Google ADK-Go:面向生产级AI代理的代码优先Go工具包

GitHub May 2026
⭐ 8013📈 +389
来源:GitHub归档:May 2026
Google正式开源ADK-Go,一款以代码优先为核心理念的Go语言工具包,专为构建、评估和部署复杂AI代理而生。此举标志着Google对Go语言在高性能、云原生生产级代理系统中的战略押注,直接挑战Python在AI代理框架中的主导地位。

Google发布了ADK-Go,一个开源的Go语言工具包,旨在以代码优先的理念构建AI代理。与当前占据主导地位的Python中心化框架不同,ADK-Go优先考虑性能、低延迟和精细控制,对已深耕Go云原生生态的团队极具吸引力。该工具包覆盖了从构建代理图、评估输出到部署生产的完整生命周期。其架构围绕Go的并发模型设计,能够高效并行执行代理子任务。发布首周,ADK-Go在GitHub上已获得超过8000颗星,但文档仍显稀疏,社区案例研究几乎为零。Google的背书提供了可信度,但该工具包在成熟Python替代品的包围下,仍面临一场硬仗。

技术深度解析

ADK-Go与大多数AI代理框架有着根本性不同,因为它完全用Go编写,而非Python。这一选择具有深远的架构意义。其核心抽象是代理图(Agent Graph),一种有向无环图(DAG),其中节点代表代理动作(LLM调用、工具调用、数据转换),边定义控制流和数据依赖。Go的goroutine和channel天然适合并发执行这些图——每个节点可以是一个goroutine,边则是传递结构化数据的channel。

在底层,ADK-Go使用状态机模式进行代理生命周期管理。每个代理实例维护一个状态(空闲、思考、行动、等待、完成)。该框架提供了内置原语,用于:
- 工具注册:满足`Tool`接口的函数,自动为LLM函数调用生成JSON模式。
- 内存管理:可插拔的`MemoryStore`接口(提供内存和Redis实现),用于短期和长期上下文。
- 评估框架:内置评估器,可针对测试套件运行代理轨迹,测量任务完成率、延迟和Token使用量。

代码优先的方法意味着开发者用Go源代码定义代理,而非YAML配置或拖放式UI。这使团队能够充分利用Go的类型系统、编译检查和测试工具。例如,一个获取股票价格并总结的代理看起来像这样:

```go
type StockAgent struct {
llm *llm.Client
memory *memory.InMemory
}

func (a *StockAgent) Run(ctx context.Context, ticker string) (string, error) {
price, err := fetchPrice(ticker)
summary, err := a.llm.Complete(ctx, fmt.Sprintf("Summarize: %s at $%.2f", ticker, price))
return summary, nil
}
```

这与Python框架形成鲜明对比,后者通常将代理定义为JSON配置或装饰器繁多的类。代价是ADK-Go需要编译,且对快速迭代的宽容度较低。

性能基准测试仍然稀缺,但GitHub上的早期社区测试显示出令人鼓舞的结果。在简单的三步流水线上,ADK-Go与类似Python代理(LangChain的SequentialChain)的对比:

| 指标 | ADK-Go (Go 1.22) | LangChain (Python 3.12) | 优势 |
|---|---|---|---|
| 冷启动延迟 | 12ms | 340ms | Go快28倍 |
| 吞吐量 (请求/秒) | 1,200 | 85 | Go高14倍 |
| 每代理内存 | 4.2 MB | 68 MB | Go高效16倍 |
| 95百分位延迟 | 45ms | 890ms | Go低20倍 |

数据要点: 对于延迟敏感和高吞吐场景,ADK-Go的性能优势极为显著。然而,这些基准测试来自单个社区成员的MacBook Pro——生产环境数据会有所不同。差距是真实的,但可能随着Python优化(例如使用asyncio、C扩展)而缩小。

GitHub上的仓库(`google/adk-go`)在首周已积累超过8000颗星,日均新增389颗星。这表明了强烈的初始兴趣,但提交历史显示只有少数几位Google工程师。`examples/`目录包含基本演示(聊天代理、网络搜索代理、计算器代理),但缺乏复杂的多代理编排示例。

关键参与者与案例研究

Google显然是主要参与者。ADK-Go团队由来自Google Cloud AI和Go团队的工程师领导,在大规模系统方面拥有深厚经验。他们此前曾为Go标准库和Kubernetes相关项目做出贡献。该工具包旨在与Google Cloud服务无缝集成:Vertex AI用于模型托管,Cloud Run用于部署,BigQuery用于日志记录。

竞争框架包括:
- LangChain (Python/JS):主导性代理框架,拥有超过9万颗GitHub星。它优先Python,拥有庞大的集成生态系统。然而,其复杂性和开销有据可查。
- CrewAI (Python):专注于多代理角色扮演。在原型设计中很受欢迎,但在生产可靠性方面存在困难。
- Semantic Kernel (C#/Python):微软的入场作品,在企业模式方面表现出色,但社区吸引力较弱。
- Dify (Python):开源LLM应用平台,带有可视化代理构建器。

| 框架 | 语言 | GitHub星数 | 部署模型 | 延迟概况 |
|---|---|---|---|---|
| ADK-Go | Go | 8k (新) | 代码优先,编译 | 非常低 |
| LangChain | Python | 93k | 代码优先,解释 | 中等 |
| CrewAI | Python | 22k | 代码优先,解释 | 中等-高 |
| Semantic Kernel | C#/Python | 21k | 代码优先,编译 | 低 (C#) |
| Dify | Python | 45k | 可视化+代码 | 中等 |

数据要点: ADK-Go在星数上是小鱼,但在性能上是鲨鱼。其定位明确:需要低延迟、高可靠性代理且熟悉Go的团队。它不会在研究或快速原型设计领域取代LangChain。

值得注意的早期采用者寥寥无几。少数几家以Go为核心的初创公司

更多来自 GitHub

CogVLM2 开源视觉模型:基于 Llama3-8B,性能直逼 GPT-4VCogVLM2 的发布标志着开源多模态 AI 领域迎来了一个关键转折点。由智谱 AI 团队开发的这款模型,借助 Llama3-8B 语言主干,在视觉推理得分上足以与 GPT-4V 等闭源系统一较高下。在 MMMU 和 MMBench 等核心无标题The open-source community has a new contender in the GUI automation arena: CogAgent, an end-to-end VLM-based agent develToolBench:让大模型学会调用真实API,自主完成任务的开放平台ToolBench是由清华大学OpenBMB团队开发的开源平台,旨在弥合大语言模型与现实工具使用之间的鸿沟。该项目直击当前LLM的关键短板:无法可靠地调用外部API来完成任务。ToolBench提供了一套完整的流水线,包括来自RapidAP查看来源专题页GitHub 已收录 2291 篇文章

时间归档

May 20262998 篇已发布文章

延伸阅读

谷歌ADK-Python:以代码为先,掀起AI智能体开发范式革命谷歌正式推出开源工具包ADK-Python,旨在为开发者提供构建、评估与部署复杂AI智能体的强大基础设施。其鲜明的“代码优先”哲学,正挑战当前主流的低代码风潮,赋予开发者对智能体逻辑与工作流的精细控制。此举标志着谷歌正战略性地推动下一代自主Pi-Mono Emerges as a Comprehensive Toolkit for Streamlining AI Agent DevelopmentPi-Mono is a comprehensive, modular toolkit designed to simplify the development and deployment of AI agent applicationsCogVLM2 开源视觉模型:基于 Llama3-8B,性能直逼 GPT-4VCogVLM2 是一款基于 Llama3-8B 构建的开源视觉语言模型,在图像理解与视觉问答任务上达到了 GPT-4V 级别的水准。这一突破性成果正在推动高端多模态 AI 的民主化,但其高昂的计算需求也引发了关于可及性的深层思考。CogAgent Open-Source VLM GUI Agent: End-to-End Automation Without DOM DependenciesCogAgent, an open-source end-to-end visual language model (VLM) for GUI automation, eliminates the need for HTML or DOM

常见问题

GitHub 热点“Google's ADK-Go: A Code-First Go Toolkit for Production AI Agents”主要讲了什么?

Google has launched ADK-Go, an open-source Go toolkit for constructing AI agents with a code-first philosophy. Unlike Python-centric frameworks that dominate the agent space, ADK-G…

这个 GitHub 项目在“ADK-Go vs LangChain performance benchmark comparison”上为什么会引发关注?

ADK-Go is fundamentally different from most AI agent frameworks because it is written entirely in Go, not Python. This choice has profound architectural implications. The core abstraction is the Agent Graph, a directed a…

从“How to deploy ADK-Go agents on Kubernetes”看,这个 GitHub 项目的热度表现如何?

当前相关 GitHub 项目总星标约为 8013,近一日增长约为 389,这说明它在开源社区具有较强讨论度和扩散能力。