ADK 2.0 с Workflow Runtime (Google I/O 19 мая 2026): полноценная среда выполнения агентных workflow с визуальным дебаггером. Новые языки: Go, Java, Kotlin -- теперь ADK не только Python/JavaScript. Workflow Runtime обеспечивает персистентность состояния агента между вызовами -- важно для длительных multi-step задач.

Установка ADK Python 2.4.0 (актуальная версия на 7 июля 2026): pip install google-adk==2.4.0 (Python), npm install @google/adk@2.3.0 (TypeScript), Maven/Gradle для Java. Ключевые изменения API: WorkflowAgent вместо Agent для multi-step задач, StateManager для персистентности, built-in MCP client для внешних инструментов. Важно: параметр turns переименован в steps во всех конфигах.

ADK Agent Library: 50+ готовых специализированных агентов для Python и TypeScript -- Search Agent, Code Agent, Data Analysis Agent, Email Agent. Каждый агент конфигурируется параметрами и может быть orchestrated в составе сложного workflow.

Vertex AI deployment: ADK агенты деплоятся на Vertex AI Agent Engine одной командой adk deploy --project=my-project --region=us-central1. Автоскейлинг, мониторинг через Cloud Monitoring, интеграция с Cloud Trace для дебаггинга агентных цепочек в production.

Google ADK (Agent Development Kit) -- открытый фреймворк для создания, тестирования и развертывания сложных AI-агентов. Выпущен Google как open-source инструментарий, позволяющий разработчикам создавать многоагентные системы локально без необходимости облачной инфраструктуры на старте. ADK обрабатывает то, как агент работает, использует инструменты, запоминает информацию и отвечает.

В мае 2026 года вышел ADK 2.0 с принципиальным изменением архитектуры: фреймворк перешел от иерархического исполнителя агентов к графовой системе выполнения (Workflow Runtime). Выпуск стал доступен для общего использования 19 мая 2026 года.

ADK 2.2.0 (4 июня 2026) расширил поддержку языков программирования: теперь ADK работает не только с Python и JavaScript/TypeScript, но и с Go, Java и Kotlin. Это открывает ADK для backend-разработчиков, работающих на JVM-экосистеме и высоконагруженных сервисах на Go.

Одно из ключевых нововведений ADK 2.x -- Agent Library: коллекция готовых специализированных агентов, которые можно использовать сразу или как основу для собственных решений.

Наиболее востребованные агенты из библиотеки:

Установка агента из библиотеки: pip install google-adk[agents]. Использование Search Agent:

from google.adk.agents import SearchAgent

agent = SearchAgent(
    model='gemini-3.1-pro',
    max_results=5
)
response = agent.run('Какие новости в AI за последнюю неделю?')
print(response)

ADK 2.0 включает встроенный визуальный дебаггер, запускаемый локально командой adk debug --port 8080. Дебаггер открывается в браузере и показывает:

Дебаггер незаменим при разработке сложных multi-step workflows: видно, где агент зашёл в тупик, почему принял то или иное решение, сколько времени занял каждый вызов.

ADK поддерживает три основных способа развертывания в Google Cloud:

Cloud Run -- контейнерный хостинг без управления серверами. Лучший выбор для большинства агентов: автоскейлинг, оплата по запросам, простой деплой. Команда: adk deploy --target=cloudrun --project=my-project.

Firebase App Hosting -- для агентов, встроенных в веб-приложения. Автоматически интегрируется с Firebase Authentication и Firestore для хранения сессий.

Vertex AI Agent Engine -- управляемая среда для production-агентов с расширенным мониторингом, SLA и интеграцией с корпоративными системами Google Cloud. Команда: adk deploy --target=vertex --region=us-central1.

Для разработки ADK работает полностью локально -- не нужны Google Cloud credentials или платные ресурсы. Переход в облако требует настройки GCP-проекта и включения соответствующих API.

Разберём создание research-агента, который ищет информацию в интернете, анализирует её и готовит краткое резюме.

Шаг 1: установка и инициализация проекта.

pip install google-adk==2.4.0
adk init research_agent
cd research_agent

Шаг 2: создание файла агента agent.py.

from google.adk import WorkflowAgent, tool
from google.adk.tools import google_search

@tool
def summarize_results(results: list[str], topic: str) -> str:
    """Объединяет результаты поиска в краткое резюме."""
    combined = '\n'.join(results)
    return f'Резюме по теме "{topic}":\n{combined[:2000]}'

research_agent = WorkflowAgent(
    name='research_agent',
    model='gemini-3.1-pro',
    tools=[google_search, summarize_results],
    system_prompt=(
        'Ты исследовательский агент. '
        'Ищи информацию по заданной теме, '
        'анализируй результаты и готовь краткое резюме.'
    )
)

if __name__ == '__main__':
    response = research_agent.run(
        'Исследуй последние обновления Google ADK за июнь 2026'
    )
    print(response)

Шаг 3: запуск агента.

python agent.py

Агент выполнит поиск, проанализирует результаты и вернёт структурированный ответ. Для отладки запустите дебаггер в отдельном терминале: adk debug.

ADK 2.0 (май 2026): введен Workflow Runtime -- переход от иерархической модели к графовому движку выполнения. Это фундаментальное изменение позволяет строить сложные нелинейные агентные пайплайны. Внимание: версия содержит breaking changes в API агентов, модели событий и схеме сессий.

ADK Go 1.0 (март 2026): Google выпустил ADK для языка Go. Нативная интеграция OpenTelemetry (OTel): каждый вызов модели и каждый инструментальный цикл генерируют структурированные трейсы и спаны, упрощая отладку сложной агентной логики.

Экосистема интеграций (февраль 2026): расширение ADK с набором сторонних интеграций. Добавлены прямые подключения к GitHub, Jira, MongoDB и пяти платформам наблюдаемости, включая нативную телеметрию через MLflow.

ADK v2.2.0 (4 июня 2026) -- критические изменения: модель по умолчанию изменена с gemini-2.5-flash на gemini-3-flash-preview (gemini-2.5-flash будет отключён 16 октября 2026 -- обновите конфигурационные файлы заранее). Параметр turns переименован в steps во всех конфигах и API. Добавлена автоматическая инструментация OpenTelemetry. Облачное развёртывание ADK-агентов теперь официально называется Gemini Enterprise Agent Platform.

Требования: Python 3.10 или выше, pip. Установка: pip install google-adk==2.4.0. Для интеграции с Vertex AI: pip install google-adk[vertexai]. Для OTel-мониторинга: pip install google-adk[otel]. Актуальная версия: 2.4.0 (7 июля 2026).

Инициализация проекта: adk init my_agent. Эта команда создает структуру директорий с файлами конфигурации, базовым агентом и примерами инструментов. Версии релизов выходят примерно раз в две недели.

Первый агент -- минимальный пример на Python:

from google.adk import Agent, tool

@tool
def get_weather(city: str) -> str:
    return f'Погода в {city}: 22 градуса, ясно'

agent = Agent(
    name='weather_agent',
    model='gemini-3.1-pro',
    tools=[get_weather]
)

response = agent.run('Какая сейчас погода в Москве?')
print(response)

Fan-out/fan-in паттерны. Workflow Runtime позволяет запускать несколько подзадач параллельно (fan-out) и собирать результаты в одну точку (fan-in). Пример: агент-оркестратор запускает одновременно агент для анализа данных, агент для генерации кода и агент для написания тестов -- затем собирает результаты и формирует итоговый PR.

Task API для A2A delegation (ADK v2.2+). Новый Task API позволяет агентам делегировать задачи другим агентам через стандартный Agent-to-Agent (A2A) протокол. ADK-агент может вызвать агента из LangChain, CrewAI или другого A2A-совместимого фреймворка.

# Пример Task API
from google.adk import WorkflowAgent, task

@task
async def analyze_code(repo_url: str) -> dict:
    return await agent.delegate('code-analyzer', {'url': repo_url})

Loop и retry паттерны. Workflow Runtime поддерживает циклы с условиями выхода и автоматические повторные попытки при ошибках. Агент может повторить шаг до N раз, изменяя подход на каждой итерации на основе обратной связи от предыдущего результата.

Три основных фреймворка для построения AI-агентов в 2026 году имеют разные сильные стороны.

Google ADK -- лучший выбор, если вы работаете в экосистеме Google Cloud и используете модели Gemini. Встроенный визуальный дебаггер, нативная поддержка Cloud Run и Vertex AI, официальная поддержка Go/Java/Kotlin. Agent Library с 50+ готовыми агентами ускоряет старт. Слабая сторона: наиболее тесная привязка к Google-инфраструктуре, меньше готовых интеграций со сторонними инструментами по сравнению с LangChain.

LangChain -- наибольшая экосистема: сотни готовых инструментов, коннекторов и интеграций. Поддерживает все основные LLM-провайдеры. LangGraph (часть экосистемы) обеспечивает графовое выполнение агентов, аналогичное Workflow Runtime. Лучший выбор для сложных пайплайнов с большим количеством разнородных источников данных. Слабая сторона: высокая абстракция усложняет отладку, относительно высокий порог вхождения.

Microsoft AutoGen -- специализирован на многоагентных диалогах. Сильнейшая поддержка паттерна «агент-собеседник» (conversational agents), встроенные механизмы согласования между агентами. Хорошо интегрируется с Azure OpenAI. Лучший выбор для задач, где несколько агентов обсуждают и согласовывают решение. Слабая сторона: менее удобен для линейных пайплайнов.

Когда выбрать ADK: проект на Google Cloud, нужна быстрая интеграция с Gemini, важна корпоративная поддержка и SLA, команда работает на Python/Go/Java.

Google выпустила официальный ADK SDK для языка Go, актуальная версия -- ADK Go 2.0 (General Availability 30 июня 2026). Агенты на Go подходят для высоконагруженных бэкендов, где важны низкие задержки и эффективное использование памяти. Установка:

go get google.golang.org/adk@v2.0.0

Пример простого агента на Go:

package main

import (
    "context"
    "fmt"
    "google.golang.org/adk"
)

func main() {
    agent := adk.NewAgent(adk.Config{
        Model: "gemini-3.5-flash",
        SystemPrompt: "Ты помощник для кодирования",
    })
    resp, _ := agent.Run(context.Background(), "Напиши функцию сортировки на Go")
    fmt.Println(resp.Text)
}

ADK Go 2.0 устанавливает новый стандарт наблюдаемости: встроенный OpenTelemetry создает подробные трейсы каждого выполнения агента. Для Python-версии поддержка OTel добавлена через пакет google-adk[otel].

Трейсы можно отправлять в любую OTel-совместимую систему: Jaeger, Zipkin, Grafana Tempo, MLflow. Это важно для производственных систем, где нужно отслеживать задержки, затраты и поведение агентов.

ADK Go 2.0: ключевые возможности (GA 30 июня 2026). С выходом ADK Go 2.0 в статус General Availability Go-версия фреймворка получила полный паритет с Python SDK и ряд новых возможностей. HITL orchestration (Human-in-the-Loop): граф выполнения агента может ставиться на паузу для взаимодействия с человеком и возобновляться после подтверждения -- состояние сохраняется даже после перезапуска процесса. Dynamic execution: узлы графа могут добавляться и перестраиваться во время выполнения -- агент адаптирует план под промежуточные результаты без перезапуска всего workflow. Exponential backoff retries: встроенная логика повторных попыток с экспоненциальной задержкой при ошибках вызова модели или инструментов -- не требует ручной реализации. Нативная интеграция OpenTelemetry обеспечивает трассировку каждого вызова модели и инструментального цикла с автоматической генерацией структурированных спанов. Трейсы совместимы с Jaeger, Zipkin, Grafana Tempo и любой OTel-совместимой системой.

Interactions API (ADK v2.2+): новый API для управления диалогами и многоходовыми взаимодействиями. Позволяет сохранять историю разговора, управлять контекстом между запросами и реализовывать сложные диалоговые сценарии. Пример:

from google.adk.interactions import InteractionSession

session = InteractionSession(agent=my_agent)
result1 = session.send('Проанализируй этот файл')
result2 = session.send('Теперь напиши тесты для найденных проблем')
# session сохраняет контекст между запросами

ADK 2.0 содержит breaking changes. Если вы использовали ADK 1.x, перед обновлением ОБЯЗАТЕЛЬНО изучите migration guide на adk.dev/2.0/. Особое внимание: изменилась схема сессий, API WorkflowAgent вместо Agent, новый синтаксис инструментов.

Типичная миграция production-команды с ADK 1.x занимает 2-4 недели: неделя на анализ breaking changes, неделя-две на адаптацию кода, неделя на тестирование и деплой. Последний стабильный релиз -- 4 июня 2026 (цикл обновлений около 2 недель).

Для тех, кто начинает с нуля: используйте ADK 2.2.0 сразу. Старые туториалы под ADK 1.x в основном устарели -- проверяйте дату публикации и номер версии в примерах кода.

С выходом ADK 2.2.0 (4 июня 2026) добавлена официальная поддержка Java и Kotlin. Для Android-разработчиков и backend-команд на JVM это открывает возможность встраивать агентную логику без дополнительных прослоек. Зависимость для Gradle:

implementation 'com.google.adk:adk-core:2.2.0'
implementation 'com.google.adk:adk-agents:2.2.0'

Пример агента на Kotlin:

import com.google.adk.Agent
import com.google.adk.tool

val weatherTool = tool("get_weather") { city: String ->
    "Погода в $city: 22 градуса, ясно"
}

val agent = Agent(
    name = "weather_agent",
    model = "gemini-3.1-pro",
    tools = listOf(weatherTool)
)

val response = agent.run("Какая погода в Москве?")
println(response)

Gemini Interactions API -- коммуникация между агентами (июнь 2026): ADK получил специализированный Gemini Interactions API для стандартизации общения между агентами в мультиагентных системах. В отличие от базового A2A-протокола, Gemini Interactions API использует нативные возможности Gemini-моделей: общая семантическая память между агентами, потоковая передача промежуточных результатов, согласование контекста при делегировании. ADK-агенты могут подписываться на события от других агентов через agent.subscribe(other_agent.events).

ADK Python PyPI обновление (18 июня 2026): Пакет google-adk на PyPI получил обновление 18 июня 2026. Ключевые изменения: улучшена совместимость с Python 3.12, исправлены зависимости для работы с Vertex AI в Google Cloud Run. Обновление: pip install --upgrade google-adk. Рекомендуется обновить до актуальной версии для корректной работы с ADK Go 1.0 через межъязыковые вызовы.

ADK 2.3.0 (18 июня 2026) -- критические изменения, обязательна миграция: Обновление ADK 2.3.0 содержит несовместимые изменения (breaking changes) по сравнению с ADK 2.2.0. Миграция с 2.2.0 обязательна перед деплоем. Ключевые изменения: (1) Agent API -- метод agent.run() теперь возвращает AgentResponse вместо строки; обновите обработчики ответов; (2) Event model -- события переименованы: on_message стало on_turn_start, on_complete стало on_turn_end; (3) Session schema -- структура объекта сессии изменена, поле session.history заменено на session.turns (список объектов Turn). Для автоматической миграции используйте инструмент: adk migrate --from 2.2.0 --to 2.3.0. Полное руководство по миграции: google.github.io/adk-python/migration/2.3.

ADK Go 2.0 достиг General Availability 30 июня 2026 года. Google объявила о GA-релизе ADK для языка Go на базе той же граф-ориентированной архитектуры, что и Python ADK 2.0, -- полностью переработанной с нуля для идиоматичного Go. Ранее в гайде упоминался ADK Go 1.0 (март 2026) -- теперь актуальная стабильная версия ADK Go 2.0.

Ключевые возможности ADK Go 2.0: граф-ориентированная модель выполнения -- приложение описывается как граф узлов, соединённых рёбрами, а планировщик запускает его параллельно, сохраняет состояние, ставит на паузу для взаимодействия с человеком и возобновляет -- даже после перезапуска процесса. HITL orchestration: явная поддержка Human-in-the-Loop -- агент может запрашивать подтверждение у человека в любой точке workflow и продолжать с сохранённым состоянием. Dynamic execution: граф перестраивается во время выполнения -- узлы добавляются динамически в зависимости от промежуточных результатов. Exponential backoff retries: встроенная логика повторных попыток с экспоненциальной задержкой при ошибках вызовов модели или инструментов. Три режима LLM-агентов: Chat, Task и SingleTurn -- с автоматически устанавливаемыми вспомогательными инструментами в зависимости от роли. Полный паритет функций с Python SDK, включая YAML-конфигурации агентов и встроенную OTel-телеметрию.

Установка ADK Go 2.0: go get google.golang.org/adk@v2.0.0. Это актуальная стабильная версия для новых проектов на Go. Существующие проекты на ADK Go 1.0 потребуют миграции -- ознакомьтесь с migration guide на adk.dev.

ADK Go 2.0: статус GA (30 июня 2026). Google Agent Development Kit для языка Go достиг статуса General Availability 30 июня 2026 года. ADK Go 2.0 обеспечивает полный паритет с Python-версией: поддержку всех типов инструментов, потоковые ответы (streaming), интеграцию с Vertex AI и поддержку MCP-серверов. Go-реализация ориентирована на высокопроизводительные production-системы, где важны низкие задержки и эффективное использование памяти.

ADK официально поддерживает 5 языков программирования. По состоянию на июль 2026 года, Google ADK доступен на пяти языках: Python (самый зрелый, рекомендован для большинства задач), TypeScript и JavaScript (для full-stack разработчиков и Node.js-экосистемы), Go (для высоконагруженных систем), Java и Kotlin (для Android-экосистемы и корпоративных приложений). Все SDK публикуются в официальных реестрах пакетов соответствующих языков и поддерживаются командой Google.

ADK Python 2.4.0 (7 июля 2026). После релиза 2.3.0 (18 июня 2026) пакет google-adk на PyPI получил обновление до версии 2.4.0 -- 7 июля 2026 года. Изменения сфокусированы на стабильности: устранены ошибки в Workflow Runtime при высокой нагрузке, улучшена совместимость с Python 3.13, исправлено взаимодействие с Vertex AI в Cloud Run второго поколения. Команда обновления: pip install --upgrade google-adk. Рекомендуется использовать эту версию для всех новых production-деплоев.

ADK для Java: отдельный релиз 1.0.0 GA. Google выпустил ADK Java SDK в статусе General Availability как самостоятельный релиз с собственной версией 1.0.0. До этого Java-поддержка входила в ADK 2.2.0 как Preview в рамках общего пакета. ADK Java 1.0.0 GA гарантирует стабильный API без обратно несовместимых изменений и полный паритет с Python SDK: Workflow Runtime, StateManager, встроенный MCP client, интеграция с Vertex AI Agent Engine. Gradle-зависимость: implementation 'com.google.adk:adk-java:1.0.0'. Maven: <dependency><groupId>com.google.adk</groupId><artifactId>adk-java</artifactId><version>1.0.0</version></dependency>.

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