关于

Agentic ADK 是阿里巴巴国际 AI 业务推出的一款基于 Google-ADK 和 Ali-LangEngine 的 Agent 应用开发框架。

中文版说明

Agentic ADK

Agentic ADK 是阿里巴巴国际 AI 业务推出的一款基于 Google-ADK 和 Ali-LangEngine 的 Agent 应用开发框架。它用于开发、构建、评估和部署功能强大、灵活可控的复杂 AI Agent。ADK 致力于让 Agent 开发更加简单易用，使开发者能够更轻松地构建、部署和编排从简单任务到复杂协作的各种 Agent 应用程序。

功能概览

• 基于 Google ADK 接口，强化了流式交互和可视化调试工具等核心执行路径，使开发者能够高效开发 Agent 应用。
• 与阿里巴巴国际多模态大语言模型 Ovis 无缝集成，实现视觉与文本信息的深度对齐与融合。该模型具有高性能和轻量化的特点，为高效开发和部署多模态 Agent 提供以下优势：
  • 卓越的逻辑推理能力：通过指令微调和偏好学习相结合，显著提升了模型的思维链（CoT）推理能力，使其能够更好地理解并执行复杂指令。
  • 精准的跨语言理解和识别：除了中英文之外，该模型在多语言环境下的文本识别（OCR）能力得到提升，并优化了从表格、图表等复杂视觉元素中提取结构化数据的准确性。
• 灵活的 多 Agent 框架，支持同步、异步、流式和并行等多种执行模式，并自然集成 A2A 协议。
• 结合 Agent 的高性能工作流引擎，基于阿里巴巴 SmartEngine 工作流引擎构建，采用 RxJava3 实现响应式编程模型。它使用基于节点的流程系统来定义 Agent 行为，支持同步、异步及双向通信模式，为构建复杂 AI 应用提供了灵活的基础。
• 提供数百个 API 工具，并引入 MCP 集成网关。
• 包含 DeepResearch/RAG、ComputerUse、BrowserUse、Sandbox 等 Agentic AI 的最佳实践。
• 实现 Agent 对话的上下文扩展，包括 Session、Memory、Artifact 等，并内置短期和长期记忆插件。
• 提供提示词自动化调优以及与安全风险控制相关的 Agent 示例。

框架设计

基于 Google ADK 接口的设计

Agentic ADK 继承了 google-adk 的优秀设计，并支持以下关键特性：

LLM

丰富的大型模型选择。原生兼容 OpenAI、百炼/Qwen、OpenRouter、Claude 等模型/供应商的使用。

组件抽象	描述
LangEngine	该组件支持 LangEngine 生态下所有兼容的第三方 Model/WorkSpace 集成到 Agent 系统中，包括 OpenAI、百炼/Qwen、Idealab、OpenRouter 等。
DashScopeLlm	支持与阿里云百炼上的 OpenAPI 接口集成

Agent

高度抽象的 Agent 定义和灵活的 Agent 编排。框架内置了 LLM、顺序、并行、循环等 Agent 定义；支持单 Agent 和多 Agent（MAS）架构设计，便于扩展您的 Agent 设计模式和架构。

组件抽象	描述
LlmAgent	ADK 中的核心组件，充当应用程序的“思考”部分。它利用大型语言模型（LLM）的强大功能进行推理、理解自然语言、做出决策、生成响应以及与工具交互。
SequentialAgent	一种按列表中指定顺序执行其子 Agent 的 WorkflowAgent。
LoopAgent	一种以循环（即迭代）方式执行其子 Agent 的 WorkflowAgent。它会重复运行一组 Agent，直到达到指定的迭代次数或满足终止条件。
ParallelAgent	一种可以并发执行其子 Agent 的 WorkflowAgent，在子任务可以独立执行时，能够显著加快整个工作流的速度。
其他高级概念	CustomAgents: 通过继承 google.adk.agents.BaseAgent，可以实现自定义 Agent 处理流程。 Multi-Agent Systems: 可以将多个不同的 Agent 实例组合成一个多智能体系统（MAS），从而支持构建更复杂的应用程序

工具

丰富的工具集合。轻松集成 Function/MCP 以及任何第三方工具。

组件抽象	描述
Function Tool	FunctionTool: 将函数作为工具，任何方法都可以转换为 Agent 可调用的 Tool。 LongRunningFunctionTool: 专为需要较长时间处理且不会阻塞 Agent 执行的任务设计。 AgentTool: 通过将其他 Agent 编排为工具，可以充分利用它们在系统中的能力。该工具允许当前 Agent 调用另一个 Agent 来执行特定任务，从而有效委派职责。
DashScopeTool	与阿里云百炼工具应用的集成
MCPTool	ADK 内置的 MCP 工具
GoogleSearchTool	ADK 内置的 Google 搜索工具
GUITaskExecuteTool	ADK 内置的 GUI 任务执行工具

回调

灵活的回调机制。在 Agent 执行过程中的多个时间节点提供钩子，便于在 LLM/工具/Agent 调用前后实现自定义逻辑。

参考：https://google.github.io/adk-docs/callbacks

最佳实践：https://google.github.io/adk-docs/callbacks/design-patterns-and-best-practices/

调试与评估

开箱即用的调试和评估能力。无论是在本地还是远程，都提供白屏调试页面，方便快速调试 Agent。

高性能动态工作流引擎集成

基于阿里巴巴的SmartEngine工作流引擎构建，采用RxJava3实现响应式编程模式，使用基于节点的流程系统定义智能体行为，并支持同步、异步及双向通信模式，为构建复杂的人工智能应用提供了灵活的基础。

┌─────────────────────────────────────────────────────────────────────┐
│                          用户应用层                             │
├─────────────────────────────────────────────────────────────────────┤
│                       运行器（执行入口）                         │
├─────────────────────────────────────────────────────────────────────┤
│                    管道处理层                                   │
│   ┌─────────────┐  ┌────────────────┐  ┌─────────────────────────┐  │
│   │ 智能体      │  │  ...           │  │ 自定义处理              │  │
│   │ 执行        │  │                │  │ 管道处理                │  │
│   │   管道      │  │                │  │                         │  │
│   └─────────────┘  └────────────────┘  └─────────────────────────┘  │
├─────────────────────────────────────────────────────────────────────┤
│                    流程引擎层                                 │
│   ┌─────────────┐  ┌────────────────┐  ┌─────────────────────────┐  │
│   │ 流程画布    │  │                │  │                         │  │
│   │ (流程       │  │    流程节点    │  │  委托执行器             │  │
│   │ 容器)       │  │                │  │                         │  │
│   └─────────────┘  └────────────────┘  └─────────────────────────┘  │
├─────────────────────────────────────────────────────────────────────┤
│                    AI能力抽象层                               │
│   ┌─────────────┐  ┌────────────────┐  ┌─────────────────────────┐  │
│   │ 基础Llm     │  │    基础工具    │  │        基础条件        │  │
│   │ (LLM模型)   │  │   (工具集)     │  │  (条件判断)            │  │
│   └─────────────┘  └────────────────┘  └─────────────────────────┘  │
├─────────────────────────────────────────────────────────────────────┤
│                    基础设施层                                 │
│   ┌─────────────┐  ┌────────────────┐  ┌─────────────────────────┐  │
│   │ SmartEngine │  │   RxJava3      │  │  Spring框架           │  │
│   │ (工作流   │  │ (响应式      │  │  (依赖注入              │  │
│   │ 引擎)       │  │ 编程          │  │  框架)                 │  │
│   │             │  │ 框架)         │  │                         │  │
│   └─────────────┘  └────────────────┘  └─────────────────────────┘  │
└─────────────────────────────────────────────────────────────────────┘

核心组件

流程引擎组件

• FlowCanvas：流程定义的主要容器，用于构建和部署工作流。
• FlowNode：所有流程节点的基类，定义节点的基本行为。
• 节点类型：
  • LlmFlowNode：用于与大型语言模型交互。
  • ToolFlowNode：用于执行外部工具。
  • ConditionalContainer：用于条件分支。
  • ParallelFlowNode：用于并行执行。
  • ReferenceFlowNode：用于引用其他流程。

执行组件

• Runner：流程执行的主要入口。
• DelegationExecutor：负责处理委托任务的执行。
• SystemContext：包含执行上下文和配置信息。
• Request/Result：请求和响应的数据结构。

AI能力组件

• BasicLlm接口及其实现（如DashScopeLlm）：定义并实现与大型语言模型的交互。
• LlmRequest/LlmResponse：大型语言模型交互的数据结构。
• BaseTool接口及其实现（如DashScopeTools）：定义并实现外部工具调用。

管道系统

• PipeInterface：管道组件的接口。
• AgentExecutePipe：执行管道的主要实现。
• PipelineUtil：用于管道执行的工具类。

执行模式

该框架支持三种执行模式：

1. SYNC（同步模式）：顺序执行，等待每个节点完成后再执行下一个。
2. ASYNC（异步模式）：异步执行，可并行处理多个任务。
3. BIDI（双向模式）：支持双向通信，可动态接收输入。

使用指南与示例

详细使用指南（Java）

DeepSearchAgent代码示例（Java）

许可证

本项目采用Apache许可证2.0版授权（https://www.apache.org/licenses/LICENSE-2.0.txt，SPDX许可证标识符：Apache-2.0）。

Agentic-ADK 快速上手指南

Agentic-ADK 是由阿里巴巴国际 AI 业务推出的智能体（Agent）应用开发框架。它基于 Google-ADK 和阿里 LangEngine 构建，旨在简化复杂 AI Agent 的开发、编排、评估与部署，并深度集成了阿里通义千问（Qwen）及多模态大模型 Ovis。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统：Linux, macOS 或 Windows (WSL2 推荐)
• Java 版本：JDK 17 或更高版本 (基于 OpenJDK)
• 构建工具：Maven 3.8+ 或 Gradle 8+
• 依赖管理：建议配置阿里云 Maven 镜像以加速依赖下载

配置阿里云 Maven 镜像 (~/.m2/settings.xml)：

<mirrors>
  <mirror>
    <id>aliyunmaven</id>
    <mirrorOf>*</mirrorOf>
    <name>Aliyun Public</name>
    <url>https://maven.aliyun.com/repository/public</url>
  </mirror>
</mirrors>

安装步骤

您可以通过克隆仓库并构建项目来使用 Agentic-ADK。

1. 克隆项目仓库

   git clone https://github.com/AIDC-AI/Agentic-ADK.git
   cd Agentic-ADK
   

2. 构建项目 使用 Maven 进行编译和打包（跳过测试可加 -DskipTests）：

   mvn clean install -DskipTests
   

3. 配置 API Key 在使用前，需配置大模型服务提供商的 API Key（如阿里云 DashScope 或 OpenAI）。可以通过环境变量或配置文件设置：

   export DASHSCOPE_API_KEY="your_dashscope_api_key"
   # 或者
   export OPENAI_API_KEY="your_openai_api_key"
   

基本使用

Agentic-ADK 兼容 Google ADK 接口，支持快速定义 LLM Agent、工具（Tools）及工作流。以下是一个最简单的单 Agent 对话示例。

1. 创建简单的 LLM Agent

创建一个 Java 类，定义一个具备基础对话能力的 Agent：

import com.google.adk.agents.LlmAgent;
import com.google.adk.models.BaseLlm;
import com.google.adk.runners.Runner;
import com.google.adk.sessions.InMemorySessionService;
import com.google.adk.events.Event;
import reactor.core.publisher.Flux;

public class QuickStart {
    public static void main(String[] args) {
        // 1. 定义底层大模型 (此处以阿里云百炼/Qwen 为例)
        // 需确保已引入 langengine-dashscope 依赖并配置好 API Key
        BaseLlm llm = new DashScopeLlm.Builder()
                .modelName("qwen-max") 
                .build();

        // 2. 构建 LlmAgent
        LlmAgent agent = new LlmAgent.Builder()
                .name("assistant")
                .model(llm)
                .instruction("你是一个乐于助人的 AI 助手，请用中文回答用户问题。")
                .build();

        // 3. 初始化运行器
        Runner runner = new Runner.Builder()
                .agent(agent)
                .sessionService(new InMemorySessionService())
                .build();

        // 4. 执行流式对话
        String sessionId = "session_001";
        String userId = "user_001";
        String userQuery = "介绍一下 Agentic-ADK 的主要特点。";

        System.out.println("User: " + userQuery);
        
        // 获取流式响应
        Flux<Event> events = runner.runAsync(userId, sessionId, userQuery);
        
        events.subscribe(event -> {
            if (event.isFinalResponse()) {
                System.out.println("Agent: " + event.getFinalResponse().getContent());
            }
        });
    }
}

2. 集成工具 (Function Tool)

让 Agent 具备调用本地方法的能力：

import com.google.adk.tools.FunctionTool;

// 定义一个普通方法
public static String getWeather(String city) {
    return "目前 " + city + " 的天气是晴朗，气温 25 度。";
}

// 将方法注册为工具
FunctionTool weatherTool = FunctionTool.create(QuickStart::getWeather);

// 绑定到 Agent
LlmAgent agentWithTools = new LlmAgent.Builder()
        .name("weather_bot")
        .model(llm)
        .instruction("你是一个天气查询助手。")
        .tools(List.of(weatherTool)) // 添加工具
        .build();

3. 启动调试界面

Agentic-ADK 提供了开箱即用的可视化调试页面。运行包含 Runner 的应用后，通常可通过访问本地端口（具体端口视配置而定，默认常为 http://localhost:8080 或在控制台输出地址）来查看 Agent 的执行轨迹、日志及进行交互式调试。

---

注：更多高级用法（如多 Agent 编排、工作流引擎集成、RAG 实践等）请参考官方文档及示例代码库。