# Agentic-ADK **Repository Path**: mstitop/Agentic-ADK ## Basic Information - **Project Name**: Agentic-ADK - **Description**: No description available - **Primary Language**: Unknown - **License**: Apache-2.0 - **Default Branch**: main - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2025-09-05 - **Last Updated**: 2025-09-05 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # 关于 Agentic ADK 是阿里国际AI Business推出基于 Google-ADK 以及 Ali-LangEngine 的Agent应用开发框架。

Version License Stars Issues Java

**[English Version](./README.md)** Agentic ADK 是阿里国际AI Business推出基于 [Google-ADK](https://google.github.io/adk-docs/) 以及 Ali-LangEngine 的Agent应用开发框架，用于开发、构建、评估和部署功能强大、灵活且可控的复杂 AI Agent。ADK 旨在使Agent开发更简单友好，使开发者能够更轻松地构建、部署和编排从简单任务到复杂协作的各类Agent应用。 [![观看视频](https://img.alicdn.com/imgextra/i2/6000000004611/O1CN01ECWZaj1jvtLCiWNhG_!!6000000004611-0-tbvideo.jpg)](https://cloud.video.taobao.com/vod/DJzgj7IzixIwu186f2Uxmv4GnRtNqhn-U9fTTNmr3zo.mp4) ## 功能介绍 * 以Google ADK接口为基础，强化流式交互、可视化调试工具等核心执行链路，让开发者可以高效开发Agent应用。 * 与**阿里国际多模态大语言模型 Ovis无缝对接**，实现视觉与文本信息的深度对齐与融合。该模型兼具高性能和轻量化的特点，并具备以下优势，实现高效多模态Agent的开发与部署： * **卓越的逻辑推理**：结合指令微调与偏好学习，模型的思维链（Chain-of-Thought, CoT）推理能力得到显著增强，能够更好地理解和执行复杂指令。 * **精准的跨语言理解与识别**：不仅限于中英文，模型提升了在多语言环境下的文字识别（OCR）能力，并优化了从表格、图表等复杂视觉元素中进行结构化数据提取的精度。 * 灵活的**多智能体框架**，支持同步、异步、流式、并行等多种执行模式，天然集成A2A协议。 * **高性能的工作流引擎与Agent相结合**，构建于在阿里巴巴SmartEngine工作流引擎之上，利用 RxJava3 实现响应式编程模式，采用基于节点的流程系统来定义智能体行为，支持同步、异步和双向通信模式，为构建复杂的AI应用提供了灵活的基础。 * 提供**上百个API工具**，并推出MCP集成网关。 * **DeepResearch/RAG、ComputerUse、BrowserUse、Sandbox**等Agentic AI最佳实践。 * 智能体会话的上下文扩展实现，包括Session、Memory、Artifact等等，内置长短记忆插件。 * 提供Prompt自动化调优、安全风控相关代理样例。 ![架构图](https://zos-oss-ol.oss-cn-hangzhou.aliyuncs.com/data/be03cd4383682bd6e8095ebf8472a0d1.png) ## 框架设计 ### 面向Google ADK接口设计 Agentic ADK 继承了 google-adk 的优秀设计，支持以下关键特性： #### LLM **丰富的大模型选择**。原生兼容支持包括 OpenAI、百炼/千问、OpenRouter、Claude 等厂商或模型的使用。 | 组件抽象 | 描述 | |---------------|--------------------------------------------------------------------------------------------| | LangEngine | 该组件支持 LangEngine 生态下的所有兼容三方 `模型/WorkSpace` 接入 Agent 系统，包括 OpenAI、百炼/千问、Idealab、OpenRouter等 | | DashScopeLlm | 支持 阿里云百炼上的OpenAPI的接口打通 | #### Agent **高度抽象 Agent 定义与灵活的 Agent 编排**。框架内置有 LLM/串/并/循环等多种 Agent 定义；支持单 Agent、多 Agent（MAS）架构设计，方便扩展您的 agent 设计模式与架构。 | 组件抽象 | 描述 | |------------------------------------------------------------------------------------------------|------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| | [LlmAgent](https://google.github.io/adk-docs/agents/llm-agents/) | ADK中的一个核心组件，充当应用程序的“思考”部分。它利用大型语言模型（LLM）的强大能力来进行推理、理解自然语言、做出决策、生成响应以及与工具进行交互。 | | [SequentialAgent](https://google.github.io/adk-docs/agents/workflow-agents/sequential-agents/) | 一种 WorkflowAgent，它按照列表中指定的顺序依次执行其子Agent。 | | [LoopAgent](https://google.github.io/adk-docs/agents/workflow-agents/loop-agents/)| 一种 WorkflowAgent，它以循环方式（即迭代方式）执行其子Agent。它会重复运行一组代理，直到达到指定的迭代次数或满足终止条件为止。 | | [ParallelAgent](https://google.github.io/adk-docs/agents/workflow-agents/parallel-agents/)| 一种 WorkflowAgent，它可以并发地执行其子 Agent，子任务可以独立执行的情况下显著加快了整个工作流的速度。 | |其他高阶概念| [CustomAgents](https://google.github.io/adk-docs/agents/custom-agents/)：可以通过继承google.adk.agents.BaseAgent实现自定义的 Agent 处理流程。
[Multi-Agent Systems](https://google.github.io/adk-docs/agents/multi-agents/)： 将多个不同的 Agent 实例组合成一个多代理系统（MAS），支持构建更复杂的应用程序 | #### Tool **丰富的工具组装**。轻松接入包括 Function/MCP以及任意三方工具的接入。 | 组件抽象 | 描述 | |------------------------------------------------------------------------------------------------|--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| | [Function Tool](https://google.github.io/adk-docs/tools/function-tools/) | [FunctionTool](https://google.github.io/adk-docs/tools/function-tools/#1-function-tool)：函数即工具，可以将任一方法转换成 Tool 提供给 Agent 调用。
[LongRunningFunctionTool](https://google.github.io/adk-docs/tools/function-tools/#2-long-running-function-tool)：专为需要大量处理时间但又不阻塞Agent 执行的任务而设计。
[AgentTool](https://google.github.io/adk-docs/tools/function-tools/#3-agent-as-a-tool)：通过将其他 Agent 编排为工具，来充分利用它们在系统中的能力。这种工具允许当前 Agent 调用另一个 Agent 来执行特定任务，有效地进行责任委托。 | |DashScopeTool|通过阿里云百炼的工具应用打通| |MCPTool|ADK内置的MCP工具| |GoogleSearchTool|ADK内置的谷歌搜索工具| |GUITaskExecuteTool|ADK内置的GUI任务执行工具| #### Callback **灵活的 Callback 机制（Callback）**。提供了在 Agent 执行过程中多种时机的钩子，方便您在 LLM/Tool/Agent 调用前后进行自定义逻辑处理。 参考：https://google.github.io/adk-docs/callbacks 最佳实践：https://google.github.io/adk-docs/callbacks/design-patterns-and-best-practices/ #### Debug & Eval **开箱即用的调试、评测能力**。提供白屏化 Debug 页面，无论是本地还是远程，都可以快速进行 agent 调试。 ### 集成高性能动态工作流引擎 构建于在阿里巴巴SmartEngine工作流引擎之上，利用 RxJava3 实现响应式编程模式，采用基于节点的流程系统来定义智能体行为，支持同步、异步和双向通信模式，为构建复杂的AI应用提供了灵活的基础。 ``` ┌─────────────────────────────────────────────────────────────────────┐ │ 用户应用层 │ ├─────────────────────────────────────────────────────────────────────┤ │ Runner (执行入口) │ ├─────────────────────────────────────────────────────────────────────┤ │ Pipeline 管道处理层 │ │ ┌─────────────┐ ┌────────────────┐ ┌─────────────────────────┐ │ │ │ Agent执行 │ │ ... │ │ 自定义处理管道 │ │ │ │ Pipe │ │ │ │ │ │ │ └─────────────┘ └────────────────┘ └─────────────────────────┘ │ ├─────────────────────────────────────────────────────────────────────┤ │ Flow 流程引擎层 │ │ ┌─────────────┐ ┌────────────────┐ ┌─────────────────────────┐ │ │ │ FlowCanvas │ │ FlowNode │ │ DelegationExecutor │ │ │ │ (流程容器) │ │ (流程节点) │ │ (委托执行器) │ │ │ └─────────────┘ └────────────────┘ └─────────────────────────┘ │ ├─────────────────────────────────────────────────────────────────────┤ │ AI 能力抽象层 │ │ ┌─────────────┐ ┌────────────────┐ ┌─────────────────────────┐ │ │ │ LLM模型 │ │ 工具集 │ │ 条件判断 │ │ │ │ BasicLlm │ │ BaseTool │ │ BaseCondition │ │ │ └─────────────┘ └────────────────┘ └─────────────────────────┘ │ ├─────────────────────────────────────────────────────────────────────┤ │ 基础设施层 │ │ ┌─────────────┐ ┌────────────────┐ ┌─────────────────────────┐ │ │ │ SmartEngine │ │ RxJava3 │ │ Spring Framework │ │ │ │ 工作流引擎 │ │ 响应式编程框架 │ │ 依赖注入框架 │ │ │ └─────────────┘ └────────────────┘ └─────────────────────────┘ │ └─────────────────────────────────────────────────────────────────────┘ ``` #### 核心组件介绍 ##### 流程引擎组件 - **FlowCanvas**: 流程定义的主要容器，用于构建和部署工作流 - **FlowNode**: 所有流程节点的基类，定义了节点的基本行为 - **节点类型**: - `LlmFlowNode`: 用于与大语言模型交互 - `ToolFlowNode`: 用于执行外部工具 - `ConditionalContainer`: 用于条件分支 - `ParallelFlowNode`: 用于并行执行 - `ReferenceFlowNode`: 用于引用其他流程 ##### 执行组件 - **Runner**: 流程执行的主入口点 - **DelegationExecutor**: 处理委托任务的执行 - **SystemContext**: 包含执行上下文和配置信息 - **Request/Result**: 请求和响应的数据结构 ##### AI 能力组件 - **BasicLlm 接口及实现** (如 `DashScopeLlm`): 定义和实现与大语言模型的交互 - **LlmRequest/LlmResponse**: 大语言模型交互的数据结构 - **BaseTool 接口及实现** (如 `DashScopeTools`): 定义和实现外部工具的调用 ##### 管道系统 - **PipeInterface**: 管道组件的接口 - **AgentExecutePipe**: 主要的执行管道实现 - **PipelineUtil**: 管道执行的工具类 #### 执行模式 框架支持三种执行模式： 1. **SYNC (同步模式)**: 顺序执行，等待每个节点完成后再执行下一个 2. **ASYNC (异步模式)**: 异步执行，可以并行处理多个任务 3. **BIDI (双向模式)**: 支持双向通信，可以动态接收输入 ## 使用指南及案例 [详细使用指南](./ali-agentic-adk-core/README_CN.md#使用指南) [DeepSearchAgent代码示例](./ali-agentic-adk-extension/ali-agentic-example/src/test/java/com/alibaba/agentic/example/DeepSearchAgentTest.java) ## License 本项目遵循 Apache License Version 2 ([https://www.apache.org/licenses/LICENSE-2.0.txt](https://www.apache.org/licenses/LICENSE-2.0.txt), SPDX-License-identifier: Apache-2.0).