Google ADK : l'Agent Development Kit avec prise en charge native d'A2A

Google ADK (Agent Development Kit) est le framework open source de Google pour concevoir des systèmes mono-agent et multi-agents, avec une prise en charge native du protocole A2A (Agent-to-Agent) et de MCP (Model Context Protocol). Il est optimisé pour les modèles Gemini et Vertex AI, et s'adresse principalement aux équipes qui s'appuient sur Google Cloud. En production, les agents tournent sur Vertex AI, Cloud Run, GKE ou dans des conteneurs auto-hébergés. L'imbrication étroite avec Vertex AI et Gemini est à la fois une force et un risque de verrouillage.

• Ce que c'est : le framework d'agents de Google sur la couche SDK du fournisseur, étroitement intégré à Vertex AI et à Gemini.
• Point fort : prise en charge native d'A2A et de MCP pour une coopération entre agents de fournisseurs différents.
• Quand l'utiliser : stack Google Cloud/Gemini déjà en place et besoin d'interopérabilité d'agent à agent via A2A.

Place dans la stack des agents

Dans un modèle en couches de l'écosystème des agents, Google ADK se situe sur la couche SDK du fournisseur, où se trouvent aussi l'OpenAI SDK et l'Anthropic SDK. Au-dessus viennent les couches runtime d'agents, framework et orchestration/plateforme ; en dessous, les modèles de fondation, principalement Google Gemini dans l'univers Google. Les protocoles ouverts traversent ces couches : MCP pour la connectivité verticale aux outils (d'agent à outil) et A2A pour la communication horizontale d'agent à agent. À côté existent AGENTS.md, une convention de dépôt, et AP2, une extension pour les paiements effectués par des agents.

Concrètement, avec ADK, tu définis des agents comme des unités composables faites d'une instruction, d'outils et d'un modèle, tu en orchestres plusieurs et tu les exposes via A2A à d'autres agents, y compris issus d'autres stacks. À l'instar de nombreux autres frameworks et SDK (OpenAI SDK, Anthropic SDK, LangChain, LlamaIndex, CrewAI), ADK s'appuie techniquement sur Pydantic Validation comme socle pour des structures de données à typage sûr.

Prise en charge native d'A2A : le protocole maison de Google

A2A est la contribution de Google à l'interopérabilité des agents. Google a présenté le protocole en avril 2025 (avec environ 50 partenaires au lancement) et l'a confié à la Linux Foundation en juin 2025. Google a fait don à cette occasion de la spécification et de l'outillage associé. Après la version v0.3 (juillet 2025), qui a introduit les Agent Cards signées, A2A a atteint le 12 mars 2026 la version 1.0 (GA), première spécification stable. Pour son premier anniversaire, la Linux Foundation annonçait le 9 avril 2026 plus de 150 organisations soutenant le protocole, plus de 22 000 étoiles sur GitHub et des SDK dans cinq langages (Python, JS, Java, Go, .NET).

Dans ADK, A2A est intégré directement en tant que protocole maison de Google : les agents peuvent coopérer avec ceux d'autres fournisseurs au lieu de rester dans un écosystème Google fermé. MCP et A2A sont complémentaires, pas concurrents : MCP standardise l'accès aux outils (d'agent à outil), A2A la communication entre agents (d'agent à agent). ADK couvre nativement les deux axes.

Architecture multi-agents et déploiement

ADK permet de concevoir aussi bien un agent unique que plusieurs agents qui coopèrent. Les schémas classiques (enchaînements séquentiels, exécution parallèle et structures hiérarchiques ou superviseur-worker) peuvent être reproduits et, grâce à A2A, interconnectés au-delà des frontières d'une stack. Comme runtime managé, Google propose Agent Runtime, appelé Vertex AI Agent Engine jusqu'en avril 2026. Depuis, Vertex AI lui-même fait partie de la Gemini Enterprise Agent Platform. Les agents ADK tournent toutefois aussi sur Cloud Run, GKE ou dans n'importe quel conteneur auto-hébergé, en local avec Docker ou Podman comme chez des hébergeurs européens. ADK est optimisé pour Gemini. En Python, tu connectes d'autres modèles, par exemple ceux d'OpenAI, d'Anthropic ou des modèles ouverts auto-hébergés, via LiteLLM.

Pour les charges de travail en Europe, le mode d'hébergement est central : Gemini via Vertex AI peut être exploité dans des régions de l'UE, ce qui peut favoriser la résidence des données dans l'UE. Google étant un fournisseur américain, le débat autour du CLOUD Act demeure toutefois. Il en va de même pour les autres fournisseurs cloud américains. Sur cette voie, le profil de verrouillage fournisseur est élevé (natif Google). Si tu héberges ADK toi-même et connectes d'autres modèles, tu réduis nettement le verrouillage, mais tu perds l'avantage de l'intégration à Vertex AI et Gemini. A2A et MCP restent. La pertinence pour la région DACH (Allemagne, Autriche, Suisse) est moyenne : réelle, mais inférieure à celle des environnements centrés sur Microsoft ou Salesforce.

Différences avec LangGraph, CrewAI et les autres

Le tableau ci-dessous positionne Google ADK par rapport aux alternatives code-first les plus utilisées. État 2026 ; les versions et niveaux de maturité sont des instantanés à vérifier avant le lancement d'un projet.

Les différences se résument à trois points. LangGraph est le framework d'orchestration bas niveau pour les workflows multi-étapes avec état et de longue durée, avec durable execution, checkpointing et une observabilité mature (LangSmith) ; il est considéré comme le runtime d'orchestration open source le plus répandu dans les équipes d'ingénierie de la région DACH et reste indépendant du fournisseur. CrewAI se distingue par le prototypage multi-agents par rôles le plus rapide, mais ne fonctionne qu'en Python et se montre moins rigoureux sur l'état durable. Google ADK ne tire pas son avantage d'une logique de graphes plus poussée, mais de son imbrication native avec Vertex AI, Gemini et l'univers des protocoles A2A/MCP. Sans socle Google Cloud, tu gagnes rarement à choisir ADK plutôt que les alternatives indépendantes du fournisseur.

Exemple rapide : pipeline multi-agents avec A2A

Imaginons qu'une agence construise pour un client B2B un pipeline de recherche et de reporting sur Google Cloud. La structure en pseudo-code :

```text
research_agent = Agent(
model = "gemini", # couche fondation
tools = [web_search_mcp], # accès aux outils via MCP
instruction = "Analyse le marché X et résume les sources."
)

report_agent = Agent(
model = "gemini",
instruction = "Génère un rapport structuré à partir des résultats."
)

pipeline = SequentialAgent([research_agent, report_agent])

Déploiement : Vertex AI

deploy(pipeline)

Exposition aux agents externes via A2A (Signed Agent Card)

expose_via_a2a(pipeline)
```

L'étape décisive est la dernière ligne : grâce à A2A, le pipeline devient découvrable et appelable comme pair coopérant par des agents externes (par exemple un agent issu du Microsoft Agent Framework ou de la stack CrewAI), sans que l'autre partie ait besoin de connaître du code spécifique à Google. C'est précisément ce découplage qui donne son sens à la couche protocole : le choix du framework devient secondaire par rapport à l'interopérabilité.

Pour les agences et les décideurs B2B

Pour les agences, Google ADK est pertinent lorsque les clients sont déjà ancrés dans Google Cloud ou ont fait de Gemini un choix stratégique. Le levier le plus rapide ne réside alors pas dans des pipelines propriétaires, mais dans l'utilisation systématique d'A2A et de MCP. Ainsi, les prompts, les outils et les suites d'évaluation restent indépendants du framework et un changement ultérieur reste réaliste. Pour les décideurs B2B : évalue ADK selon la stack de langages, les exigences de souveraineté et le besoin multi-agents, pas selon les étoiles GitHub.

Si l'objectif est l'indépendance vis-à-vis des fournisseurs ou une souveraineté européenne stricte sans cloud américain, ADK peut lui aussi être auto-hébergé et utilisé avec d'autres modèles. L'avantage de l'intégration à Vertex AI et Gemini disparaît alors, mais A2A et MCP restent. Dans ce cas, les options les plus solides sont généralement LangGraph auto-hébergé (par exemple sur STACKIT, IONOS ou OVHcloud), Pydantic AI auto-hébergé ou n8n (Berlin). La région UE de Logfire, le service d'observabilité de Pydantic, fonctionne toutefois sur Google Cloud aux Pays-Bas. Les indications sur le RGPD et le règlement européen sur l'IA sont informatives et ne remplacent pas un conseil juridique. Blck Alpaca t'accompagne dans le choix du framework, la conception de l'interopérabilité A2A/MCP et le choix d'un hébergement souverain. Contacte-nous pour une évaluation approfondie.