TypeScript 版智能体开发工具包（Agent Development Kit，简称 ADK） 是一款开源工具集，可通过代码实现全自主可控的高级 AI 智能体的开发、测试与部署工作。其核心功能包含功能丰富的工具集（如谷歌搜索能力、自定义函数），以及适用于高可扩展性应用的多智能体层级架构，同时配套开发可视化界面，便于快速调试排错。可通过命令 npm install @google/adk 完成安装。
使用该工具包的核心优势：能够开发出具备灵活适配性、可版本化管理的 AI 智能体；这类智能体可与谷歌云深度集成，能在笔记本电脑到云端服务器等任意环境中运行，还能像开发常规软件一样，大幅提速 AI 智能体的研发进程。
当 AI 开始“做事”，而不仅仅是“回答问题”，我们需要的就不再是 Prompt，而是工程框架。
Google 开源的 adk-js（Agent Development Kit for JavaScript），正是站在这个转折点上的产物。
为什么「Agent」成了核心？
过去两年，LLM 的典型使用范式是：
Prompt → Completion这在「问答、生成文本」阶段是成立的，但一旦进入真实应用场景，问题立刻暴露：
- 任务是 多步骤的
- 需要 调用外部系统
- 需要 中间状态
- 需要 可中断、可恢复
- 需要 可维护
例如：
「从数据库查数据 → 调用 API → 分析 → 生成报告 → 通知用户」
这已经不是“聊天”，而是程序执行。
Agent，本质上是“LLM + 执行能力 + 状态机”
adk-js 是什么？一句工程化定义
adk-js 是 Google 推出的 JavaScript Agent 开发框架，用来系统化构建、编排和运行 AI Agent。
如果一句话更狠一点：
它不是教你怎么和模型聊天，而是教你怎么把模型当成软件模块用。
核心设计思想（工程视角）
Agent 是一等公民，而不是 Prompt
在 adk-js 中：
- Agent ≠ prompt 字符串
- Agent = 一个有生命周期的执行单元
它通常包含：
- 角色指令（system intent）
- 可调用工具（tools）
- 执行逻辑（什么时候继续 / 什么时候停）
- 上下文状态（state / memory）
这一步，把 LLM 从“文本接口”提升为“进程模型”。
Tool 是强类型、可验证的
与很多“把工具描述写进 prompt”的方案不同，ADK 的 Tool 是：
- 明确定义的函数
- 有参数结构
- 可在代码层校验
- 可追踪调用结果
这意味着：
- Agent 不是“幻想调用 API”
- 而是真正在你的代码中调用函数
从工程角度看，这是可维护性和安全性的分水岭。
明确的执行流（Orchestration）
ADK 并不假设“一个 Agent 能解决所有问题”。
它支持：
- 多 Agent 协作
- 子任务拆分
- 顺序 / 条件执行
- Agent → Agent 调用
这让它更像：
一个 AI 工作流引擎，而不是聊天框架
如果你熟悉：
- LangGraph
- 状态机
- 后端任务编排
你会非常容易理解 ADK 的方向。
Runtime 与 State 是显式的
这是 Google 风格最明显的地方。
ADK 强调：
- 执行是 可追踪的
- 状态是 结构化的
- 行为是 可复现的
而不是：
- 靠上下文长度硬撑
- 靠 prompt 堆记忆
这对长期运行、生产环境 Agent至关重要。
adk-js 在整个 Agent 生态中的位置
一个直观对比：
| 框架 | 工程取向 |
|---|---|
| LangChain | 灵活，偏实验 |
| LangGraph | 强流程，社区驱动 |
| AutoGPT | 概念领先，工程不稳 |
| adk-js | 工程优先，生产导向 |
adk-js 明显不是“最花哨的”，但它是最像“软件基础设施”的 Agent 框架之一。
为什么是 Google？
这个项目来自 Google，这意味着一件事：
Agent 不再是社区实验，而是大型科技公司默认的 AI 应用形态。
Google 押注的不是：
- “更会聊天的模型”
而是：
- “能嵌入真实系统、执行真实任务的 Agent”
adk-js 就是这条路线在 JavaScript 生态中的落地。
GitHub：https://github.com/google/adk-js
油管：https://youtu.be/ptpYhszCIvY