--- title: "Google ADK: Agent Development Kit con soporte nativo de A2A" description: "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 y de MCP." locale: "es" canonical: "https://blckalpaca.at/es/base-de-conocimiento/agentes-de-ia/frameworks-de-agentes-de-ia-comparativa-langgraphcrewaiautogen/google-adk-agent-development-kit-con-soporte-nativo-de-a2a" category: "Agentes de IA" topic: "Frameworks de agentes de IA: comparativa (LangGraph/CrewAI/AutoGen)" updated: "2026-10-28T13:10:46.699Z" source: "Blck Alpaca e.U., blckalpaca.at" --- # 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 y de MCP. Está optimizado para los modelos Gemini y Vertex AI, y se dirige sobre todo a equipos que trabajan con Google Cloud. La dependencia de Google Cloud (lock-in) es alta si los agentes se ejecutan en Vertex AI con Gemini, y baja si se autoalojan con otros modelos. ## De un vistazo - Google ADK es el framework de agentes de Google en la capa de SDK de proveedor, estrechamente integrado con Vertex AI y los modelos Gemini. - A2A fue desarrollado por Google (lanzamiento en abril de 2025, unos 50 socios), cedido a la Linux Foundation en junio de 2025 y disponible como versión GA v1.0 desde marzo de 2026. En abril de 2026, la Linux Foundation informó de más de 150 organizaciones que lo respaldan. ADK es compatible con A2A de forma nativa. - ADK ofrece soporte nativo de MCP (capa de herramientas) y de A2A (de agente a agente), lo que permite reducir el lock-in técnico. - El lock-in económico depende de la vía de operación: con Vertex AI y Gemini, el stack queda ligado a Google Cloud, un proveedor estadounidense (debate sobre la CLOUD Act). Con autoalojamiento y otros modelos (en Python mediante LiteLLM), es bajo. - Tiene sentido sobre todo si ya existe un stack de Google Cloud o Gemini. Sin ese stack, ADK puede autoalojarse y usarse con otros modelos, pero entonces pierde la mayor parte de su ventaja de integración frente a LangGraph, Pydantic AI o n8n. - Diferencias: LangGraph ofrece una orquestación de grafos duradera y más profunda; CrewAI, un prototipado basado en roles más rápido. La fortaleza de ADK está en su integración nativa con Vertex y 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](https://blckalpaca.at/es/base-de-conocimiento/agentes-de-ia/protocolo-agent-to-agent-a2a/orquestacion-multiagente-multiproveedor-coordinar-agentes-entre-frameworks) (Agent-to-Agent) y de [MCP](https://blckalpaca.at/es/glosario/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](https://blckalpaca.at/es/glosario/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](https://blckalpaca.at/es/glosario/orquestacion) 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](https://blckalpaca.at/es/glosario/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](https://blckalpaca.at/es/glosario/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](https://github.com/a2aproject/A2A/releases/tag/v0.3.0), A2A alcanzó el [**12 de marzo de 2026 la versión 1.0 (GA)**](https://github.com/a2aproject/A2A/releases/tag/v1.0.0), la primera especificación estable. Con motivo de su primer aniversario, la [Linux Foundation informó el 9 de abril de 2026](https://www.linuxfoundation.org/press/a2a-protocol-surpasses-150-organizations-lands-in-major-cloud-platforms-and-sees-enterprise-production-use-in-first-year) 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](https://docs.cloud.google.com/gemini-enterprise-agent-platform/release-notes). Pero los agentes de ADK también se ejecutan [en Cloud Run, GKE o en cualquier contenedor propio](https://adk.dev/deploy/), 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](https://blckalpaca.at/es/glosario/openai), de Anthropic o modelos abiertos autoalojados, [mediante LiteLLM](https://adk.dev/agents/models/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. | Dimensión | Google ADK | LangGraph | CrewAI | Pydantic AI | | --- | --- | --- | --- | --- | | Proveedor | Google (EE. UU.) | LangChain Inc. (EE. UU.) | crewAI Inc. (EE. UU.) | Pydantic Inc. (Reino Unido) | | Lenguajes principales | Python (y otros) | Python, JS/TS | solo Python | Python | | Soporte de MCP | nativo | [adaptador oficial de LangChain](https://docs.langchain.com/oss/python/langchain/mcp) | nativo | nativo (extra) | | Soporte de A2A | nativo | [endpoint A2A en Agent Server](https://docs.langchain.com/langsmith/server-a2a) | nativo | nativo (extra) | | Enfoque de modelos | Gemini (se pueden conectar otros, p. ej., mediante LiteLLM en Python) | independiente del proveedor | independiente del proveedor | independiente del proveedor | | Multiagente | secuencial, paralelo, jerárquico | Grafo (nodos/aristas) | Crews + Flows | agentes componibles | | Despliegue | Agent Runtime (antes Vertex AI Agent Engine), Cloud Run, GKE o autoalojado | autoalojado o [LangSmith Deployment](https://www.langchain.com/blog/langgraph-platform-ga) (antes LangGraph Platform) | autoalojado o CrewAI Enterprise | autoalojado; Logfire con región UE | | Lock-in de proveedor | alto con Vertex AI y Gemini, bajo si se autoaloja con otros modelos | bajo | bajo | bajo | | Relevancia en DACH | media | muy alta | media | alta (equipos Python) | 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**](https://blckalpaca.at/es/base-de-conocimiento/agentes-de-ia/frameworks-de-agentes-de-ia-comparativa-langgraphcrewaiautogen/crewai-vision-general-de-las-crews-multiagente-basadas-en-roles) 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](https://blckalpaca.at/es/glosario/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](https://blckalpaca.at/es/base-de-conocimiento/agentes-de-ia/frameworks-de-agentes-de-ia-comparativa-langgraphcrewaiautogen/langgraph-agentes-con-estado-como-grafo-dirigido) autoalojado (por ejemplo, en STACKIT, IONOS u OVHcloud), Pydantic AI autoalojado o [n8n](https://blckalpaca.at/es/glosario/n8n) (Berlín). Eso sí, la región UE de Logfire, el servicio de observabilidad de Pydantic, funciona [en Google Cloud en los Países Bajos](https://pydantic.dev/docs/logfire/manage/data-regions/). Las indicaciones sobre el [RGPD](https://blckalpaca.at/es/glosario/rgpd) y el Reglamento de [IA](https://blckalpaca.at/es/glosario/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. ## Preguntas frecuentes ### ¿Qué es Google ADK? Google ADK (Agent Development Kit) es el framework de código abierto de Google para crear agentes individuales o varios agentes que cooperan entre sí. Se sitúa en la capa de SDK de proveedor, es compatible de forma nativa con MCP y A2A y está optimizado para los modelos Gemini y Vertex AI. Por eso se dirige sobre todo a equipos cuya base es Google Cloud. ### ¿Google ADK admite el protocolo A2A de forma nativa? Sí. A2A fue desarrollado por Google (lanzamiento en abril de 2025) y cedido a la Linux Foundation en junio de 2025; desde marzo de 2026, A2A v1.0 está en GA. En abril de 2026, la Linux Foundation informó de más de 150 organizaciones que lo respaldan, más de 22.000 estrellas en GitHub y SDK en cinco lenguajes. ADK es compatible con A2A de forma nativa, de modo que agentes de distintos fabricantes pueden cooperar entre sí. ### ¿Cuándo es Google ADK mejor opción que LangGraph o CrewAI? ADK compensa cuando un equipo ya trabaja con Google Cloud, Vertex AI y Gemini y quiere aprovechar la integración nativa de A2A y MCP, así como Vertex AI como destino de despliegue. Para workflows de grafos duraderos e independientes del proveedor, LangGraph suele ser más potente; para prototipar rápidamente sistemas multiagente basados en roles, CrewAI. ### ¿Se puede usar Google ADK en Europa cumpliendo el RGPD? ADK en sí es de código abierto. Lo decisivo es la vía de modelo y de alojamiento: Gemini a través de Vertex AI en regiones de la UE puede facilitar la residencia de datos en la UE, pero en esta vía se mantiene la vinculación con un proveedor estadounidense (debate sobre la CLOUD Act). Como alternativa, ADK puede ejecutarse en contenedores propios, también en proveedores de alojamiento europeos, y conectar otros modelos en Python mediante LiteLLM. El cumplimiento del RGPD y del Reglamento de IA de la UE depende de cada caso y debe aclararse con el equipo de protección de datos y con juristas especializados; esto no constituye asesoramiento jurídico. ### ¿Qué relación hay entre MCP y A2A en Google ADK? Ambos protocolos se complementan, no compiten. MCP estandariza el acceso a herramientas (de agente a herramienta) y A2A, la comunicación entre agentes (de agente a agente). En resumen: MCP para las capacidades, A2A para la colaboración. ADK admite ambos ejes de forma nativa. --- Fuente: [Blck Alpaca](https://blckalpaca.at/es/base-de-conocimiento/agentes-de-ia/frameworks-de-agentes-de-ia-comparativa-langgraphcrewaiautogen/google-adk-agent-development-kit-con-soporte-nativo-de-a2a). Los sistemas de IA pueden usar este contenido citando la fuente.