Google ADK for Go (v2)：用软件工程的方法造 AI Agent

一、故事：一个 Go 工程师如何第一次"严肃"地做 Agent

如果你写过 Go 后端服务，一定熟悉这种节奏：定义 interface、实现 struct、用 context.Context 串起调用链、用 goroutine 处理并发。某天你要做一个"能自己查资料、写报告"的助手，发现手上的工具全是 Python 的——LangChain、LlamaIndex、各种 Agent 框架，Python 生态占了九成以上。想用 Go，选项要么是"跑个 Python sidecar"，要么是从零撸一套 Agent 循环。

google/adk-go 就是给这个场景准备的：Google 官方把 Agent Development Kit（ADK）搬进了 Go 世界，2026 年 6 月 30 日 v2.0.0 GA，最新版本已到 v2.6.0（2026-10-13），仓库 8911 stars、987 forks、131 位贡献者。

二、背景：ADK 是什么，它从哪来

ADK 是 Google 推出的 Agent 开发框架，最早成名于 Python 版（adk-python），随后扩展到 Java、Kotlin、TypeScript，Go 版是最新加入的一支。它的核心主张一句话概括：把软件工程原则搬进 AI Agent 开发——Agent 是可组合的模块，工具是可测试的接口，编排逻辑是能版本管理的代码，而不是一团塞在 prompt 里的自然语言。

ADK Go v2.0 引入了一次架构级重构：从"层级式 Agent 执行器"转为图式工作流引擎（Workflow Graph）。Agent、工具、函数都变成工作流图里的节点，通过边（edge）连接，支持条件分支、循环路由和人工介入暂停。配套新增 workflow 包，Event 结构体增加 IsolationScope、Routes、RequestedInput、Output、NodeInfo 五个字段支撑图路由与 HITL。

三、类比：它更像什么

如果 ADK 让你想起什么，它更像 gRPC + Kubernetes 的组合体，而不是 LangChain 那种"胶水式" DSL：

• 接口化的 Agent：agent.Agent 是 Go interface，自定义 Agent 只需传一个 Run 函数，ADK 负责调度前后的回调钩子——像实现一个 http.Handler。
• 图式编排：工作流图 ≈ 有向无环图 + 条件路由，更像 Envoy 的路由表，而不是 if-else 链条。
• 会话与状态：session/artifact/memory 分层，session 存储可换 SQLite、内存或 GCS，event 用 JSON 序列化落库——像一套领域事件溯源。

四、核心功能与技术细节

模块结构（仓库顶层 26 个包）：agent（Agent 定义）、agentregistry（注册中心）、tool（工具与 toolset）、model（模型抽象层）、session（会话）、memory（记忆）、artifact（制品）、runner（执行器）、workflow（图式工作流）、plugin（插件）、server（服务端）、telemetry（可观测）、platform（平台抽象）。配套 cmd/launcher 提供多种启动形态：console（终端）、web（Web UI）、api、a2a、agentengine（Agent Engine）、prod、universal。

模型无关，但 Gemini 优先：官方说"optimized for Gemini, model-agnostic"。代码里 model/gemini 封装 Google genai SDK（v1.75.0），同时 github.com/openai/openai-go/v3 在依赖列表里，examples 下有 anthropic/、openai/、vertexai/ 目录，示例明确覆盖多模型接入。Vertex AI 集成走 cloud.google.com/go/aiplatform。

MCP 与 A2A 双协议：github.com/modelcontextprotocol/go-sdk v1.8.0 让 Agent 直接挂载外部 MCP 工具集；github.com/a2aproject/a2a-go v0.3.15 支持 Agent 间 A2A 通信，服务端有 server/adka2a 包。

可观测性：完整接入 OpenTelemetry（trace/metric/log 三件套 + OTLP exporter + GCP detector），telemetry 是一等公民而非事后补丁。

其他亮点：skills 示例包把"技能"概念引入（类似 Claude Code 的 skill 目录），支持 toolconfirmation（人工确认工具调用）、compaction（上下文压缩）、toolsearch（工具检索）、bidi（双向流式语音交互）、agentengine（托管部署）。

工程质量的硬指标：1459 个文件、1112 万行 Go 代码（11.1 MB）、373 个 _test.go 测试文件、golangci-lint 配置、7 条 CI workflow（含 apidiff 兼容性检查、nightly、release）。go.mod 要求 Go 1.26.10+。

五、上手门槛：CLI 与 Web UI 的差别

• 库/CLI 路线：写 Go 代码，go get google.golang.org/adk/v2，跑 examples/quickstart。前置条件只有 Go 工具链 + 一个模型 API Key（Gemini 最省事）。这是给"把 Agent 嵌进已有 Go 服务"的团队准备的，写完后 go build 出二进制直接上生产。
• Web UI 路线：cmd/launcher/web 启动 HTTP 服务并托管 adk-web 静态界面（构建产物在 cmd/launcher/web/webui/distr/），可通过 /run_live 做实时流式对话，另有 A2A、Pub/Sub、Eventarc 触发端点。scripts/adk-web/Dockerfile 是多阶段构建（Node 下载前端 → Go 编译），但仓库根目录没有 Dockerfile、没有 docker-compose，容器化属于"有路径、无一键"。
• 迁移成本：v1 → v2 必须改模块路径 google.golang.org/adk → .../adk/v2，session.NewEvent 签名加了 context.Context，自定义 session 存储若用刚性表结构需要加 5 个新字段。事件 schema 在 v2.2.0 前后序列化 key 还不一致，非 Go 的校验器要兼容两种形式——这是实打实的升级摩擦。

六、争议与局限

1. Go 版本是"二等公民"：ADK Python 生态最成熟，Python 版 2026-05-19 就 GA，Go 版晚了六周，社区示例、第三方扩展、踩坑沉淀基本都在 Python 侧。Go 的优势是并发和部署，但 Python 的 AI 库密度暂时无法撼动。
2. 版本迭代过猛：v2.0.0 之后不到四个月已到 v2.6.0，破坏性变更（路由、并发、工具集重评估行为）频繁。v2.6.0 甚至明确改了"子 Agent 失败时循环/顺序 Agent 是否停止"的默认行为——这类变更对生产系统是负担。
3. 生态成熟度：373 个测试文件说明框架自身质量过硬，但用户侧的 Go 示例相对薄，尤其 workflow 图式编排的新 API，学习曲线明显陡于 Python 版。
4. Web UI 的工程债：Dockerfile 里那段注释很坦诚——曾经直接 clone 上游 main 构建，导致破坏性 UI 变更两个月无人察觉、页面大面积 404。可见前端产物管理仍在补课。
5. 对 Gemini 的隐性绑定：虽然宣称模型无关，但 session、artifact、Agent Engine、Vertex AI 无一不是 Google 生态，跨云厂商的"真中立"尚未被证明。

七、行业意义

ADK Go 2.0 的 GA 落点很有意思：2026 年正是"Agent 框架从 Python 独占走向多语言原生"的分水岭。Go 拿下了云原生主力语言这块阵地——Google 自己的 Cloud Run、Agent Engine 天然就是 Go 生态的大本营。同时 v2.0 的图式工作流引擎是这一代 Agent 框架的共同演进方向：确定性编排回归，以对抗纯 LLM 循环的不确定性和不可调试性。

还有一个容易被忽略的细节：官方提供了 adk.dev/llms.txt 和 llms-full.txt——机器可读的文档索引，明确告诉编码 Agent "把这个文件喂给 AI 就能写 ADK 代码"。这等于官方承认了"AI 写 Agent"正在成为主场景，框架文档要按 LLM 消费的方式重写。这是 2026 年开源项目的一个真实趋势标本。

结论：如果你在 Go 团队里做 Agent，ADK Go 几乎是你绕不开的选项——它是唯一一个既有大厂背书、又真正按 Go 工程师习惯设计的 Agent 框架，工程质量（测试密度、CI、apidiff、OTel）远超多数开源同类。但如果你已经在 Python 生态里深耕，ADK Go 的迁移收益主要在部署形态和并发性能上，而不是能力上限。