Google ADK: Agent Development Kit con soporte nativo de A2A

Google ADK (Agent Development Kit) es el framework de código abierto de Google para crear sistemas de uno o varios agentes con soporte nativo del protocolo A2A (Agent-to-Agent) y de MCP (Model Context Protocol). Está optimizado para los modelos Gemini y Vertex AI, y se dirige principalmente a equipos cuya base es Google Cloud. En producción, los agentes se ejecutan en Vertex AI, Cloud Run, GKE o en contenedores propios. La estrecha integración con Vertex AI y Gemini es a la vez su fortaleza y su riesgo de lock-in.

• Qué es: el framework de agentes de Google en la capa de SDK de proveedor, estrechamente integrado con Vertex AI y Gemini.
• Fortaleza: soporte nativo de A2A y MCP para que cooperen agentes de distintos fabricantes.
• Cuándo tiene sentido: si ya existe un stack de Google Cloud o Gemini y se necesita interoperabilidad entre agentes mediante A2A.

Posición en el stack de agentes

En un modelo por capas del ecosistema de agentes, Google ADK se sitúa en la capa de SDK de proveedor, donde también se encuentran el OpenAI SDK y el Anthropic SDK. Por encima están las capas de runtime de agentes, de frameworks y de orquestación o plataforma; por debajo, los modelos fundacionales, que en el contexto de Google son sobre todo Google Gemini. Los protocolos abiertos atraviesan estas capas: MCP para la conectividad vertical con herramientas (de agente a herramienta) y A2A para la comunicación horizontal entre agentes. Además existen AGENTS.md como convención de repositorio y AP2 como extensión para pagos realizados por agentes.

En la práctica, esto significa que con ADK defines agentes como unidades componibles formadas por instrucción, herramientas y modelo, orquestas varios de ellos y los expones mediante A2A a otros agentes, incluidos los de stacks ajenos. Como base técnica, ADK utiliza, al igual que muchos otros frameworks y SDK (OpenAI SDK, Anthropic SDK, LangChain, LlamaIndex, CrewAI), Pydantic Validation como sustrato para estructuras de datos con tipado seguro.

Soporte nativo de A2A: el protocolo propio de Google

A2A es la aportación de Google a la interoperabilidad entre agentes. Google presentó el protocolo en abril de 2025 (con unos 50 socios en el lanzamiento) y lo cedió a la Linux Foundation en junio de 2025. Con ello donó la especificación junto con sus herramientas. Tras la versión v0.3 (julio de 2025), que introdujo las Agent Cards firmadas, A2A alcanzó el 12 de marzo de 2026 la versión 1.0 (GA), la primera especificación estable. Con motivo de su primer aniversario, la Linux Foundation informó el 9 de abril de 2026 de más de 150 organizaciones que lo respaldan, más de 22.000 estrellas en GitHub y SDK en cinco lenguajes (Python, JS, Java, Go, .NET).

En ADK, A2A viene integrado directamente como protocolo propio de Google: los agentes pueden cooperar con los de otros fabricantes en lugar de quedarse en un ecosistema cerrado de Google. MCP y A2A son complementarios, no rivales: MCP estandariza el acceso a herramientas (de agente a herramienta) y A2A, la comunicación entre agentes (de agente a agente). ADK cubre ambos ejes de forma nativa.

Arquitectura multiagente y despliegue

ADK permite crear tanto agentes individuales como varios agentes que cooperan. Los patrones habituales (secuencias, ejecución en paralelo y estructuras jerárquicas o de supervisor-worker) pueden modelarse y, mediante A2A, conectarse también más allá de los límites de un stack. Como entorno de ejecución gestionado, Google ofrece Agent Runtime, que hasta abril de 2026 se llamaba Vertex AI Agent Engine. Desde entonces, el propio Vertex AI forma parte de la Gemini Enterprise Agent Platform. Pero los agentes de ADK también se ejecutan en Cloud Run, GKE o en cualquier contenedor propio, ya sea en local con Docker o Podman o en proveedores de alojamiento europeos. ADK está optimizado para Gemini. En Python conectas otros modelos, por ejemplo de OpenAI, de Anthropic o modelos abiertos autoalojados, mediante LiteLLM.

Para cargas de trabajo en Europa, la vía de alojamiento es clave: Gemini a través de Vertex AI puede operarse en regiones de la UE, lo que puede facilitar la residencia de datos en la UE. Sin embargo, como Google es un proveedor estadounidense, el debate sobre la CLOUD Act sigue abierto. Lo mismo ocurre con otros proveedores cloud estadounidenses. En esta vía, el perfil de lock-in con el proveedor es alto (nativo de Google). Si alojas ADK por tu cuenta y conectas otros modelos, reduces notablemente el lock-in, pero pierdes la ventaja de la integración con Vertex AI y Gemini. A2A y MCP se mantienen. La relevancia para la región DACH (Alemania, Austria y Suiza) es media: real, pero menor que en entornos centrados en Microsoft o Salesforce.

Diferencias con LangGraph, CrewAI y otros

La siguiente tabla sitúa Google ADK frente a las alternativas code-first más utilizadas. Datos de 2026; las versiones y el grado de madurez son una instantánea y deben comprobarse antes de empezar un proyecto.

Las diferencias se resumen en tres puntos. LangGraph es el framework de orquestación de bajo nivel para workflows de varios pasos, con estado y de larga duración, con durable execution, checkpointing y una observabilidad madura (LangSmith); se considera el runtime de orquestación de código abierto más extendido en los equipos de ingeniería de la región DACH y es independiente del proveedor. CrewAI destaca por permitir el prototipo multiagente basado en roles más rápido, pero solo funciona con Python y es menos estricto con el estado duradero. Google ADK no obtiene su ventaja de una lógica de grafos más profunda, sino de su integración nativa con Vertex AI, Gemini y el ecosistema de protocolos A2A y MCP. Si no tienes una base en Google Cloud, rara vez ganarás algo con ADK frente a las alternativas independientes del proveedor.

Ejemplo breve: pipeline multiagente con A2A

Supongamos que una agencia crea para un cliente B2B un pipeline de investigación e informes en Google Cloud. La estructura en pseudocódigo:

```text
research_agent = Agent(
model = "gemini", # capa fundacional
tools = [web_search_mcp], # acceso a herramientas vía MCP
instruction = "Investiga el mercado X y resume las fuentes."
)

report_agent = Agent(
model = "gemini",
instruction = "Genera un informe estructurado a partir de los hallazgos."
)

pipeline = SequentialAgent([research_agent, report_agent])

Despliegue: Vertex AI

deploy(pipeline)

Exposición a agentes externos vía A2A (Signed Agent Card)

expose_via_a2a(pipeline)
```

El paso decisivo es la última línea: mediante A2A, el pipeline se vuelve localizable e invocable como peer cooperante para agentes externos (por ejemplo, uno del Microsoft Agent Framework o del stack de CrewAI), sin que la otra parte tenga que conocer código específico de Google. Ese desacoplamiento es precisamente el sentido de la capa de protocolos: la elección del framework pasa a ser secundaria frente a la interoperabilidad.

Para agencias y responsables de decisiones B2B

Para las agencias, Google ADK es relevante cuando los clientes ya están anclados en Google Cloud o han apostado estratégicamente por Gemini. En ese caso, la palanca más rápida no está en los pipelines propietarios, sino en el uso sistemático de A2A y MCP. Así, los prompts, las herramientas y las suites de evaluación siguen siendo independientes del framework y un cambio posterior resulta realista. Para los responsables de decisiones B2B: evalúa ADK según el stack de lenguajes, los requisitos de soberanía y la necesidad de sistemas multiagente, no según las estrellas de GitHub.

Si el objetivo es la independencia del proveedor o una soberanía europea estricta sin nube estadounidense, ADK también puede autoalojarse y usarse con otros modelos. En ese caso se pierde la ventaja de la integración con Vertex AI y Gemini, pero A2A y MCP se mantienen. Suelen ser opciones más sólidas LangGraph autoalojado (por ejemplo, en STACKIT, IONOS u OVHcloud), Pydantic AI autoalojado o n8n (Berlín). Eso sí, la región UE de Logfire, el servicio de observabilidad de Pydantic, funciona en Google Cloud en los Países Bajos. Las indicaciones sobre el RGPD y el Reglamento de IA de la UE son informativas y no sustituyen el asesoramiento jurídico. Blck Alpaca te ayuda con la elección del framework, el diseño de interoperabilidad A2A/MCP y la vía de alojamiento soberano. Contáctanos para una evaluación a fondo.