L'IA a évolué au-delà des modèles uniques répondant à des questions pour entrer dans une ère de systèmes multi-agents complexes où différentes IA collaborent pour résoudre des problèmes complexes. Cette approche est puissante, mais la coordination de plusieurs agents présente un défi important pour les développeurs, nécessitant des outils spécialisés.
Le Google Agent Development Kit (ADK) est conçu pour répondre à ce défi. Il s'agit d'un framework open-source de Google qui vise à rendre la création d'agents IA avancés plus proche du développement logiciel classique. Dans cet article, nous jetterons un regard pratique sur l'ADK, ce qu'il est, son fonctionnement et son public cible, pour vous aider à décider s'il s'agit de l'outil approprié pour votre projet.
Qu'est-ce que le Google Agent Development Kit ?
Le Google Agent Development Kit (ADK) est un framework open-source, axé sur le code, pour construire, déployer et gérer des agents IA, en particulier ceux conçus pour fonctionner dans des systèmes multi-agents. Il est fait pour les développeurs, avec un support officiel pour les langages courants tels que Python, TypeScript, Go et Java, vous permettant de travailler dans un environnement familier.
Le principe fondamental de l'ADK est d'offrir une base flexible et modulaire qui n'est pas liée à un seul modèle ou style de déploiement. Bien qu'il soit optimisé pour les modèles Gemini de Google, il est conçu pour être un écosystème ouvert. Grâce à une intégration officielle LiteLLM, il peut fonctionner avec plus de 100 autres fournisseurs, y compris OpenAI et Anthropic. Cette liberté permet aux développeurs de sélectionner le modèle le plus approprié pour une tâche spécifique.
L'ADK est également agnostique en matière de déploiement. Vous pouvez exécuter des agents localement pour les tests, puis les mettre à l'échelle sur un service cloud entièrement géré. Cette flexibilité est bénéfique pour les projets qui commencent modestement avec un potentiel de croissance important.
Architecture de base et fonctionnalités clés du Google Agent Development Kit
Pour comprendre les capacités de l'ADK, il est important d'examiner son architecture. C'est un framework bien pensé pour construire des flux de travail d'agents complexes et de longue durée.
Fonctionnement de l'architecture orientée événements
Au lieu d'un modèle requête-réponse basique, l'ADK utilise une architecture orientée événements (event-driven architecture). L'ADK traite un flux continu d'informations, ou « événements », circulant entre l'utilisateur, les modèles d'IA et tous les outils externes connectés. Cette configuration permet à l'ADK de gérer des conversations et des tâches complexes en plusieurs étapes.
Voici les parties principales :
-
Le Runner : Le Runner agit comme le coordinateur principal. Il gère les sessions utilisateur et suit les activités des agents.
-
Événements (Events) : Les événements sont un composant central du système. Chaque action, un message d'utilisateur, un outil utilisé, une réponse de modèle, est enregistrée comme un événement permanent. Cela garantit une communication propre et fiable entre les composants du système.
-
Services de session (Session Services) : Les services de session gèrent la mémoire et l'état. Ils conservent le contexte de la conversation, afin que l'agent se souvienne de ce qui a été dit et fait au fil du temps.
Cette structure permet un retour d'information en temps réel et vous permet de construire des agents capables de s'attaquer à des tâches de longue durée sans oublier le contexte. Le graphique suivant illustre comment ces composants collaborent.
Construire avec des agents spécialisés et de flux de travail
L'ADK est particulièrement efficace pour construire des systèmes multi-agents. Le principe de conception du framework est de décomposer les problèmes larges et complexes en morceaux plus petits et gérables, avec un agent spécialisé assigné à chacun d'eux.
L'ADK propose quelques types d'agents différents :
-
Agents LLM : Ces agents utilisent des modèles de langage étendus (Large Language Models) pour le raisonnement, la planification et la prise de décision.
-
Agents de flux de travail (Workflow Agents) : Ces agents suivent une logique prédéfinie pour contrôler le flux d'une tâche, ce qui rend les processus prévisibles.
-
Agents personnalisés : Pour d'autres besoins, vous pouvez construire vos propres agents personnalisés pour gérer une logique spécifique non liée aux LLM.
Pour coordonner ces derniers, l'ADK propose des agents de flux de travail de base comme le SequentialAgent pour les tâches étape par étape, le ParallelAgent pour les opérations simultanées, et le LoopAgent pour répéter une action jusqu'à ce qu'une condition soit remplie.
Une fonctionnalité notable est l'outil AgentTool, qui permet à un agent d'en utiliser un autre comme un outil. Cela permet une délégation avancée, où un agent « manager » peut assigner des tâches spécifiques à des agents « exécutants », gardant ainsi la conception de l'application propre et organisée.
Écosystème flexible d'outils et de modèles
Un avantage clé de l'ADK est sa conception agnostique vis-à-vis des modèles. Bien qu'il soit optimisé pour les modèles Gemini, vous n'êtes pas limité à ceux-ci. L'intégration LiteLLM prend en charge les modèles d'OpenAI, Anthropic, Cohere et bien d'autres. Il prend également en charge les modèles ouverts et locaux via des outils comme Ollama, vous offrant un contrôle total sur votre pile technologique (tech stack).
L'écosystème d'outils est également vaste. Vous disposez d'outils pré-construits pour des tâches telles que la recherche Google et l'exécution de code, et vous pouvez créer des fonctions personnalisées en Python ou dans un autre langage pris en charge. Il s'intègre également à des bibliothèques tierces populaires comme LangChain, vous permettant d'incorporer des outils et des flux de travail existants.
L'expérience développeur : Construire et déployer avec l'ADK
L'ADK est conçu en gardant à l'esprit l'expérience développeur. Le processus, du codage au déploiement, est censé être familier et efficace.
Démarrer avec le toolkit de développement local
Le framework comprend des outils pour rationaliser le cycle construction-test-débogage. L'interface en ligne de commande (CLI) vous permet de démarrer rapidement avec des commandes comme adk create pour configurer un nouveau projet et adk run pour le lancer.
Une fonctionnalité remarquable est l'interface utilisateur Web visuelle intégrée. Elle fournit une interface de chat simple pour tester les agents localement, mais sa force principale réside dans le débogage. L'interface vous permet d'inspecter l'intégralité du flux d'événements et de l'état de la session en temps réel. Vous pouvez voir chaque entrée utilisateur, appel d'outil, réponse de modèle et changement d'état au fur et à mesure qu'ils se produisent. Ce niveau de visibilité est extrêmement précieux pour déboguer des systèmes asynchrones complexes.
Le chemin vers la production : Options de déploiement
L'ADK est conçu pour les environnements de production, pas seulement pour le développement local. Il offre un chemin clair pour faire passer un agent d'une machine locale à un environnement évolutif et en direct.
Vous avez deux options de déploiement principales :
-
Conteneurisation : Vous pouvez encapsuler votre application d'agent dans un conteneur Docker et la déployer sur n'importe quelle infrastructure prenant en charge les conteneurs. Google Cloud Run est un choix courant, car il vous permet d'exécuter votre agent dans un environnement sans serveur (serverless) où vous ne payez que pour ce que vous utilisez.
-
Vertex AI Agent Engine : Pour une solution gérée, vous pouvez utiliser le service entièrement géré de Google, conçu pour déployer, gérer et mettre à l'échelle des agents créés avec des frameworks comme l'ADK. Cette solution de niveau entreprise gère l'infrastructure pour vous.
Cette flexibilité vous permet de choisir la stratégie de déploiement qui correspond le mieux aux compétences de votre équipe, à votre budget et à vos besoins d'évolution.
La courbe d'apprentissage et les défis courants
Bien que l'ADK soit puissant, il présente une courbe d'apprentissage notable, en particulier pour les développeurs novices en systèmes basés sur les agents. Comprendre des concepts tels que les agents asynchrones, la gestion des événements et la gestion de l'état entre différents types d'agents (LlmAgent, SequentialAgent, LoopAgent) peut s'avérer difficile.
La documentation officielle note que la création d'un agent totalement personnalisé à partir de zéro est un concept avancé. Il est recommandé de se familiariser avec les types d'agents standards avant de tenter une personnalisation poussée. En fin de compte, l'ADK convient mieux aux ingénieurs IA expérimentés et aux développeurs de logiciels créant des systèmes d'agents complexes et personnalisés nécessitant un contrôle précis.
Google Agent Development Kit : Un framework à construire vs un équipier IA à embaucher
Le Google Agent Development Kit est une boîte à outils pour construire des solutions d'IA personnalisées. Cette approche « faites-le vous-même » (DIY) convient à des cas d'utilisation spécifiques mais peut ne pas être la solution idéale pour toutes les situations.
L'utilisateur idéal pour le Google Agent Development Kit
L'ADK est conçu pour les équipes d'ingénierie IA et les développeurs de logiciels qui construisent des applications d'agents hautement personnalisées à partir de zéro. C'est un choix approprié lorsque le système d'agent lui-même est le produit et que l'équipe a besoin d'un contrôle approfondi sur l'orchestration, le comportement de l'agent et l'infrastructure cloud.
Quand un équipier IA est un meilleur choix
Pour les équipes dont l'objectif principal est de résoudre des problèmes commerciaux immédiats, tels que l'automatisation du support client ou la rationalisation de la gestion interne des connaissances, une solution pré-construite peut être plus directe. Une alternative à un framework de développement est une plateforme d'IA prête à être déployée, souvent appelée « équipier IA ».
Un framework de développement comme l'ADK nécessite la mise en place d'un environnement local, l'écriture de code et la gestion de l'infrastructure cloud. En revanche, une plateforme comme eesel AI est conçue pour une intégration rapide, se connectant généralement aux outils commerciaux existants comme Zendesk, Slack ou Confluence pour apprendre des données existantes sans formation manuelle.
L'approche de gestion diffère également. L'ADK nécessite de définir le comportement de l'agent par le biais du code. D'autres plateformes, telles que eesel, permettent une gestion utilisant des instructions en langage naturel. Vous pouvez commencer par un mode AI Copilot (Copilote IA) supervisé, où il rédige des réponses pour une révision humaine, puis passer plus tard à un AI Agent (Agent IA) entièrement autonome qui gère les tickets de manière indépendante.
Cette approche est conçue pour une mise en œuvre rapide et peut conduire à une automatisation immédiate des tâches. Par exemple, eesel AI peut résoudre de manière autonome une partie importante des conversations de support après avoir été connecté aux sources de connaissances de l'entreprise.
Voici un résumé rapide des deux approches :
| Facteur | Approche par Framework (Google ADK) | Approche par Équipier IA (eesel AI) |
|---|---|---|
| Utilisateur principal | Ingénieurs IA et développeurs logiciels | Responsables support, équipes Opérations, dirigeants |
| Temps de configuration | De quelques jours à plusieurs semaines | Quelques minutes |
| Compétences requises | Python/Go, Infrastructure Cloud, Concepts IA | Aucune (se connecte aux outils existants) |
| Méthode de contrôle | Code, fichiers de configuration, logique complexe | Instructions en anglais simple |
| Stratégie de mise en production | Déploiement dans un environnement de test/production | Simulation sur les tickets passés, puis déploiement progressif |
| Objectif central | Construire une application agentique personnalisée | Automatiser les tickets, répondre aux questions et résoudre les problèmes |
Tarification du Google Agent Development Kit
Le framework ADK est open-source et gratuit à utiliser sous licence Apache 2.0.
Cependant, il existe des coûts associés. Le coût total de possession provient de deux sources principales :
-
Appels d'API LLM : Chaque fois qu'un agent fait appel à un modèle de langage, cette utilisation vous sera facturée. Cela s'applique que vous utilisiez Gemini sur Vertex AI ou un modèle d'un autre fournisseur.
-
Infrastructure : Vous devez également couvrir les coûts des services cloud qui hébergent et font fonctionner vos agents. Cela pourrait être du temps de calcul sur Google Cloud Run ou des frais basés sur l'utilisation pour le Vertex AI Agent Engine entièrement géré, qui a sa propre tarification et un niveau gratuit mensuel.
Bien que le framework soit gratuit, le coût final dépend de l'utilisation de l'agent et de la configuration de déploiement choisie.
Pour une introduction pratique à la construction de votre premier agent, cette vidéo de Google fournit une présentation utile de la configuration initiale et des concepts de base.
Pour une introduction pratique à la construction de votre premier agent, cette vidéo de Google fournit une présentation utile de la configuration initiale et des concepts de base.
Dernières réflexions
Le Google Agent Development Kit est un framework puissant et flexible pour les développeurs qui construisent des systèmes d'IA multi-agents personnalisés. Il offre un contrôle précis sur l'architecture de l'agent, le choix du modèle et la stratégie de déploiement. C'est une boîte à outils prête pour la production afin de créer la prochaine génération d'applications d'IA.
Ce niveau de contrôle nécessite un investissement important en temps d'ingénierie pour la construction, le déploiement et la maintenance du système. Il s'agit fondamentalement d'un outil pour les développeurs.
Pour les équipes commerciales axées sur des résultats immédiats, tels que l'automatisation du support ou l'amélioration de l'accès aux connaissances, une solution prête à l'emploi peut offrir un chemin plus direct pour atteindre ces objectifs. Cela souligne la distinction entre la construction d'une solution personnalisée et l'adoption d'une solution pré-construite. Les équipes peuvent évaluer si leurs besoins sont mieux satisfaits par la personnalisation profonde d'un framework comme le Google Agent Development Kit ou par le déploiement rapide d'une plateforme comme eesel AI.
Questions fréquemment posées
Le Google Agent Development Kit (ADK) est un framework open-source conçu pour permettre aux développeurs de créer, déployer et gérer des systèmes d'agents IA complexes. Il est particulièrement utile pour créer des applications multi-agents où différentes IA collaborent sur des tâches, simplifiant le processus pour qu'il ressemble au développement logiciel traditionnel.
Oui, le framework lui-même est open-source et gratuit sous licence Apache 2.0. Cependant, vous aurez toujours des coûts associés à son utilisation, tels que le paiement des appels d'API LLM (vers des modèles comme Gemini ou d'autres) et l'infrastructure cloud nécessaire pour héberger et faire fonctionner vos agents.
Oui. Bien qu'il soit optimisé pour Gemini, le Google Agent Development Kit est agnostique vis-à-vis des modèles. Grâce à son intégration avec LiteLLM, il prend en charge plus de 100 modèles différents provenant de fournisseurs tels qu'OpenAI, Anthropic et Cohere. Il fonctionne également avec des modèles locaux via des outils comme Ollama.
L'ADK convient mieux aux ingénieurs IA expérimentés et aux développeurs de logiciels qui ont besoin d'un contrôle précis et granulaire pour créer des applications personnalisées et complexes basées sur des agents à partir de zéro. C'est un outil pour les équipes où le système d'IA lui-même est une partie centrale du produit qu'elles construisent.
Le Google Agent Development Kit dispose d'un support officiel pour plusieurs langages de programmation populaires, notamment Python, TypeScript, Go et Java. Cela permet aux équipes de développement de travailler dans un environnement qu'elles connaissent déjà.
Il utilise une architecture orientée événements (event-driven architecture). Au lieu de simples interactions requête-réponse, chaque action est traitée comme un événement dans un flux continu. Ceci, combiné à ses services de session pour la mémoire, permet au Google Agent Development Kit de gérer des tâches en plusieurs étapes au fil du temps sans perdre le contexte.
Partager cet article
Article by
Kenneth Pangan
Rédacteur et marketeur depuis plus de dix ans, Kenneth Pangan partage son temps entre l'histoire, la politique et l'art, avec de nombreuses interruptions de ses chiens réclamant de l'attention.
