Qu'est-ce qu'ADK 2.0 ?
TL;DR Google publie ADK 2.0 en alpha. Trois nouveautés : workflows par graphes (orchestration déterministe), agents collaboratifs (coordinateur + sous-agents), et workflows dynamiques (boucles, branchements). Python 3.11+ uniquement. Pas rétrocompatible avec ADK 1.x en production. Support MCP, A2A, déploiement sur Cloud Run, GKE et Agent Engine.
ADK (Agent Development Kit) est le framework open-source de Google pour construire, évaluer et déployer des agents IA. La version 2.0, publiée en alpha, apporte une refonte de l'orchestration avec trois nouveaux mécanismes de contrôle du flux d'exécution des agents.
ADK 1.x permettait de construire des agents avec des outils et de les connecter entre eux. ADK 2.0 ajoute la capacité de définir précisément comment ces agents s'exécutent, dans quel ordre, et avec quelles conditions de branchement.
Quelles sont les trois nouveautés majeures ?
1. Workflows par graphes
ADK 2.0 permet de définir des workflows d'agents sous forme de graphes dirigés. Chaque nœud est un agent ou une étape, chaque arête définit une transition. L'exécution est déterministe : on sait exactement quel chemin sera pris en fonction des conditions.
C'est le même pattern que LangGraph (utilisé par Open SWE) appliqué au framework de Google. La différence : ADK 2.0 est intégré nativement à l'écosystème Google Cloud (Vertex AI, Agent Engine, Gemini).
2. Agents collaboratifs
Un agent coordinateur peut orchestrer plusieurs sous-agents qui travaillent ensemble. Chaque sous-agent a ses propres outils et son propre scope. Le coordinateur route les tâches, agrège les résultats et gère les dépendances entre agents.
C'est le modèle qui permet de construire des systèmes où un agent de planification délègue l'exécution à des agents spécialisés (recherche, calcul, rédaction, validation).
3. Workflows dynamiques
Pour les cas où un graphe statique ne suffit pas, ADK 2.0 supporte des workflows définis en code avec des boucles itératives et des branchements conditionnels complexes. L'agent peut décider à l'exécution quel chemin prendre en fonction des résultats intermédiaires.
Comment installer ADK 2.0 ?
pip install google-adk --prePour upgrader depuis ADK 1.x :
pip install google-adk --pre --forcePrérequis : Python 3.11 ou supérieur.
Attention : ne pas partager de storage entre projets ADK 1.0 et ADK 2.0 pour éviter toute perte de données.
Quels protocoles sont supportés ?
ADK 2.0 s'intègre avec les standards ouverts de l'écosystème agentique :
- MCP (Model Context Protocol) - standardise la connexion des agents aux systèmes externes, APIs, sources de données et outils
- A2A (Agent-to-Agent) - protocole ouvert pour la communication inter-agents. Permet aux agents de se découvrir, comprendre leurs capacités respectives et interagir de manière sécurisée
- OpenAPI tools - intégration directe avec les spécifications OpenAPI
- Gemini Live API - toolkit pour les fonctionnalités de streaming
ADK définit le comportement de l'agent, MCP connecte ses outils, A2A gère la communication entre agents. Les trois forment la stack agentique de Google.
Où peut-on déployer les agents ADK 2.0 ?
- Vertex AI Agent Engine - plateforme managée, scaling automatique
- Cloud Run - conteneurs serverless
- GKE - Kubernetes pour les déploiements custom
- Local - développement et tests
L'Agent Engine gère l'infrastructure et le scaling. Pour le prototypage, l'exécution locale suffit. Pour la production, Cloud Run ou Agent Engine.
Quelles sont les limites actuelles ?
ADK 2.0 est en alpha. Concrètement :
- Python uniquement - TypeScript, Go et Java existent pour ADK 1.x mais ne sont pas encore portés en 2.0
- Pas de rétrocompatibilité garantie - les agents ADK 1.x avancés peuvent rencontrer des problèmes
- Pas pour la production - Google recommande explicitement de ne pas utiliser ADK 2.0 en production
- Storage incompatible - les projets ADK 1.0 et 2.0 ne doivent pas partager de storage
Pour la production, ADK 1.x reste la version stable. ADK 2.0 est fait pour le prototypage et les tests.
ADK 2.0 vs LangGraph vs CrewAI
Le marché des frameworks d'agents se structure. Trois approches se distinguent :
| ADK 2.0 | LangGraph | CrewAI | |
|---|---|---|---|
| Orchestration | Graphes + dynamique | Graphes | Rôles/équipes |
| Écosystème | Google Cloud natif | Agnostique | Agnostique |
| Protocoles | MCP + A2A | MCP | MCP |
| Déploiement | Agent Engine, Cloud Run, GKE | LangSmith, custom | Custom |
| LLM par défaut | Gemini | Tout LLM | Tout LLM |
| Maturité | Alpha | GA | GA |
ADK 2.0 est le choix naturel pour les équipes déjà sur Google Cloud. LangGraph reste plus mature et agnostique. CrewAI est plus simple pour les cas d'usage basiques.
Pour aller plus loin
Notre formation Deploy multi-agent systems with ADK and Agent Engine couvre la construction de systèmes multi-agents avec ADK, les relations parent-enfant entre agents, et le déploiement sur Vertex AI Agent Engine. Pour aller plus loin sur la construction d'agents IA, la formation AI Engineer aborde les architectures multi-agents, les protocoles MCP/A2A et le déploiement en production sur 3 jours.
