adk-go 是 Google 开源的 Agent Development Kit Go 版本，专为构建、评估和部署复杂 AI agents 而设计。它采用 code-first 开发范式，直接用 Go 代码定义 agent 逻辑、工具和编排流程，避免了 YAML 或 JSON 配置的繁琐，实现更高的灵活性和可测试性。这种方式特别适合 Go 开发者，利用语言的并发性和性能优势，构建云原生 agent 应用。
code-first 开发的工具调用机制
在 adk-go 中，工具调用无需外部依赖，直接通过函数定义实现。核心是 tool 包，支持内置工具、自定义函数和第三方集成。例如，定义一个简单工具：
func calculatorTool(ctx context.Context, req tool.CallRequest) (*tool.CallResult, error) {
return &tool.CallResult{Content: []byte("结果")}, nil
}
注册到 agent 时，使用 llmagent.New 或 workflow agents，直接传入工具列表。优势在于零开销调用：无序列化 overhead，Go 的类型安全确保参数匹配。实际参数建议：工具函数限 5 个入参，避免 LLM 幻觉；超时阈值设为 30s，回退到默认响应。
对于多工具 agent，adk-go 支持动态路由：LLM agent 可根据上下文选择工具，或用 Sequential/Parallel workflow 固定顺序。工程实践：工具性能监控用回调钩子，记录调用时长 > 1s 的异常；确认机制（action confirmation）在敏感操作如数据库查询前，添加用户确认步骤，参数为 confirmation.Required。
引用 GitHub README：“Code-First Development: Define agent logic, tools, and orchestration directly in Go for ultimate flexibility, testability, and versioning。” 这确保了版本控制友好，无需外部 schema。
灵活运行时的部署参数
adk-go 的 runtime 模块提供 API Server 和 resume 功能，支持断线续传。启动 server：
server.NewServer(agent).Start(ctx)
关键参数：
RunConfig.MaxSteps: 50：防止无限循环，结合 MaxTokens: 8192 控制成本。ResumeEnabled: true：会话状态持久化到内存或外部 store，恢复阈值 session TTL 1h。- 并发：Go goroutine 原生支持，worker pool 大小设为 CPU*2。
部署清单：
- 容器化：Dockerfile 用
gcr.io/distroless/base，镜像 < 100MB。
- Cloud Run：CPU 1 vCPU，内存 512MiB，请求超时 300s；环境变量
GOOGLE_API_KEY 和模型 gemini-2.0-flash。
- GKE：HPA minReplicas=2，基于 CPU 70% 扩容；用 Vertex AI Agent Engine 无缝集成。
- 监控点：Prometheus 指标暴露
/metrics，追踪 agent_steps_total、tool_calls_failed；警报阈值失败率 >5%。
风险控制：模型无关性测试，用 OpenAI/Anthropic 替换 modelprovider，fallback 策略 if Gemini 限额。
评估流水线的最佳实践
adk-go 内置 eval 框架，通过 criteria 定义测试用例。示例：
criteria := evaluate.Criteria{
"准确性": {Score: 1.0, Matches: "预期输出"},
}
evaluator := evaluate.NewEvaluator(criteria)
流水线参数：
- User Simulation：模拟 100 轮对话，覆盖 edge cases 如工具失败。
- 阈值：整体分数 >0.8 通过，回滚到稳定版本。
- 批量 eval：Parallel agents 并行跑 10 实例，聚合指标。
集成 observability：Cloud Trace 追踪 span，日志级别 INFO，输出 JSON 格式便于 ELK 解析。回滚策略：eval 分数降 10% 时，pin 模型版本。
这种 code-first 工具包让 agent 开发如传统软件工程：单元测试工具函数，集成测试 workflow，CI/CD 跑 eval。相比框架如 LangChain，adk-go 无 deps 更轻量，Go 性能适合生产。
实际落地案例：构建多 agent 系统，root agent 路由子 agent（工具专家、决策者），用 Loop agent 重试失败路径，成功率提升 25%。
资料来源：
（正文字数约 950）