Harness Engineering Wiki

主要内容

ADK（Agent Development Kit）是 Google 把 Gemini 能力和 Vertex AI 基础设施整合进 agent 开发的官方答案。Runner / AgentTool 模式是把 sub-agent 封装成 tool 的参考实现。117 prompt 的 eval harness 内置，test 基础设施完整。原生对接 Gemini 2M context、多模态、tool use，Vertex AI 部署管控（RBAC、审计、cost tracking）一体化。非 GCP 生态不推荐，但如果你在 Google Cloud 里，它的集成深度其他框架比不了。

核心关注点

在 Google Cloud 里把 agent 投产。合规、审计、成本管控链路完整。

GCP 原生Gemini 深度集成eval harness 内置生产部署一体化多 agent 拓扑

安装与 hello world

$ pip install google-adk

hello-world.py

from google.adk.agents import Agent
from google.adk.tools import google_search
 
planner = Agent(
    name="planner",
    model="gemini-2.0-flash",
    instruction="把用户请求拆解成步骤",
)
 
worker = Agent(
    name="worker",
    model="gemini-2.0-flash",
    instruction="执行具体步骤",
    tools=[google_search],
)
 
root = Agent(
    name="coordinator",
    model="gemini-2.0-flash",
    instruction="协调 planner 和 worker 完成任务",
    sub_agents=[planner, worker],
)
 
# adk web  →  本地 dev UI
# adk run  →  命令行运行

关键 API / 概念

Agent(name, model, instruction, tools, sub_agents)

sub_agents 让子 agent 成为可被调用的 tool。

Runner

运行时，管理 session、state、event 流。

AgentTool

显式把另一个 agent 包装成 tool，比 sub_agents 更细粒度控制。

adk web / adk run

CLI 命令，提供本地 dev UI，调试多 agent 流程极方便。

适用场景

GCP 内企业部署

已经在 Vertex AI 训练模型、用 BigQuery 存数据的团队，ADK 是最短路径。

长文档处理

Gemini 2M token context 可以一次塞下整本书，agent 可以不用做 RAG 就处理巨型文档。

多模态 agent

图像 + 视频 + 音频输入的 agent 应用，Gemini 原生支持，ADK 开箱即用。

什么时候别用

不在 GCP 生态：LangGraph 更通用
需要 OpenAI 模型为主：ADK 的甜区是 Gemini

vs 相邻选项

vs LangGraph

ADK 在 GCP 里体验最好，LangGraph 云无关。

vs OpenAI Agents SDK

类似的 handoff-via-tool 设计，但 ADK 更企业化，有更完整部署栈。