智能体开发不再是未来主义幻想，谷歌用Agent Development Kit（ADK）把它打造成了“上手即用”的现实利器。打造像天气助手那样的AI智能体只是第一步，真正将它们推向用户，还得经历评估、调试、部署等一系列关键操作——ADK正是为这些“最后一公里”问题提供完整解决方案的“幕后英雄”。
from google.adk.agents import LlmAgent
from google.adk.tools import google_Search
dice_agent = LlmAgent(
model="gemini-2.0-flash-exp", # Required: Specify the LLM
name="question_answer_agent", # Requdired: Unique agent name
description="A helpful assistant agent that can answer questions.",
instruction="""Respond to the query using google search""",
tools=[google_search], # Provide an instance of the tool
)
# you can run this by using adk web
在正式部署前，确保智能体“乖巧听话”是头等大事。ADK内置的评估工具让开发者可以基于预设数据集（如evaluation.test.json或test.json）批量测试智能体的回应质量和执行路径，避免上线翻车。不论是在测试套件中调用AgentEvaluator.evaluate()，还是通过命令行或网页界面执行，都能轻松评估每一个细节。
一旦智能体通过了所有测试，ADK提供了一条清晰流畅的上线通道，支持部署到任何容器运行环境，也能无缝对接Vertex AI Agent Engine，借助谷歌的企业级托管环境实现可扩展部署。从开发到上线，ADK让AI项目“走完全程”。
关于“选哪家工具”，很多人会好奇ADK和Genkit到底怎么选？一句话总结区别：
ADK：专为复杂多智能体系统打造，支持更高阶的代理行为建模，集成了LiteLLM和Vertex AI Model Garden，甚至支持双向音视频流——适合构建协同型AI应用。
Genkit：面向通用AI开发，提供灵活的开发模块，适配各种大语言模型（包括第三方模型），适合构建各种类型的GenAI体验，调试工具也非常丰富。
所以如果目标是构建结构明确、复杂度高的智能体系统，ADK显然更合适；而想要灵活探索、快速原型验证的创意型项目，Genkit就很对味。
虽说ADK可以在任何环境中运行，但它在谷歌云生态里才是如鱼得水——特别是与Gemini模型和Vertex AI高度适配后，能调用Gemini 2.5 Pro Experimental的强大推理与工具使用能力，更可一键部署到谷歌的企业级基础设施。
更猛的是，ADK不仅连得上Google Cloud本身的上百种数据连接器（比如AlloyDB、BigQuery、NetApp等），还能无缝调用已有的工作流（比如通过Application Integration构建的流程），甚至还能利用企业内部通过Apigee管理的API接口，轻松扩展智能体的业务能力。
这一整套“从模型到数据、从评估到上线”的闭环，让ADK成为企业部署下一代智能体应用的最佳拍档。
简而言之，Agent Development Kit不仅是开发者的得力工具，更是构建下一波AI浪潮背后的系统级推手。从评估到上线，从行为控制到数据连接，它都想好了。接下来该谁出手？是时候看开发者如何用ADK打造AI“梦之队”了。