Neue Möglichkeiten mit dem Agent Development Kit für Java 1.0.0

Einführung in das Agent Development Kit (ADK) für Java

Google hat die Version 1.0.0 des Agent Development Kits (ADK) für Java veröffentlicht. Dieses Framework soll Java-Entwicklern ermöglichen, intelligente KI-Agenten zu erstellen, die über die bloße Nutzung großer Sprachmodelle (LLMs) hinausgehen. Das ADK bietet eine strukturierte Umgebung für die Entwicklung von Agenten, die in der Lage sind zu argumentieren, zu planen, externe Werkzeuge zu nutzen und in komplexen Workflows zusammenzuarbeiten. Die Veröffentlichung unterstreicht Googles Bestreben, die Entwicklung von KI-Agenten in einem breiteren, mehrsprachigen Ökosystem zu fördern, das neben Python nun auch Java, Go und TypeScript umfasst.

Erweiterte Funktionen für leistungsfähigere Agenten

Die Version 1.0.0 des ADK für Java führt eine Reihe von Verbesserungen ein, die die Fähigkeiten der entwickelten Agenten erweitern:

Neue Tools für verbesserte Interaktion

Agenten benötigen die Fähigkeit, mit der externen Welt zu interagieren, um über das reine Wissen von LLMs hinaus Mehrwert zu schaffen. Das ADK 1.0.0 integriert hierfür neue Werkzeuge:

• GoogleMapsTool: Ermöglicht Agenten den Zugriff auf standortbasierte Daten von Google Maps, um beispielsweise Restaurantempfehlungen mit Bewertungen und Details zu versehen.
• UrlContextTool: Erlaubt Agenten, Webinhalte direkt von URLs abzurufen und zusammenzufassen, wodurch die Notwendigkeit manueller Datenbeschaffung entfällt.
• Code-Executors: Mit dem ContainerCodeExecutor und VertexAiCodeExecutor können Code-Ausführungen lokal in Docker-Containern oder in der Cloud über Vertex AI sicher durchgeführt werden.
• ComputerUseTool: Eine Abstraktion, die es ermöglicht, Webbrowser oder Computer zu steuern, was die Automatisierung von Benutzeroberflächeninteraktionen unterstützt.

Zentralisierte Plugin-Architektur und Ausführungskontrolle

Um die Verwaltung und Wartung komplexer Agenten-Anwendungen zu vereinfachen, führt das ADK eine zentralisierte Plugin-Architektur ein. Die neue App-Klasse dient als übergeordneter Container, der globale Konfigurationen und anwendungsweite Plugins verwaltet. Dies ermöglicht es Entwicklern, das Verhalten von LLMs, Agenten und Tools systemweit zu steuern und zu modifizieren, ohne Logik zu duplizieren.

Verfügbare Plugins umfassen:

• LoggingPlugin: Bietet detaillierte, strukturierte Protokollierung von Agenten-Ausführungen, LLM-Anfragen und -Antworten sowie Tool-Aufrufen und Fehlern.
• ContextFilterPlugin: Hilft, die Größe des LLM-Kontextfensters zu verwalten, indem ältere Konversationsabschnitte intelligent gefiltert und zusammengefasst werden.
• GlobalInstructionPlugin: Wendet konsistente, anwendungsweite Anweisungen (z.B. Sicherheitsregeln, Persönlichkeitsmerkmale) dynamisch auf alle Agenten an.

Kontext-Engineering durch Event-Kompaktierung

Eine Herausforderung in der Konversations-KI ist die Begrenzung des Kontextfensters von LLMs, das die Leistung beeinträchtigen und Kosten erhöhen kann. Das ADK begegnet diesem Problem mit der Event-Kompaktierung. Diese Funktion, konfigurierbar über eventsCompactionConfig(), verwaltet den Ereignisstrom eines Agenten, indem sie nur ein gleitendes Fenster der neuesten Ereignisse beibehält oder ältere Ereignisse zusammenfasst. Dies verhindert, dass Kontextfenster Token-Grenzwerte überschreiten und reduziert Latenz und Kosten bei langen Sitzungen.

Human-in-the-Loop (HITL) Workflows

In vielen Szenarien ist menschliche Aufsicht oder Bestätigung für KI-Agentenoperationen unerlässlich. Das ADK unterstützt "Human-in-the-Loop"-Workflows durch das Konzept der ToolConfirmation. Wenn ein Tool menschliches Eingreifen erfordert, kann die Ausführung pausiert werden, um eine Bestätigung oder zusätzliche Eingaben vom Benutzer einzuholen. Nach menschlicher Freigabe wird die Ausführung fortgesetzt, wobei das ADK automatisch den Kontext bereinigt und die bestätigte Aktion in die nachfolgende LLM-Anfrage einspeist.

Session- und Memory-Dienste

Das ADK definiert klare Verträge für die Verwaltung von Zustand, Verlauf und Dateien über Konversationen hinweg. Es bietet verschiedene Session-Dienste, darunter InMemorySessionService für die lokale Entwicklung und VertexAiSessionService sowie FirestoreSessionService für persistente Speicherung in der Google Cloud. Für eine langfristige "konversationelle Erinnerung" über mehrere Sitzungen hinweg stehen InMemoryMemoryService und FirestoreMemoryService zur Verfügung. Artefakt-Dienste wie InMemoryArtifactService und GcsArtifactService ermöglichen zudem die Verwaltung großer Datenobjekte wie Bilder oder PDFs.

Interoperabilität durch Agent2Agent-Protokoll (A2A)

Das ADK für Java unterstützt nativ das offizielle Agent2Agent (A2A)-Protokoll. Dies ermöglicht eine nahtlose Kommunikation und Zusammenarbeit zwischen entfernten Agenten, die in verschiedenen Sprachen oder Frameworks entwickelt wurden. Ein AgentCard repräsentiert die Identität und Fähigkeiten eines Agenten, der über einen Remote-Endpunkt aufgelöst werden kann. Lokale ADK-Agenten können als RemoteA2AAgent in die Agentenhierarchie integriert werden. Umgekehrt können ADK-Agenten über einen AgentExecutor als JSON-RPC REST-Endpunkt bereitgestellt werden, wodurch sie für das breitere A2A-Ökosystem zugänglich werden.

Agentische Workflows: Von der Delegation bis zur iterativen Verfeinerung

Für komplexe Problemstellungen ist die Orchestrierung mehrerer spezialisierter Agenten oft effektiver als ein einzelner, universeller Agent. Das ADK bietet verschiedene Workflow-Typen:

Delegation mit Sub-Agenten

Ein übergeordneter Agent (Supervisor) kann spezifische Aufgaben an spezialisierte Sub-Agenten delegieren. Dies spiegelt eine effiziente menschliche Managementstruktur wider, bei der Anfragen an den am besten geeigneten "Experten" weitergeleitet werden. Jeder Sub-Agent kann sich auf seine Kernaufgabe konzentrieren, was zu präziseren und effizienteren Antworten führt.

Sequentielle Agenten (Assembly Line)

Der SequentialAgent ermöglicht die Ausführung von Sub-Agenten in einer festen Reihenfolge, wobei jeder Schritt vom vorherigen abhängen kann. Dieses Modell eignet sich für Prozesse, bei denen die Reihenfolge der Operationen entscheidend ist, und gewährleistet einen deterministischen und zuverlässigen Ablauf.

Parallele Agenten

Wenn Aufgaben voneinander unabhängig sind, kann der ParallelAgent diese gleichzeitig ausführen, was die Effizienz erheblich steigert. Eine Kombination aus parallelen und sequenziellen Agenten, wie im Beispiel eines "Company Detective", ermöglicht die gleichzeitige Recherche von Informationen und deren anschließende sequentielle Zusammenfassung.

Iterative Verfeinerung mit Loop-Agenten

Der LoopAgent automatisiert den Zyklus von "Generieren → Überprüfen → Verfeinern" und ist ideal für Aufgaben, die eine iterative Verbesserung und Selbstkorrektur erfordern. Ein Beispiel hierfür ist ein "Code Refiner", der Code generiert, von einem Reviewer Feedback erhält und den Code basierend auf diesem Feedback iterativ verbessert, bis vordefinierte Kriterien erfüllt sind. Dies ahmt menschliche Entwicklungsprozesse nach und führt zu qualitativ hochwertigeren Ergebnissen.

Zusammenfassung und Ausblick

Die Veröffentlichung des Agent Development Kits 1.0.0 für Java stellt einen wichtigen Schritt in der Demokratisierung der KI-Agentenentwicklung dar. Es bietet Java-Entwicklern ein robustes und vielseitiges Framework, um intelligente Agenten zu bauen, die komplexe Aufgaben durch den Einsatz spezialisierter Tools, eine flexible Plugin-Architektur und fortschrittliche Workflow-Orchestrierung bewältigen können. Die Integration von Human-in-the-Loop-Funktionen und umfassenden Session-Management-Diensten, kombiniert mit der Interoperabilität durch das A2A-Protokoll, positioniert das ADK als ein leistungsstarkes Werkzeug für die nächste Generation von KI-gesteuerten Anwendungen. Entwickler sind eingeladen, die neuen Funktionen zu erkunden und zur Weiterentwicklung des Frameworks beizutragen.

Bibliography

- Announcing ADK for Java 1.0.0: Building the Future of AI Agents in Java - Google Developers Blog. (2026, March 30). - Daws, R. (2026, March 31). Google releases Agent Development Kit for Java. Developer-Tech.com. - Domogalla, M. (2026, March 31). ADK 1.0 for Java released: Google expands framework for AI agents. heise.de. - Google Codelabs. Build AI Agents with the Agent Development Kit (ADK) for Java. - Google. (n.d.). Java - Agent Development Kit (ADK). google.github.io/adk-docs. - MyExamCloud. (2025, May 22). Google Releases AI Agent Development Kits for Python and Java. LinkedIn.