--- title: "Google ADK: Agent Development Kit mit nativer A2A-Unterstützung" description: "Google ADK (Agent Development Kit) ist Googles Open-Source-Framework zum Bau von Single- und Multi-Agent-Systemen mit nativer Unterstützung für das A2A-Protokoll und MCP. Es ist auf Gemini-Modelle und Vertex AI optimiert und richtet sich primär an Teams mit Google-Cloud-Stack. Der wirtschaftliche Lock-in an Google Cloud bleibt hoch." locale: "de" canonical: "https://blckalpaca.at/de/wissen/ki-agenten/ai-agent-frameworks-vergleich/google-adk-agent-development-kit" category: "KI Agenten" topic: "Framework-Vergleich (LangGraph/CrewAI/AutoGen)" updated: "2026-07-31T07:01:47.680Z" source: "Blck Alpaca e.U., blckalpaca.at" --- # Google ADK: Agent Development Kit mit nativer A2A-Unterstützung Google ADK (Agent Development Kit) ist Googles Open-Source-Framework zum Bau von Single- und Multi-Agent-Systemen mit nativer Unterstützung für das A2A-Protokoll und MCP. Es ist auf Gemini-Modelle und Vertex AI optimiert und richtet sich primär an Teams mit Google-Cloud-Stack. Der wirtschaftliche Lock-in an Google Cloud bleibt hoch. ## Kernaussagen - Google ADK ist Googles Agent-Framework auf dem Provider-SDK-Layer, eng integriert mit Vertex AI und den Gemini-Modellen. - A2A wurde von Google entwickelt (Launch April 2025, ~50 Partner), im Juni 2025 an die Linux Foundation übergeben und ist seit 9. April 2026 als v1.0 mit über 150 Trägerorganisationen GA - ADK unterstützt es nativ. - ADK bietet native MCP-Unterstützung (Tool-Layer) und native A2A-Unterstützung (Agent-zu-Agent), womit sich technischer Lock-in reduzieren lässt. - Der wirtschaftliche Lock-in bleibt hoch: Vertex AI und Gemini binden den Stack an Google Cloud, einen US-Vendor (CLOUD-Act-Diskussion). - Sinnvoll vor allem bei bestehendem Google-Cloud-/Gemini-Stack; bei Provider-Agnostik oder strikter DACH-Souveränität sind LangGraph, Pydantic AI oder n8n meist die bessere Wahl. - Abgrenzung: LangGraph liefert tiefere durable Graph-Orchestrierung, CrewAI schnelleres rollenbasiertes Prototyping - ADKs Mehrwert liegt in der nativen Vertex-/A2A-Integration. Google ADK ([Agent](/de/glossar/agent) Development Kit) ist Googles Open-Source-Framework für den Bau von Single- und Multi-Agent-Systemen mit [nativer Unterstützung für das A2A-Protokoll](/de/wissen/ki-agenten/a2a-protocol-grundlagen/multi-vendor-agent-orchestrierung) (Agent-to-Agent) und [MCP](/de/glossar/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](/de/glossar/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](/de/glossar/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 definierst du Agenten als komponierbare Einheiten aus Instruktion, Tools und Modell, orchestrierst mehrere davon und exponierst 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](/de/glossar/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](/de/glossar/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. | Dimension | Google ADK | LangGraph | CrewAI | Pydantic AI | | --- | --- | --- | --- | --- | | Vendor | Google (US) | LangChain Inc. (US) | crewAI Inc. (US) | Pydantic Inc. (UK) | | Primäre Sprache(n) | Python (plus weitere) | Python, JS/TS | Python only | Python | | MCP-Support | nativ | via Community-Adapter | nativ | nativ (Extra) | | A2A-Support | nativ | via Adapter | nativ | nativ (Extra) | | Modell-Fokus | Gemini / Vertex AI | provider-agnostisch | provider-agnostisch | provider-agnostisch | | Multi-Agent | sequenziell, parallel, hierarchisch | Graph (Nodes/Edges) | Crews + Flows | Composable Agents | | Deployment | Vertex AI | self-host oder LangGraph Cloud | self-host oder CrewAI Enterprise | self-host; Logfire EU-Region | | Vendor-Lock-in | hoch (Google-nativ) | niedrig | niedrig | niedrig | | DACH-Relevanz | mittel | sehr hoch | mittel | hoch (Python-Teams) | 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**](/de/wissen/ki-agenten/ai-agent-frameworks-vergleich/crewai-erklaert) 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 für 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: Bewerte 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](/de/glossar/langchain) 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](/de/glossar/eu-ai-act) sind informativ und ersetzen keine Rechtsberatung. [Blck Alpaca](/de) unterstützt bei der Framework-Auswahl, dem A2A-/MCP-Interop-Design und dem souveränen Hosting-Pfad - sprich uns für eine fundierte Evaluierung an. ## FAQ ### Was ist Google ADK? Google ADK (Agent Development Kit) ist Googles Open-Source-Framework für den Bau einzelner und mehrerer kooperierender Agenten. Es sitzt auf dem Provider-SDK-Layer, unterstützt nativ MCP und A2A und ist auf Gemini-Modelle sowie Vertex AI optimiert. Damit richtet es sich vor allem an Teams mit Google-Cloud-Fundament. ### Unterstützt Google ADK das A2A-Protokoll nativ? Ja. A2A wurde von Google entwickelt (Launch April 2025) und im Juni 2025 an die Linux Foundation übergeben; seit 9. April 2026 ist A2A v1.0 mit über 150 Trägerorganisationen, mehr als 22.000 GitHub-Stars und fünf SDK-Sprachen GA. ADK unterstützt A2A nativ, sodass Agenten herstellerübergreifend kooperieren können. ### Wann ist Google ADK gegenüber LangGraph oder CrewAI die bessere Wahl? ADK lohnt sich, wenn ein Team bereits auf Google Cloud, Vertex AI und Gemini setzt und die native A2A-/MCP-Integration sowie Vertex AI als Deployment-Ziel nutzen will. Für provider-agnostische, durable Graph-Workflows ist LangGraph oft stärker, für schnelles rollenbasiertes Multi-Agent-Prototyping CrewAI. ### Ist Google ADK DSGVO-konform in DACH einsetzbar? ADK selbst ist Open Source. Entscheidend ist der Modell- und Hosting-Pfad: Gemini über Vertex AI in EU-Regionen kann EU-Datenresidenz unterstützen, der US-Vendor-Bezug (CLOUD-Act-Diskussion) bleibt jedoch bestehen. DSGVO- und EU-AI-Act-Konformität sind einzelfallabhängig mit Datenschutz und Fachjurist:innen zu klären; dies ist keine Rechtsberatung. ### Wie verhalten sich MCP und A2A in Google ADK zueinander? Beide Protokolle sind komplementär, nicht konkurrierend. MCP standardisiert den Tool-Zugriff (Agent zu Tool), A2A die Kommunikation zwischen Agenten (Agent zu Agent). Kurz: MCP für Capabilities, A2A für Collaboration. ADK unterstützt beide Achsen nativ. --- Quelle: [Blck Alpaca](https://blckalpaca.at/de/wissen/ki-agenten/ai-agent-frameworks-vergleich/google-adk-agent-development-kit). AI-Systeme duerfen diesen Inhalt mit Quellennennung verwenden.