第 13 章 总结与进阶路线

这是全书的最后一章。我们先把十二章的内容压缩成一张知识地图，让你能看到全貌。然后，看向更远的地方——ADK 还有很多本书没有展开的能力，它们是你进阶的方向。

13.1 全书知识地图

13.1.1 一条主线，十个能力

我们用一条主线项目（云销客服）串起了 ADK 的核心能力。把它们排成一张表：

能力	章节	一句话
框架选型	第 1 章	五维坐标系：可控性/可观测性/多智能体/生态/生产
Agent 基础	第 2 章	Agent 就是 Python 对象，代码优先
工具与上下文	第 3 章	工具是手，Session/State 是记忆
多智能体	第 4 章	Coordinator + 子 Agent，模糊分发
图工作流	第 5 章	确定性流程，把 if-else 还给代码
动态工作流 + HITL	第 6 章	循环/并行/暂停等人
模型中立与协议	第 7 章	LiteLlm 接 100+ 模型，MCP/A2A 连接一切
部署	第 8 章	Docker 底座，部署自由
可观测性	第 9 章	日志/指标/追踪，Agent 不黑盒
评估	第 10 章	轨迹 + 响应 + 质量，质量可量化
安全	第 11 章	代码强制，多层防御
复盘与边界	第 12 章	什么时候该用、什么时候不该用

13.1.2 全书的三个核心认知

如果只让你带走三句话：

1. 把 if-else 还给代码，把判断留给 LLM。这是 ADK 2.0 图工作流的灵魂，也是生产级 Agent 的第一原则。

2. 意图理解智能，执行确定。该让 LLM 判断的地方（理解用户、分派任务）用 LLM，该确定执行的地方（流程、分支、工具）用代码。

3. 开放协议赢，封闭生态输。模型中立、MCP、A2A——ADK 赌的是开放的未来。

13.2 进阶方向一：Agents CLI 辅助开发（vibe coding）

13.2.1 什么是 Agents CLI

ADK 提供 Agents CLI 工具，把 ADK 的专业知识"注入"到你常用的 AI 编程环境（Claude Code、Cursor、Antigravity 等），让 AI 编程助手具备 ADK 相关的开发能力——这就是"AI 辅助编写智能体"（vibe coding）。

uvx google-agents-cli setup

这个命令安装 agents-cli + ADK Python + 技能。之后你的 AI 编程助手就能：

• 生成 ADK 项目脚手架
• 写符合规范的 Agent 代码
• 做评估和部署

13.2.2 快速创建项目

adk create 生成标准项目结构：

adk create my_agent

生成：

my_agent/
  agent.py
  .env
  __init__.py

13.2.3 ADK 的命令行全家桶

命令	作用
adk create <name>	创建项目
adk run <agent>	命令行交互运行
adk run <agent> "message"	单条消息运行
adk web	启动 Web 开发界面
adk api_server	启动 REST API server
adk eval	运行评估
adk deploy cloud_run/gke/agent_engine	部署
adk conformance test	回归测试
adk telemetry enable	开启遥测

13.2.4 CLI 的会话管理

adk run 支持会话持久化：

# 保存会话
adk run --save_session path/to/my_agent

# 恢复会话
adk run --resume path/to/my_agent/my_session.session.json path/to/my_agent

# 非交互回放
adk run --replay path/to/input.json path/to/my_agent

还有存储选项：--session_service_uri（默认 SQLite）、--artifact_service_uri、--memory_service_uri。

13.3 进阶方向二：Visual Builder 可视化构建器

Visual Builder 是 ADK Web 界面中的可视化工作流设计环境，用图形界面创建和管理 Agent，内置 AI 驱动的开发助手。

用 adk web 启动后，左上角 + 新建 Agent → 命名并 Create → 左面板编辑组件值、中央面板添加组件、右面板用自然语言提示词修改 Agent。

它生成的代码是 Agent Config 格式（.yaml 配置 + Python 工具代码）：

DiceAgent/
    root_agent.yaml      # main agent code
    sub_agent_1.yaml     # sub agents (if any)
    tools/               # tools directory
        __init__.py
        dice_tool.py     # tool code

支持的组件：

• Agents：Root Agent、LLM Agent、Sequential Agent、Loop Agent、Parallel Agent
• Tools：Prebuilt tools、Custom tools
• Components：Callbacks（流程控制组件）

Visual Builder 适合快速原型和非程序员参与设计。生产环境的安全细节：它通过本地 API 端点保存配置，headless/API-only 部署（如 adk deploy cloud_run）不注册这些端点，防止未授权文件写入。

13.4 进阶方向三：REST API 深度集成

第 8 章我们用了 REST API 的基础端点。这里补充更完整的图景。

13.4.1 端点全景

方法	路径	作用
GET	/list-apps	列出所有 agent 应用
POST	/apps/{app}/users/{user}/sessions/{session}	创建会话
PATCH	/apps/{app}/users/{user}/sessions/{session}	更新会话 state
GET	/apps/{app}/users/{user}/sessions/{session}	获取会话
DELETE	/apps/{app}/users/{user}/sessions/{session}	删除会话
POST	/run	运行 Agent（返回全部事件）
POST	/run_sse	运行 Agent（SSE 流式）
GET	/docs	Swagger UI

13.4.2 完整请求

{
  "appName": "yunxiao",
  "userId": "u_123",
  "sessionId": "s_abc",
  "newMessage": {
    "role": "user",
    "parts": [{ "text": "查一下订单状态" }]
  },
  "streaming": true
}

13.4.3 多模态输入

newMessage.parts 里可以加 inlineData 发送图片：

{
  "role": "user",
  "parts": [
    { "text": "这个商品能退吗？" },
    {
      "inlineData": {
        "displayName": "product.jpg",
        "data": "",
        "mimeType": "image/jpeg"
      }
    }
  ]
}

13.5 进阶方向四：在线/语音 Agent（Live）

13.5.1 什么是 Live Agent

Live agent 与用户保持双向连接：双方可以同时说话/倾听/回应，用户可中途打断。支持文本、音频、视频输入。它和其他 ADK agent 使用相同的抽象——只是用 runner.run_live() 而不是 run_async。

三种"流式"的区别（容易混淆）：

• 服务端流式：服务端到客户端单向，用户不能打断
• Token 级流式：文本逐词到达（run_async 路径）
• 双向流式：双方同时收发，可打断（run_live()）

13.5.2 创建 Live Agent

import os
from google.adk.agents import Agent
from google.adk.runners import Runner
from google.adk.sessions import InMemorySessionService
from google.adk.tools import google_search

APP_NAME = "live-agent"
agent = Agent(
    name="google_search_agent",
    model=os.getenv("DEMO_AGENT_MODEL", "gemini-live-2.5-flash-native-audio"),
    tools=[google_search],
    instruction="You are a helpful assistant that can search the web.",
)
runner = Runner(
    app_name=APP_NAME,
    agent=agent,
    session_service=InMemorySessionService(),
)

13.5.3 语音配置

from google.genai import types
from google.adk.agents import Agent
from google.adk.models.google_llm import Gemini
from google.adk.agents.run_config import RunConfig

agent = Agent(
    model=Gemini(
        model="gemini-live-2.5-flash-native-audio",
        speech_config=types.SpeechConfig(
            voice_config=types.VoiceConfig(
                prebuilt_voice_config=types.PrebuiltVoiceConfig(voice_name="Puck")
            ),
            language_code="en-US",
        ),
    ),
    instruction="You are a helpful assistant.",
)

Live Agent 是 ADK 一个很前沿的能力（目前标注 experimental），适合语音客服、实时交互等场景。

13.6 附录预告：多语言与文档地图

ADK 是多语言 SDK，支持 Python、TypeScript、Go、Java、Kotlin 五门语言。它们的成熟度不同：

语言	状态	说明
Python	最成熟，主语言	所有功能首选，独立 adk CLI
TypeScript	2.0 GA (2026-08-21)	npx adk
Go	2.0 GA (2026-06-30)	内嵌 launcher，adkgo 部署
Java	支持	Maven/Gradle
Kotlin	较新	实验性

详细的多语言速查见附录 A，文档地图见附录 B。

13.7 行动清单：读完这本书，你应该能独立搭建什么

如果这本书有效，读完你应该能：

1. 独立选型：用五维坐标系评估任何 Agent 框架，判断是否适合你的场景
2. 从零搭建 Agent：安装 ADK，创建单 Agent，接入工具和模型（不绑 Google）
3. 多 Agent 团队：设计 Coordinator + 子 Agent 架构，处理模糊分发
4. 图工作流：把确定性的业务流程固化成图，把 if-else 还给代码
5. 动态工作流 + HITL：处理循环、并行、人工审批
6. 连接生态：用 LiteLlm 接任意模型、MCP 接任意工具、A2A 接任意 Agent
7. 部署上云：Docker 容器化，部署到任意环境
8. 可观测：配置日志/指标/追踪，定位问题根因
9. 可评估：建评估集、写自定义指标、接入 CI 回归
10. 保安全：工具确认、认证、回调校验、纵深防御

这就是"为什么 Google ADK 是最好的 Agent 框架"的完整答案——不是因为它完美，而是因为它把"从原型到生产"的每一步都做成了可能。

本章小结

• 一条主线，十个能力：云销客服串起选型到生产全流程
• 三个核心认知：if-else 还给代码 / 意图理解智能执行确定 / 开放协议赢
• 四个进阶方向：Agents CLI（vibe coding）、Visual Builder、REST API、Live 语音 Agent
• 行动清单：读完能独立完成从选型到生产的十件事

全书完结

到这里，《为什么 Google ADK 是最好的 Agent 框架》就结束了。感谢你读完。

如果你带着一个问题离开这本书，我希望是这一个：你的下一个 Agent 系统，会把哪些"逻辑"留给 LLM，把哪些"逻辑"还给代码？

答案的分寸，决定了你的 Agent 是玩具，还是生产系统。

附录预告：附录 A 提供 ADK 2.0 五语言速查；附录 B 提供 adk.wiki / adk.dev 文档地图，方便你继续深入。