Google ADK (Agent Development Kit) ist Googles Open-Source-Framework für den Bau von Single- und Multi-Agent-Systemen mit nativer Unterstützung für das A2A-Protokoll (Agent-to-Agent) und MCP (Model Context Protocol). Es ist auf Gemini-Modelle und Vertex AI optimiert und richtet sich primär an Teams mit Google-Cloud-Fundament. Über Vertex AI lassen sich damit gebaute Agenten produktiv betreiben. Diese enge Verzahnung ist Stärke und Lock-in-Risiko zugleich.

• Was es ist: Googles Agent-Framework auf dem Provider-SDK-Layer, eng integriert mit Vertex AI und Gemini.
• Stärke: native A2A- und MCP-Unterstützung für herstellerübergreifende Agent-Kooperation.
• Wann sinnvoll: bestehender Google-Cloud-/Gemini-Stack und Bedarf an Agent-zu-Agent-Interoperabilität über A2A.

Einordnung im Agenten-Stack

In einem geschichteten Modell der Agenten-Landschaft sitzt Google ADK auf dem Provider-SDK-Layer - dort, wo auch das OpenAI SDK und das Anthropic SDK angesiedelt sind. Darüber liegen Agent-Runtime-, Framework- und Orchestrierungs-/Plattform-Layer, darunter die Foundation-Models, im Google-Kontext vor allem Google Gemini. Quer zu diesen Schichten liegen die offenen Protokolle: MCP für die vertikale Tool-Konnektivität (Agent zu Tool) und A2A für die horizontale Agent-zu-Agent-Kommunikation. Daneben existieren AGENTS.md als Repo-Konvention und AP2 als Erweiterung für Agent-Payments.

Praktisch heißt das: Mit ADK definieren Sie Agenten als komponierbare Einheiten aus Instruktion, Tools und Modell, orchestrieren mehrere davon und exponieren sie über A2A für andere Agenten - auch solche aus fremden Stacks. Als technische Grundlage nutzt ADK, wie viele andere Frameworks und SDKs auch (OpenAI SDK, Anthropic SDK, LangChain, LlamaIndex, CrewAI), Pydantic Validation als Substrat für typsichere Datenstrukturen.

Native A2A-Unterstützung - der eigentliche USP

A2A ist Googles Beitrag zur Interoperabilität von Agenten. Das Protokoll wurde von Google im April 2025 vorgestellt (mit rund 50 Partnern zum Start) und im Juni 2025 an die Linux Foundation übergeben. Google spendete dabei die Spezifikation samt Tooling. Über die Versionsstufe v0.3 (Juli 2025) erreichte A2A am 9. April 2026 die Version 1.0 (GA) mit über 150 Trägerorganisationen, mehr als 22.000 GitHub-Stars und fünf SDK-Sprachen (Python, JS, Java, Go, .NET). Die v1.0 brachte unter anderem signierte Agent Cards.

Für ADK ist die native A2A-Unterstützung der entscheidende Differenzierer: Agenten können herstellerübergreifend kooperieren, statt in einem geschlossenen Google-Ökosystem zu verbleiben. MCP und A2A sind dabei komplementär, nicht konkurrierend: MCP standardisiert den Tool-Zugriff (Agent zu Tool), A2A die Kommunikation zwischen Agenten (Agent zu Agent). ADK deckt beide Achsen nativ ab.

Multi-Agent-Aufbau und Deployment

ADK unterstützt den Bau einzelner Agenten ebenso wie mehrerer kooperierender Agenten. Die typischen Muster - sequenzielle Abfolgen, parallele Ausführung und hierarchische bzw. Supervisor-Worker-Strukturen - lassen sich abbilden und über A2A auch über Stack-Grenzen hinweg verschalten. Als Laufzeit- und Deployment-Umgebung dient Vertex AI; dort gebaute und betriebene Agenten greifen auf Gemini als Foundation-Model zurück.

Für DACH-relevante Workloads ist der Hosting-Pfad zentral: Gemini über Vertex AI lässt sich in EU-Regionen betreiben, was EU-Datenresidenz unterstützen kann. Da Google ein US-Vendor ist, bleibt die CLOUD-Act-Diskussion jedoch bestehen - vergleichbar mit der Bewertung anderer US-Cloud-Provider. Das Vendor-Lock-in-Profil ist entsprechend hoch (Google-nativ), die DACH-Relevanz mittel - real, aber geringer als bei Microsoft- oder Salesforce-zentrierten DACH-Estates.

Abgrenzung zu LangGraph, CrewAI und anderen

Die folgende Tabelle ordnet Google ADK gegenüber den meistgenutzten Code-First-Alternativen ein. Stand 2026; Versions- und Reifestände sind Momentaufnahmen und vor Projektbeginn zu prüfen.

Die Unterschiede lassen sich auf drei Punkte verdichten. LangGraph ist das niedrigschichtige Orchestrierungs-Framework für state-volle, langlaufende Multi-Step-Workflows mit durable Execution, Checkpointing und reifer Observability (LangSmith); es gilt als das verbreitetste Open-Source-Orchestrierungs-Runtime in DACH-Engineering-Teams und ist provider-agnostisch. CrewAI punktet beim schnellsten rollenbasierten Multi-Agent-Prototyp, ist aber Python-only und um durable State weniger streng. Google ADK zieht seinen Mehrwert nicht aus tieferer Graph-Logik, sondern aus der nativen Verzahnung mit Vertex AI, Gemini und der A2A-/MCP-Protokollwelt. Wer kein Google-Cloud-Fundament hat, gewinnt mit ADK selten gegenüber den provider-agnostischen Alternativen.

Kurzbeispiel: Multi-Agent-Pipeline mit A2A

Angenommen, eine Agentur baut für einen B2B-Kunden eine Research-und-Report-Pipeline auf Google Cloud. Der Aufbau in Pseudocode:

```text
research_agent = Agent(
model = "gemini", # Foundation-Layer
tools = [web_search_mcp], # Tool-Zugriff via MCP
instruction = "Recherchiere Markt X, fasse Quellen zusammen."
)

report_agent = Agent(
model = "gemini",
instruction = "Erzeuge einen strukturierten Report aus den Findings."
)

pipeline = SequentialAgent([research_agent, report_agent])

Deployment: Vertex AI

deploy(pipeline)

Exponierung fuer Fremd-Agenten via A2A (Signed Agent Card)

expose_via_a2a(pipeline)
```

Der entscheidende Schritt ist die letzte Zeile: Über A2A wird die Pipeline für externe Agenten - etwa einen aus dem Microsoft Agent Framework oder dem CrewAI-Stack - als kooperierender Peer auffindbar und aufrufbar, ohne dass diese Gegenseite Google-spezifischen Code kennen muss. Genau diese Entkopplung ist der Sinn des Protokoll-Layers: Die Framework-Wahl wird gegenüber der Interoperabilität sekundär.

Für Agenturen und B2B-Entscheider

Für Agenturen ist Google ADK relevant, wenn Kunden bereits in Google Cloud verankert sind oder Gemini strategisch gesetzt ist. Der schnellste Hebel liegt dann nicht in proprietären Pipelines, sondern in der konsequenten Nutzung von A2A und MCP - so bleiben Prompts, Tools und Eval-Suiten framework-agnostisch und ein späterer Wechsel realistisch. Für B2B-Entscheider gilt: Bewerten Sie ADK entlang von Sprach-Stack, Souveränitätsanforderung und Multi-Agent-Bedarf, nicht entlang von GitHub-Stars. Ist Provider-Agnostik oder strikte DACH-Souveränität ohne US-Vendor das Ziel, sind LangGraph self-hosted (etwa auf STACKIT, IONOS oder OVHcloud), Pydantic AI mit Logfire EU-Region oder n8n (Berlin) meist die tragfähigere Wahl. Die Hinweise zu DSGVO und EU AI Act sind informativ und ersetzen keine Rechtsberatung. Blck Alpaca unterstützt bei der Framework-Auswahl, dem A2A-/MCP-Interop-Design und dem souveränen Hosting-Pfad - sprechen Sie uns für eine fundierte Evaluierung an.