Как начать пользоваться Google ADK -- фреймворк для создания AI-агентов

Google ADK (Agent Development Kit) -- это открытый фреймворк от Google для создания AI-агентов: программ, которые умеют самостоятельно решать многошаговые задачи, вызывать инструменты, взаимодействовать с внешними API и даже координировать работу других агентов. Фреймворк был запущен в 2026 году и быстро стал одним из наиболее используемых инструментов для разработки агентных приложений.

В чём разница между обычным использованием LLM и агентом? Когда вы просто пишете в ChatGPT или Claude -- это диалог: человек задаёт вопрос, модель отвечает. Агент работает иначе: он получает цель («найди самый дешёвый рейс из Москвы в Берлин на следующую неделю и забронируй его»), сам разбивает задачу на шаги, вызывает нужные инструменты (поиск, API авиакомпаний, платёжный сервис) и выполняет их последовательно до достижения результата без участия человека в каждом шаге.

Google ADK создавался с конкретной философией: разработка агентов должна ощущаться как обычная разработка программного обеспечения. Никаких сложных конфигов, никаких проприетарных форматов -- просто Python-код (или Java, или Go) с понятными абстракциями.

Кому нужен Google ADK: разработчикам, которые хотят создавать агентные приложения; командам, строящим автоматизацию бизнес-процессов на основе AI; исследователям, изучающим мультиагентные системы. Базовый уровень Python (установить пакет, написать функцию, запустить скрипт) -- единственный технический порог. ADK специально разрабатывался как model-agnostic: хотя он оптимизирован для моделей Gemini, он работает с любой OpenAI-совместимой моделью -- Claude, GPT-4, Mistral и другими.

Google ADK устанавливается через стандартный менеджер пакетов Python. Перед началом убедитесь, что у вас установлен Python 3.9 или выше и pip.

Шаг 1. Установите Google ADK: выполните команду pip install google-adk в терминале. ADK сам установит все необходимые зависимости.

Шаг 2. Получите API ключ Google AI Studio. Перейдите на aistudio.google.com, войдите через Google-аккаунт, в левом меню нажмите Get API key, затем Create API key. Ключ бесплатен и даёт доступ к моделям Gemini Flash и Gemini Pro. Скопируйте ключ -- он понадобится на следующем шаге.

Шаг 3. Настройте переменную окружения. ADK ищет ключ в переменной GOOGLE_API_KEY. На Mac/Linux выполните в терминале: export GOOGLE_API_KEY='ваш_ключ'. На Windows: set GOOGLE_API_KEY=ваш_ключ. Для постоянной настройки добавьте эту строчку в файл .env в папке вашего проекта.

Шаг 4. Проверьте установку. Запустите python -c "import google.adk; print('ADK installed OK')". Если вывод OK -- установка прошла успешно.

Для разработчиков Java: Google ADK Java 1.0 доступен через Maven Central. Добавьте в pom.xml зависимость com.google.adk:google-adk с нужной версией. Для Go: ADK Go 1.0 устанавливается через go get github.com/google/adk-go.

Если вы планируете деплоить агентов в Google Cloud (Vertex AI Agent Engine), дополнительно нужно установить google-cloud-aiplatform и настроить аутентификацию через gcloud CLI. Но для локального запуска и тестирования это не требуется.

Создадим самого простого агента -- ассистента с одним инструментом. Это займёт около 10 минут.

Шаг 1. Создайте папку проекта и внутри неё файл agent.py.

Шаг 2. Напишите агента. В Google ADK агент -- это Python-объект с именем, описанием, моделью и набором инструментов. Инструменты -- это обычные Python-функции с docstring, который объясняет модели для чего нужна функция.

Пример простого агента-погодника: создайте функцию get_weather с параметром city, которая возвращает строку с описанием погоды (для демонстрации можно вернуть жёстко заданный текст). Затем создайте объект Agent, передав name='weather_agent', model='gemini-2.0-flash', description='Агент для проверки погоды', а в список tools добавьте вашу функцию get_weather. Благодаря docstring функции модель сама понимает, когда её нужно вызвать и какие аргументы передать.

Шаг 3. Запустите агента через веб-интерфейс ADK. В папке проекта выполните команду adk web. ADK автоматически запустит локальный веб-сервер по адресу localhost:8000 с интерактивным чатом, где можно тестировать вашего агента. Не нужно писать никакого UI-кода.

Шаг 4. Протестируйте в CLI. Если предпочитаете терминал, запустите adk run agent.py -- агент будет готов принимать запросы в интерактивном режиме.

После первого агента попробуйте добавить второй инструмент -- например, функцию search_news для поиска новостей или calculate для вычислений. Модель сама поймёт, когда использовать каждый из них, основываясь на docstring-описаниях функций. Это и есть основная идея ADK: вы описываете что умеет делать инструмент, а модель сама решает когда его применить.

Попробуйте также создать агента с несколькими шагами. Дайте ему задачу, которая требует нескольких вызовов инструментов: например, найти информацию о теме, резюмировать её, а затем написать краткий отчёт. ADK автоматически обрабатывает цепочку вызовов и передаёт результаты от одного шага к другому.

Полезные команды ADK: adk web (веб-интерфейс с визуализацией всех шагов агента), adk run (CLI-режим для быстрого тестирования), adk eval (автоматическое тестирование агента на наборе примеров), adk deploy cloud-run (деплой на Google Cloud Run). Команда adk eval особенно ценна -- она позволяет проверить, что агент стабильно работает на тестовых сценариях после каждого изменения кода или промпта.

Model-agnostic архитектура. Несмотря на то что ADK разрабатывается Google и оптимизирован для Gemini, он поддерживает любую OpenAI-совместимую модель. Достаточно изменить параметр model при создании агента: вместо 'gemini-2.0-flash' укажите 'anthropic/claude-3-5-haiku', 'openai/gpt-4o-mini' или даже локальную модель через Ollama. Это позволяет экспериментировать с разными моделями и выбирать оптимальную для конкретной задачи.

Мультиагентные системы. ADK имеет встроенную поддержку оркестрации нескольких агентов. Можно создать агента-оркестратора, который управляет несколькими специализированными sub-агентами. Например: агент-аналитик делает поиск и сбор данных, агент-писатель формирует отчёт, агент-редактор проверяет качество. Оркестратор координирует их работу и собирает результат.

Встроенная визуализация шагов. Веб-интерфейс adk web показывает не только финальный ответ, но и все промежуточные шаги: какие инструменты вызывались, что было передано в каждый вызов, что вернулось. Это делает отладку агентов намного проще -- видно, где именно агент принял неправильное решение.

Поддержка долгосрочной памяти через сессии. ADK поддерживает сессии с контекстом: агент помнит предыдущие шаги в рамках сессии. Для более продвинутых сценариев можно подключить InMemorySessionService или кастомное хранилище, чтобы агент помнил историю взаимодействий между сессиями.

Управление состоянием. В сложных мультишаговых задачах агент должен помнить промежуточные результаты. ADK предоставляет механизм State для хранения данных между вызовами инструментов в рамках одной сессии -- это критически важно для агентов, выполняющих длинные workflow.

Evaluation framework. Команда adk eval позволяет написать тест-кейсы в JSON-формате: входной запрос пользователя, ожидаемые вызовы инструментов, ожидаемый результат. ADK прогоняет агента через все тест-кейсы и показывает, что работает правильно, а что нет. Это профессиональный подход к разработке агентов, аналогичный unit-тестам в обычном программировании.

Деплой на Google Cloud. ADK интегрирован с Vertex AI Agent Engine -- управляемой платформой Google для деплоя агентов. Команда adk deploy cloud-run или adk deploy agent-engine упаковывает агента и деплоит его в облако с автоскейлингом, мониторингом и управлением версиями. Для production-сценариев это значительно проще самостоятельного деплоя.

Расширенная экосистема инструментов. ADK поставляется с набором готовых инструментов: Google Search, Code Execution, Vertex AI Search, BigQuery и другие. Их можно сразу добавить в агента без написания кода -- просто импортировать и передать в список tools. Инструмент Google Search позволяет агенту искать информацию в интернете в реальном времени, а Code Execution -- выполнять Python-код в песочнице для обработки данных или вычислений.

LangChain и другие интеграции. ADK поддерживает использование LangChain-совместимых инструментов напрямую через специальный адаптер. Если у вас уже есть LangChain-инструменты или вы хотите использовать богатую экосистему LangChain-интеграций (сотни коннекторов к различным сервисам), их можно подключить к ADK-агенту за несколько строк кода.

Стоимость самого ADK: нулевая. Google ADK -- полностью открытый проект под лицензией Apache 2.0. Вы платите только за использование моделей и облачной инфраструктуры, если решите деплоить в Google Cloud.

Стоимость через Google AI Studio (бесплатный tier): Gemini 2.0 Flash и Gemini 1.5 Flash доступны бесплатно через Google AI Studio с ограничениями: 15 запросов в минуту, 1500 запросов в день, 1M токенов в минуту. Для разработки и тестирования агентов этого полностью достаточно.

Платный тариф через Google AI Studio: при превышении бесплатных лимитов тарификация начинается. Gemini 2.0 Flash стоит $0.075 за 1M входных и $0.30 за 1M выходных токенов на момент написания -- очень экономично для агентных сценариев где модель используется многократно.

Google Cloud / Vertex AI: если деплоить агентов через Vertex AI Agent Engine, добавляется стоимость managed infrastructure. Конкретные цены зависят от региона и объёма -- смотрите актуальный прайс на cloud.google.com/vertex-ai/pricing.

Технические ограничения ADK: фреймворк относительно молодой, и часть продвинутых возможностей (например, мультиагентная персистентность через сессии, некоторые интеграции) находится в активной разработке. Для production нагрузок рекомендуется следить за обновлениями на GitHub репозитории google/adk-python.

Совместимость: ADK Python требует версию 3.9 и выше. ADK Java 1.0 поддерживает Java 11+. ADK Go 1.0 -- Go 1.21+. Все три версии имеют feature-parite, то есть одни и те же возможности доступны во всех языках.

Google ADK -- это open-source библиотека, которая устанавливается через PyPI (pip install google-adk). PyPI доступен из России без ограничений, поэтому установить фреймворк можно без VPN.

Однако для использования моделей Gemini через Google AI Studio потребуется аккаунт Google. Google-аккаунты в целом доступны из России, но Google AI Studio (aistudio.google.com) может работать нестабильно или требовать VPN в зависимости от вашего провайдера и региона. Ряд пользователей из России сообщает о стабильной работе без VPN, другие -- о необходимости его использования.

Если вы хотите использовать ADK с другой моделью (например, Claude или GPT-4o), а не Gemini, зависимость от Google-инфраструктуры минимальна. ADK просто отправит запросы на соответствующий endpoint, и вопрос доступности сводится к доступности API Anthropic или OpenAI из России.

Для деплоя на Google Cloud (Vertex AI): Google Cloud доступен из России с ограничениями, связанными с санкционными проверками. Некоторые сервисы Google Cloud недоступны для аккаунтов с российскими платёжными данными. Рекомендуется использовать иностранную платёжную карту и, при необходимости, VPN при работе с Google Cloud Console.

Альтернативный деплой: агента, написанного на ADK, можно задеплоить на любой облачный сервер вне Google Cloud (VPS на Hetzner, DigitalOcean, или любой другой платформе) без ограничений. ADK не требует Google Cloud для работы -- облачный деплой это лишь одна из опций.

Этот материал подготовлен командой AI-агентов AravanaAI и проверен главным редактором.