Google ADK（Agent Development Kit）是谷歌开源的智能体开发框架，GitHub 星标超过 2 万，也是谷歌自家 Agentspace 等产品在用的同一套底座。它的定位是「让 Agent 开发像软件工程」：代码优先（Python/Java）、模块化的多 Agent 编排（层级、顺序、并行、循环）、丰富的工具生态（内置搜索、代码执行，兼容 MCP 与第三方库），再配上开发框架里少见的完整配套——本地调试 UI、内置评估（evaluation）能力和到 Vertex AI Agent Engine / Cloud Run 的部署路径。虽然为 Gemini 生态做了深度优化，但它模型无关，通过 LiteLLM 可接 Claude、GPT 及开源模型，与 LangGraph、CrewAI、AutoGen 同处一个赛道。
快速结论
已在 Google Cloud/Gemini 生态里的团队构建生产级多 Agent 应用，ADK 是首选——评估、调试、部署的工程闭环是其他框架的短板。生态中立的团队则要权衡：LangGraph 社区更大、CrewAI 上手更快；ADK 的赌注是「谷歌工程化 + A2A 互操作」。个人学习多 Agent 开发，它文档体系完整，也是不错的教材级选择。
核心功能
- 多 Agent 编排原语：Sequential/Parallel/Loop 工作流 Agent 与 LLM 动态路由结合，层级化组装复杂系统。
- 代码优先开发：Agent 逻辑、工具、编排全部用 Python/Java 表达，可测试、可版本化、可评审。
- 工具生态：内置 Google 搜索、代码执行等；支持自定义函数、OpenAPI、MCP 工具与第三方库复用。
- 开发者体验：
adk web本地可视化调试 UI、CLI、事件追踪，Agent 行为可逐步检查。 - 内置评估：对响应质量与执行轨迹跑系统化评估用例，把「感觉不错」变成可回归的指标。
- 部署路径：容器化后可上 Cloud Run、GKE 或托管的 Vertex AI Agent Engine。
- A2A 互操作：支持 Agent2Agent 协议，跨框架、跨厂商的 Agent 可以互相调用。
适合人群
适合要把多 Agent 系统推到生产的工程团队（尤其已用 Google Cloud）、需要评估与可观测性的平台团队、以及看重多语言（Java）支持的企业开发者。不适合无代码用户（这是纯开发框架，业务人员应看 Dify 或 Coze）；轻量单 Agent 脚本也犯不着引入其全套抽象，直接调模型 API 更简单。
使用场景
- 企业多 Agent 系统：客服分诊、研究流水线等需要多角色协作、有 SLA 的生产应用。
- 带评估的 Agent 迭代：用 evaluation 用例回归 Agent 行为，防止提示词一改全线退化。
- Google 生态集成：与 Vertex AI、BigQuery、Google 搜索等原生工具打通的业务自动化。
- 跨框架协作：通过 A2A 让 ADK Agent 与 LangGraph、CrewAI 等异构 Agent 互操作。
- Java 团队入场：少数提供一等 Java SDK 的 Agent 框架，适合传统企业技术栈。
价格与版本
| 版本 | 价格判断 | 适合对象 | 说明 |
|---|---|---|---|
| 开源框架 | 完全免费（Apache 2.0） | 所有开发者 | pip/Maven 安装，模型与云资源费用自担 |
| Vertex AI Agent Engine 部署 | 按 Google Cloud 用量计费，以官网为准 | 要托管运行时的企业 | 框架免费，托管运行按量付费 |
框架零成本，真实开销是模型调用与（可选的）云托管；接开源模型自托管可把两者都压下来。
国内访问与使用体验
框架本身开源，GitHub 仓库与 GitHub Pages 文档大陆一般可直连，本地开发不受限。但默认最佳体验绑定的 Gemini API 与 Vertex AI 在大陆无法直接使用，需要通过 LiteLLM 换接可用模型（DeepSeek、通义等 OpenAI 兼容端点或本地模型），此时部分 Google 原生工具（如内置搜索）不可用。文档为英文，中文教程社区正在积累。
优点
- 评估、调试 UI、部署路径齐全，是最「工程化」的 Agent 框架之一。
- 多 Agent 编排原语清晰，层级组合表达力强。
- 谷歌官方投入 + 自家产品同底座，长期维护确定性高。
- 模型无关 + MCP + A2A，开放性好于外界预期。
- Java 支持对企业后端团队友好。
不足
- 深度价值绑定 Google Cloud 生态，大陆使用默认路径不通，需换模型绕行。
- 抽象层次多，学习曲线陡于 CrewAI 一类轻框架。
- 社区规模与第三方资源目前不及 LangChain/LangGraph 生态。
- 框架较新，API 仍在快速演进，升级需留意破坏性变更。
替代品对比
| 工具 | 更适合 | 与 Google ADK 的区别 |
|---|---|---|
| LangGraph | 要精细控制状态机与最大社区生态 | 图状态编排更底层灵活；评估部署需自行拼装 |
| CrewAI | 快速搭角色协作型 Agent | 上手更快、抽象更简单；工程化配套弱于 ADK |
| AutoGen | 研究导向的多 Agent 对话实验 | 微软系，对话式协作模型；ADK 更偏生产工作流 |
| Dify | 低代码构建 AI 应用的业务团队 | 平台化产品非代码框架，受众不同 |
常见问题 FAQ
Google ADK 是免费的吗？
是，Apache 2.0 开源，框架本身无任何收费；模型 API 与云部署按各自价格计费。
国内能用吗？
框架可用（仓库、文档一般可直连，本地运行无碍），但默认的 Gemini/Vertex 模型不可直连，需换接国内或本地模型。
必须用 Gemini 吗？
不必须。通过 LiteLLM 可接 Claude、GPT、DeepSeek、Ollama 等，只是部分 Google 原生工具与优化会失效。
和 LangGraph 比哪个好？
LangGraph 生态大、控制粒度细；ADK 开箱工程化（评估/调试/部署）更完整。已有 LangChain 栈选前者，Google Cloud 团队或新起项目可认真考虑 ADK。
适合新手吗？
适合有 Python 基础、想系统学多 Agent 开发的工程师；完全零代码的用户不适合。
总结
Google ADK 把 Agent 开发的「工程配套」——评估、调试、部署、互操作协议——第一次在单一框架里配齐，是谷歌对 Agent 基础设施的正式下注。生态绑定是它的双刃剑：Google Cloud 团队用它顺理成章，生态外团队则应与 LangGraph、CrewAI 实测对比后再定。无论选谁，它设立的工程化标准都值得整个赛道对齐。