Showing Posts From

Data engineering

Google ADK: o toolkit open-source para multi-agentes que chegou a 8.200 stars em duas semanas

O repositório google/adk-python cruzou 8.200 stars no GitHub em menos de duas semanas desde o lançamento. Para um framework de agentes — um mercado com mais de 40 opções — isso é tração real. O Agent Development Kit (ADK) do Google é um toolkit code-first para construir, avaliar e deployar sistemas multi-agentes. Funciona com Gemini, mas é model-agnostic. Roda em Python, TypeScript, Go e Java. E tem uma premissa que diferencia: tratar desenvolvimento de agentes como engenharia de software, não como experimentação de prompts. Já testei. Aqui está o que vale e o que não vale. O que o ADK faz diferente A maioria dos frameworks de agentes — LangGraph, CrewAI, OpenAI Agents SDK — parte de uma premissa de orquestração de LLMs. O ADK parte de uma premissa de engenharia: agentes são código, não configurações. Você define lógica, ferramentas e orquestração em Python puro, com tipagem, testes unitários e versionamento no Git. Na prática, isso significa que um sistema multi-agentes no ADK se parece com uma aplicação Python normal. Não com um DAG de prompts. Isso é uma vantagem enorme para quem precisa colocar agentes em produção com CI/CD, observabilidade e rollback. A arquitetura suporta:Hierarquias de agentes: um agente supervisor delega para agentes especializados Tool confirmation (HITL): confirmação humana antes de executar ações críticas Agent Config: para quem quer agentes sem código (mas o code-first é o caminho) Deploy em Cloud Run ou Vertex AI Agent Engine: containeriza e escalaHands-on: montando um sistema de 3 agentes Instalei via pip e montei um sistema simples: um agente supervisor que recebe uma task de análise de dados e delega para dois agentes especializados — um que consulta uma API e outro que gera um relatório. pip install google-adkO setup é direto. Cada agente é uma classe Python com métodos para tools e lógica de decisão. O supervisor usa o protocolo de delegação do ADK para rotear tasks. O ponto forte: o framework gerencia estado, memória de conversação e fallback entre agentes automaticamente. O ponto fraco: a documentação assume que você vai usar Gemini. Quando troquei para Claude via API, precisei adaptar o handler de mensagens manualmente — o ADK expõe uma interface de LLM, mas os exemplos e defaults são todos Gemini. Funciona, mas exige trabalho extra. Comparação direta: ADK vs LangGraph vs CrewAIFeature Google ADK LangGraph CrewAIParadigma Code-first Graph-first Role-firstLinguagens Python, TS, Go, Java Python, JS PythonModel lock-in Otimizado Gemini, suporta outros Agnóstico AgnósticoMulti-agente Hierarquia nativa Graphs compostos Crews com rolesHITL Built-in Custom CustomDeploy managed Cloud Run, Vertex AI LangSmith CrewAI PlatformStars (abril 2026) 8.200+ 18.000+ 24.000+Maturidade 2 semanas 1+ ano 1+ anoO ADK é mais jovem, mas a engenharia é sólida. O code-first approach vai agradar quem vem de engenharia de software. O LangGraph continua sendo a escolha para quem quer máxima flexibilidade com graphs compostos. O CrewAI é o mais acessível para protótipos rápidos. O que falta Três gaps que identifiquei:Observabilidade: o ADK tem logging básico, mas não tem integração nativa com ferramentas de tracing como Langfuse ou Arize. Para produção, você vai precisar instrumentar manualmente.Suporte multi-model real: embora seja "model-agnostic", a experiência com modelos não-Gemini é claramente inferior. Não é um bloqueio, mas é friction que não deveria existir em um framework que se posiciona como aberto.Avaliação de agentes: o ADK promete ferramentas de avaliação, mas na versão atual elas são limitadas a métricas básicas. Para quem precisa avaliar multi-step reasoning ou tool use accuracy, vai precisar complementar com frameworks externos.Para quem é Se você é engenheiro de software que precisa construir sistemas multi-agentes para produção, o ADK merece atenção. A abordagem code-first, o suporte a múltiplas linguagens e a integração com Cloud Run/Vertex são diferenciais reais. Mas se você já tem um stack montado com LangGraph ou CrewAI e está feliz, não há urgência para migrar. Para quem está começando do zero: o ADK é uma boa aposta se o seu stack de infra é Google Cloud. Se não é, LangGraph oferece mais flexibilidade com menos friction. O repo: google/adk-python. A documentação: google.github.io/adk-docs. O release mais recente foi em 13 de abril de 2026. O ritmo de releases é quinzenal. Vale acompanhar. E vale testar antes de se comprometer.