--- title: "Google ADK : l'Agent Development Kit avec prise en charge native d'A2A" description: "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 et de MCP." locale: "fr" canonical: "https://blckalpaca.at/fr/base-de-connaissances/agents-ia/frameworks-dagents-ia-comparatif-langgraph-crewai-autogen/google-adk-lagent-development-kit-avec-prise-en-charge-native-da2a" category: "Agents IA" topic: "Frameworks d'agents IA : comparatif LangGraph, CrewAI, AutoGen" updated: "2026-10-28T13:26:12.827Z" source: "Blck Alpaca e.U., blckalpaca.at" --- # 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 et de MCP. Il est optimisé pour les modèles Gemini et Vertex AI, et s'adresse avant tout aux équipes qui travaillent sur Google Cloud. Le verrouillage (lock-in) chez Google Cloud est élevé si les agents tournent sur Vertex AI avec Gemini, et faible en auto-hébergement avec d'autres modèles. ## L’essentiel - Google ADK est le framework d'agents de Google situé sur la couche SDK du fournisseur, étroitement intégré à Vertex AI et aux modèles Gemini. - A2A a été développé par Google (lancement en avril 2025, environ 50 partenaires), confié à la Linux Foundation en juin 2025, et il est disponible en version GA v1.0 depuis mars 2026. En avril 2026, la Linux Foundation recensait plus de 150 organisations soutenant le protocole. ADK prend en charge A2A nativement. - ADK offre une prise en charge native de MCP (couche outils) et d'A2A (d'agent à agent), ce qui permet de réduire le verrouillage technique. - Le verrouillage économique dépend du mode d'exploitation : avec Vertex AI et Gemini, la stack est liée à Google Cloud, un fournisseur américain (débat autour du CLOUD Act). En auto-hébergement avec d'autres modèles (en Python via LiteLLM), il reste faible. - Pertinent surtout si une stack Google Cloud/Gemini est déjà en place. Sans elle, ADK peut certes être auto-hébergé et utilisé avec d'autres modèles, mais il perd alors l'essentiel de son avantage d'intégration face à LangGraph, Pydantic AI ou n8n. - Positionnement : LangGraph offre une orchestration de graphes durable plus poussée, CrewAI un prototypage par rôles plus rapide. La force d'ADK réside dans son intégration native avec Vertex et A2A. Google ADK ([Agent](https://blckalpaca.at/fr/glossaire/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](https://blckalpaca.at/fr/base-de-connaissances/agents-ia/protocole-agent-to-agent-a2a/orchestration-multi-fournisseurs-coordonner-des-agents-issus-de-differents-frame) (Agent-to-Agent) et de [MCP](https://blckalpaca.at/fr/glossaire/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](https://blckalpaca.at/fr/glossaire/framework-dagents) 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](https://blckalpaca.at/fr/glossaire/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](https://blckalpaca.at/fr/glossaire/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](https://github.com/a2aproject/A2A/releases/tag/v0.3.0), A2A a atteint le [**12 mars 2026 la version 1.0 (GA)**](https://github.com/a2aproject/A2A/releases/tag/v1.0.0), première spécification stable. Pour son premier anniversaire, la [Linux Foundation annonçait le 9 avril 2026](https://www.linuxfoundation.org/press/a2a-protocol-surpasses-150-organizations-lands-in-major-cloud-platforms-and-sees-enterprise-production-use-in-first-year) 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](https://docs.cloud.google.com/gemini-enterprise-agent-platform/release-notes). Les agents ADK tournent toutefois aussi [sur Cloud Run, GKE ou dans n'importe quel conteneur auto-hébergé](https://adk.dev/deploy/), 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](https://blckalpaca.at/fr/glossaire/openai), d'Anthropic ou des modèles ouverts auto-hébergés, [via LiteLLM](https://adk.dev/agents/models/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. | Critère | Google ADK | LangGraph | CrewAI | Pydantic AI | | --- | --- | --- | --- | --- | | Éditeur | Google (États-Unis) | LangChain Inc. (États-Unis) | crewAI Inc. (États-Unis) | Pydantic Inc. (Royaume-Uni) | | Langages principaux | Python (et d'autres) | Python, JS/TS | Python uniquement | Python | | Support MCP | natif | [adaptateur officiel LangChain](https://docs.langchain.com/oss/python/langchain/mcp) | natif | natif (extra) | | Support A2A | natif | [endpoint A2A dans Agent Server](https://docs.langchain.com/langsmith/server-a2a) | natif | natif (extra) | | Orientation modèles | Gemini (d'autres sont connectables, par ex. via LiteLLM en Python) | indépendant du fournisseur | indépendant du fournisseur | indépendant du fournisseur | | Multi-agents | séquentiel, parallèle, hiérarchique | Graphe (nœuds/arêtes) | Crews + Flows | agents composables | | Déploiement | Agent Runtime (anciennement Vertex AI Agent Engine), Cloud Run, GKE ou auto-hébergé | auto-hébergé ou [LangSmith Deployment](https://www.langchain.com/blog/langgraph-platform-ga) (anciennement LangGraph Platform) | auto-hébergé ou CrewAI Enterprise | auto-hébergé ; Logfire en région UE | | Verrouillage fournisseur | élevé avec Vertex AI et Gemini, faible en auto-hébergement avec d'autres modèles | faible | faible | faible | | Pertinence DACH | moyenne | très élevée | moyenne | élevée (équipes Python) | 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**](https://blckalpaca.at/fr/base-de-connaissances/agents-ia/frameworks-dagents-ia-comparatif-langgraph-crewai-autogen/crewai-tour-dhorizon-des-crews-multi-agents-fondes-sur-les-roles) 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](https://blckalpaca.at/fr/base-de-connaissances/agents-ia/frameworks-dagents-ia-comparatif-langgraph-crewai-autogen/langgraph-des-agents-avec-etat-sous-forme-de-graphe-oriente) auto-hébergé (par exemple sur STACKIT, IONOS ou OVHcloud), Pydantic AI auto-hébergé ou [n8n](https://blckalpaca.at/fr/glossaire/n8n) (Berlin). La région UE de Logfire, le service d'observabilité de Pydantic, fonctionne toutefois [sur Google Cloud aux Pays-Bas](https://pydantic.dev/docs/logfire/manage/data-regions/). Les indications sur le [RGPD](https://blckalpaca.at/fr/glossaire/rgpd) et le règlement européen sur l'[IA](https://blckalpaca.at/fr/glossaire/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. ## Questions fréquentes ### Qu'est-ce que Google ADK ? Google ADK (Agent Development Kit) est le framework open source de Google pour concevoir un agent unique ou plusieurs agents qui coopèrent. Il se situe sur la couche SDK du fournisseur, prend en charge nativement MCP et A2A, et il est optimisé pour les modèles Gemini et Vertex AI. Il s'adresse donc surtout aux équipes qui s'appuient sur Google Cloud. ### Google ADK prend-il en charge nativement le protocole A2A ? Oui. A2A a été développé par Google (lancement en avril 2025) et confié à la Linux Foundation en juin 2025 ; depuis mars 2026, A2A v1.0 est en GA. En avril 2026, la Linux Foundation recensait plus de 150 organisations soutenant le protocole, plus de 22 000 étoiles sur GitHub et des SDK dans cinq langages. ADK prend en charge A2A nativement, ce qui permet à des agents de fournisseurs différents de coopérer. ### Quand Google ADK est-il un meilleur choix que LangGraph ou CrewAI ? ADK est pertinent lorsqu'une équipe mise déjà sur Google Cloud, Vertex AI et Gemini, et veut exploiter l'intégration native A2A/MCP ainsi que Vertex AI comme cible de déploiement. Pour des workflows de graphes durables et indépendants du fournisseur, LangGraph est souvent plus solide ; pour un prototypage multi-agents rapide basé sur les rôles, c'est CrewAI. ### Peut-on utiliser Google ADK en conformité avec le RGPD en Europe ? ADK lui-même est open source. Ce qui compte, c'est le choix du modèle et de l'hébergement : Gemini via Vertex AI dans des régions de l'UE peut favoriser la résidence des données dans l'UE, mais le lien avec un fournisseur américain (débat autour du CLOUD Act) subsiste sur cette voie. Autre option : ADK tourne dans des conteneurs auto-hébergés, y compris chez des hébergeurs européens, et se connecte à d'autres modèles en Python via LiteLLM. La conformité au RGPD et au règlement européen sur l'IA dépend de chaque cas et doit être clarifiée avec les responsables de la protection des données et des juristes spécialisés ; ceci ne constitue pas un conseil juridique. ### Comment MCP et A2A s'articulent-ils dans Google ADK ? Les deux protocoles sont complémentaires, pas concurrents. MCP standardise l'accès aux outils (d'agent à outil), A2A la communication entre agents (d'agent à agent). En bref : MCP pour les capacités, A2A pour la collaboration. ADK prend en charge les deux axes nativement. --- Source : [Blck Alpaca](https://blckalpaca.at/fr/base-de-connaissances/agents-ia/frameworks-dagents-ia-comparatif-langgraph-crewai-autogen/google-adk-lagent-development-kit-avec-prise-en-charge-native-da2a). Les systèmes d’IA peuvent utiliser ce contenu en citant la source.