichen, entweder über modellgesteuertes Routing oder einen ausdrücklichen Werkzeugaufruf. Workflow-Agenten übernehmen den vorhersehbaren Teil: Sie führen Schritte der Reihe nach, parallel oder in einer Schleife bis zum Erfüllen einer Bedingung aus. Diese Mischung behält deterministische Logik, wo sie zählt, und lässt das Modell entscheiden, wo nicht.
Graphbasierte Workflows
Neu in ADK 2.0: Graph-Workflows verweben deterministischen Code mit anpassungsfähigem Reasoning in einem strukturierten Graphen, sodass jeder Ausführungspfad ausdrücklich ist und Ergebnisse leichter vorherzusagen sind. Bei Agenten, die Geld oder Compliance berühren, ist genau diese Vorhersagbarkeit der Punkt. Es ist Googles Antwort auf die Klage, Agentenverhalten sei schwer festzunageln.
Breite Modellunterstützung
ADK ist auf Gemini abgestimmt, funktioniert aber über seine Modellschnittstelle mit den meisten generativen Modellen, einschließlich solcher anderer Anbieter und lokal laufender Modelle. Teams in Google Cloud bekommen verwalteten Zugang zu einer breiteren Modellpalette, mit Kontrolle über Kosten und Leistung. Sie sind nicht an das Modell eines Anbieters gebunden, falls sich Ihre Anforderungen ändern.
Eingebaute Bewertung und Fehlersuche
Das Framework bringt ein Kommandozeilenwerkzeug und ein Developer UI mit, um Agenten zu starten, Ereignisse zu durchlaufen, Zustandsänderungen zu prüfen und nachzuvollziehen, was passiert ist. Sie erstellen mehrstufige Bewertungsdatensätze und bewerten Ergebnisse lokal. Einen Agenten zu debuggen, der seltsam entschieden hat, ist hier der Unterschied zwischen Tagen und Stunden.
Flexible Bereitstellung
Agenten laufen überall, wo ein Container läuft, von einem lokalen Docker-Image bis Cloud Run, GKE oder Googles verwalteter Agent Runtime. Die Bereitstellung in Google Cloud ergänzt verwaltete Skalierung, Authentifizierung und Tracing, ohne den Agenten umzuschreiben. Entwickeln Sie lokal, skalieren Sie global.
Vor- und Nachteile
Vorteile
- Open Source und kostenlos: das Framework kostet nichts, Sie zahlen nur die Modelle und Cloud-Dienste, die Sie wählen.
- Unterstützung für fünf Sprachen: Python, TypeScript, Go, Java und Kotlin lassen fast jedes Backend-Team ohne Sprachwechsel einsteigen.
- Produktionswerkzeuge eingebaut: Bewertung, Tracing und ein Developer UI decken den Teil der Agentenarbeit ab, den Prototypen überspringen.
- Starke Orchestrierung: sequenzielle, parallele und Schleifen-Agenten plus Graph-Workflows lösen komplexe mehrstufige Aufgaben sauber.
- Flexible Bereitstellung: Container-Support bindet Sie nicht an Google Cloud, außer Sie wollen die verwalteten Dienste.
Nachteile
- Am besten im Google-Stack: die tiefsten Integrationen sind Gemini und Google Cloud, andere Stacks brauchen mehr Klebearbeit.
- Brüche in 2.0: das Framework hat in Version 2.0 die zentralen APIs neu gezeichnet, frühe Projekte brauchen Migrationsaufwand.
- Die Modellrechnung kommt extra: das Framework ist gratis, aber jeder Agentenaufruf läuft auf einem bezahlten Modell, was sich bei Skalierung summiert.
- Steilere Lernkurve: Konzepte wie Sitzungen, Gedächtnis und Workflow-Agenten kosten Entwicklern ohne Agenten-Erfahrung Zeit.
Häufige Fragen
Agent Development Kit ist ein Framework zum Erstellen, Bewerten und Bereitstellen von KI-Agenten. Sie definieren Agenten im Code, geben ihnen Werkzeuge und Modelle und starten oder veröffentlichen sie, ohne die Orchestrierungslogik selbst zu bauen.
Ähnliche Inhalte
Entdecke passende Tools, Skills und Artikel zu Agent Development Kit.
Alternativen zu Agent Development Kit
Udon
Udon · Coding · ProduktivitätUdon macht aus einem Apple-Silicon-Mac einen Heimserver, den Sie im Browser steuern, mit Containern, Dateifreigaben und einem optionalen KI-Systemadministrator.
offstage
offstage cloud · Coding · Produktivitätoffstage gibt KI-Agenten und CI-Jobs einen echten Mac: ein frisches macOS-27-Konto auf Apple Silicon, per API gesteuert und sekundengenau abgerechnet.
BotBus
Chengdu Tuyang Tusen Technology Co., Ltd. · Coding · ProduktivitätMit BotBus lassen sich KI-Agenten vom Smartphone steuern, auch wenn der Rechner im Büro steht: Befehle freigeben, Aufgaben starten, Ergebnisse lesen.