Agent Development Kit
Google · Programmation
Agent Development Kit est le framework open source de Google pour créer, évaluer et déployer des agents IA, avec un support de Python, TypeScript, Go, Java et Kotlin.
À propos de Agent Development Kit
What Is Agent Development Kit
Agent Development Kit (ADK) est un framework open source de Google pour construire des agents IA, du simple bot qui appelle des outils jusqu'à un ensemble d'agents spécialisés qui se transmettent le travail. Il est sorti en avril 2025 au Google Cloud Next, et Google le présente comme un chemin du prototype à la production, pas comme un jouet de démonstration. Vous installez un paquet, vous définissez un agent avec un modèle et des outils, et vous le lancez en local en quelques minutes.
L'idée de fond : les agents s'écrivent comme du logiciel, ils ne s'assemblent pas à partir de prompts géants. ADK fournit quelques briques : des agents qui raisonnent avec un modèle de langage, des agents de flux qui exécutent des étapes en séquence, en parallèle ou en boucle, des outils qui atteignent des API externes, et un runner qui relie le tout. Une couche de session garde l'état de la conversation séparé de la mémoire à long terme, pour qu'un agent ne perde pas le fil en pleine tâche et n'oublie pas un utilisateur qui revient.
Le développement d'agents IA avec ADK ne demande pas une nouvelle pile : vous écrivez l'agent dans le code que vous maintenez déjà. Les limites tiennent à l'engagement et à la complexité. ADK est optimisé pour Gemini et s'intègre en profondeur à Google Cloud, donc les équipes hors de cette pile paient un coût d'intégration. La version 2.0 a redessiné les API centrales, ce qui impose une migration à ceux qui ont adopté tôt. Le framework n'a pas d'offre hébergée gratuite, puisque vous le faites tourner vous-même ou payez les services cloud sur lesquels vous le déployez.
Getting Started
- Créez un environnement virtuel Python et lancez pip install google-adk, ou installez les dev tools avec npm pour la version TypeScript.
- Configurez une clé d'API Gemini ou un autre fournisseur de modèle pour que le framework ait un modèle à appeler.
- Définissez un agent dans le code avec un nom, un modèle, une instruction et les outils qu'il peut utiliser.
- Lancez-le en local via l'outil en ligne de commande ou le Developer UI, et suivez chaque étape pendant l'exécution.
- Empaquetez l'agent dans un conteneur et déployez-le sur Cloud Run, GKE ou votre propre infrastructure quand il est prêt.
Informations sur le produit
Aperçu des tarifs, des plateformes compatibles et des performances de Agent Development Kit.
Idéal pour
Les utilisateurs, tâches et cas d'usage où cet outil convient le mieux.
Utilisateurs
- Ingénieurs backend et plateforme
- Équipes qui passent de la démo à la production
- Entreprises déjà sur Google Cloud
Tâches
- Construire des systèmes multi-agents
- Relier les agents à de vrais outils
- Lancer des évaluations avant la mise en ligne
Cas d'usage
- Publier un agent de support client
- Prototyper un assistant de recherche interne
- Uniformiser le développement d'agents entre équipes
Fonctionnalités clés
Support de plusieurs langages
ADK existe en Python, TypeScript, Go, Java et Kotlin, et les mêmes concepts valent pour les cinq. Une équipe écrit ses agents dans le langage qu'elle utilise déjà, ce qui évite une réécriture avant tout engagement. Python propose les exemples et la documentation les plus complets, ce qui en fait le point de départ habituel.
Orchestration multi-agents
Vous montez un système d'agents spécialisés et vous les laissez se transmettre des tâches, soit par un routage piloté par le modèle, soit par un appel d'outil explicite. Les agents de flux prennent la partie prévisible : ils exécutent des étapes dans l'ordre, en parallèle ou en boucle jusqu'à remplir une condition. Ce mélange garde la logique déterministe là où elle compte et laisse le modèle décider ailleurs.
Flux basés sur des graphes
Nouveauté d'ADK 2.0, les flux de graphe mêlent du code déterministe et du raisonnement adaptatif dans un graphe structuré, donc chaque chemin d'exécution est explicite et le résultat plus facile à prévoir. Pour un agent qui touche à l'argent ou à la conformité, cette prévisibilité est justement l'intérêt. C'est la réponse de Google au reproche selon lequel le comportement d'un agent est difficile à fixer.
Large compatibilité de modèles
ADK est optimisé pour Gemini, mais fonctionne avec la plupart des modèles génératifs via son interface de modèle, y compris ceux d'autres fournisseurs et ceux qui tournent en local. Les équipes sur Google Cloud accèdent de façon gérée à une gamme plus large de modèles, avec des contrôles de coût et de performance. Vous ne restez pas lié au modèle d'un seul fournisseur si vos besoins changent.
Évaluation et débogage intégrés
Le framework inclut un outil en ligne de commande et un Developer UI pour lancer des agents, avancer dans les événements, inspecter les changements d'état et tracer ce qui s'est passé. Vous créez des jeux d'évaluation multi-tours et notez les résultats en local. Déboguer un agent qui a pris une décision étrange, c'est la différence entre des jours et des heures.
Déploiement souple
Les agents tournent partout où un conteneur passe, d'une image Docker locale à Cloud Run, GKE ou l'Agent Runtime géré de Google. Déployer sur Google Cloud ajoute mise à l'échelle, authentification et tracing gérés sans réécrire l'agent. Développez en local, passez à l'échelle mondiale.
Avantages et inconvénients
Avantages
- Open source et gratuit : le framework ne coûte rien, donc vous ne payez que les modèles et les services cloud que vous choisissez.
- Support de cinq langages : Python, TypeScript, Go, Java et Kotlin permettent à presque toute équipe backend de l'adopter sans changer de langage.
- Outils de production inclus : évaluation, tracing et Developer UI couvrent la part du travail sur les agents que les prototypes sautent.
- Orchestration solide : agents séquentiels, parallèles et en boucle, plus les flux de graphe, traitent proprement des tâches complexes en plusieurs étapes.
- Déploiement souple : le support des conteneurs évite de rester lié à Google Cloud, sauf si vous voulez ses services gérés.
Inconvénients
- Meilleur dans la pile Google : les intégrations les plus poussées sont Gemini et Google Cloud, donc les autres piles demandent plus de travail de liaison.
- Ruptures en 2.0 : le framework a redessiné ses API centrales en version 2.0, donc les projets anciens exigent une migration.
- La facture du modèle reste à part : le framework est gratuit, mais chaque appel d'agent tourne sur un modèle payant, et cela pèse à l'échelle.
- Courbe d'apprentissage plus raide : des notions comme les sessions, la mémoire et les agents de flux demandent du temps aux développeurs nouveaux sur la conception d'agents.
Questions fréquentes
Agent Development Kit est un framework pour créer, évaluer et déployer des agents IA. Vous définissez des agents dans le code, vous leur donnez des outils et des modèles, et vous les lancez ou les publiez sans monter vous-même la logique d'orchestration.
Contenus associés
Découvrez des outils, des compétences et des articles liés à Agent Development Kit.
Alternatives à Agent Development Kit
Forefront
Forefront · ProgrammationForefront est une plateforme web pour construire avec de l'IA open source. Elle vous laisse affiner les principaux modèles de langage open source sur vos propres données, évaluer leurs performances et les exécuter via une API ou les exporter pour les héberger vous-même. Les développeurs qui veulent le confort d'une plateforme fermée mais tiennent à rester propriétaires de leurs modèles et de leurs données sont le public visé ici.
Startkit
StartKit.AI · ProgrammationStartkit est un boilerplate pour créer des produits SaaS d'IA et des wrappers d'IA. Voyez-le comme un boilerplate de startup IA avec les parties ennuyeuses déjà branchées : authentification, paiements Stripe et Lemon Squeezy, limites d'usage, e-mail transactionnel et un kit de démarrage d'API IA qui parle à OpenAI, Anthropic, Groq ou Llama. Vous clonez le dépôt, fixez votre prix et attaquez la partie du produit pour laquelle les gens paient vraiment. Il repose sur Next.js au-dessus de React et Tailwind, donc une bonne partie du code boilerplate vous semble déjà familière.
Testim
Tricentis · ProgrammationTestim est une plateforme d'automatisation des tests dopée à l'IA, qui sert à créer et exécuter des tests de bout en bout sur des applications web, mobiles et Salesforce. Elle s'appuie sur l'apprentissage automatique pour garder les tests stables quand une interface change, alors les équipes passent moins de temps à réparer des sélecteurs cassés. Pas mal pour un outil de tests automatisés que vous pouvez utiliser dès aujourd'hui. Vous créez des tests en enregistrant des actions dans un navigateur, puis vous ajoutez du JavaScript quand vous avez besoin de plus de contrôle. C'est un choix solide pour une équipe QA bien occupée.