ADK Go 2.0构建可靠多智能体应用：图式工作流、人机协同与动态编排

ADK for Go 2.0: 以图形式构建Agent工作流

坦率地说，在实际生产环境中运行Agent应用，仅靠一个简单的prompt远远不够。现实世界的Agent需要具备分类、条件分支、并行处理、等待人工审批、失败重试甚至循环执行的能力。如果将这些复杂的控制逻辑全部硬编码到业务代码中，代码很快就会变得脆弱不堪，维护成本居高不下。

从ADK for Go 1.0开始，这个开发工具包就致力于帮助Go开发者构建生产级的Agent，它提供了干净、符合语言习惯（idiomatic）的API——强类型、iter.Seq2事件流，以及一个能自然融入现有Go服务的运行时。这一坚实的基础正是迈向下一步升级的关键。

今天，我们正式推出ADK for Go 2.0。此次更新的核心是一个全新的、头等公民的Agent组合方式：基于图的workflow引擎。同时引入的还有人类在环（HITL）作为内置原语、纯Go编写的动态编排、LLM Agent模式，以及一个统一的节点运行时——它将这一切整合在一起，使单个Agent和图现在运行在同一个执行模型之上。

如果你关注过Python ADK 2.0，那么对这个方向不会陌生：同样的“图优先”路线，只是这次完全按照Go的语言习惯从零设计。

为什么选择图？

真实世界的Agent应用远不止发送一个prompt那么简单。它们需要分类、分支、分发给不同的专家Agent、收集结果、请求人类审批、失败重试以及循环执行。如果用ad-hoc控制流来表达这种复杂的编排，代码很快就会变得脆弱不堪。

ADK 2.0允许你将应用的形状描述为一个由节点和边连接而成的图，然后将执行交给一个调度器——它知道如何并发运行、持久化状态、暂停等待人类介入，并在后续恢复，甚至跨进程重启也不成问题。来看看将节点串联起来有多简单：

import "google.golang.org/adk/v2/workflow"

})

这个wf就是一个标准的agent.Agent。它可以直接运行在现有的runner、launcher和console上——不需要特殊的框架，也不需要开启新服务器。一个图就是一个Agent。

构建基石

万物皆节点

节点是任何工作单元，只需实现Node接口即可。但你很少需要手动编写那个接口——ADK已经为常见场景内置了类型化的节点构造函数：

• Function nodes：封装一个普通的带类型的Go函数。泛型会自动推导输入/输出的schemas：

workflow.NewFunctionNode("classify",

func(ctx agent.Context, in string) (Category, error) { ... }, cfg)

• Emitting function nodes：在Function node的基础上增加了一个emit回调，这样单个函数就能流式输出事件或暂停等待人类介入，而不必退化为动态节点：

workflow.NewEmittingFunctionNode("progress",

func(ctx agent.Context, in Job, emit func(*session.Event) error) (Result, error) { ... }, cfg)

• Agent nodes：将任何agent.Agent（比如LlmAgent）直接放入图里。
• Tool nodes：将一个tool.Tool变成图中的一个步骤。
• Join nodes：这是一个fan-in的屏障——它会等待所有前驱节点完成，然后交给你一个包含它们输出的map。
• Dynamic nodes：让你在代码中自由编排（下面会细说）。
• Workflow nodes：可以将一个完整的子workflow嵌入成一个节点——图是可以组合的。
• Parallel workers：将一个节点并发地应用于列表中的每个元素，然后汇总结果。
• State-bound nodes（NewFunctionNodeFromState）：通过state:""标签，从会话状态中选取值，直接注入到一个类型化的Params结构体中——再也不用手动编写状态传递的样板代码了。

边、路由和所需的各类形状

边用来连接节点，并且可以携带路由条件。节点会发出一个路由值，匹配的边就会触发。仅仅这一个概念，就能实现你需要的所有控制流形状：

b := workflow.NewEdgeBuilder()

b.AddFanIn(join, researchA, researchB, researchC) // 收集结果

顺序链、条件路由器、fan-out/fan-in、嵌套子图，甚至循环（一个完成的节点可以重新触发，所以循环是头等公民）——所有这些，都只靠边和路由来实现。标准路由有StringRoute、IntRoute、BoolRoute、MultiRoute，以及一个当没有任何其他路由匹配时触发的Default。如果需要更深度的配置，实现Route接口即可。

让LLM充当图的“大脑”

一个非常有用的模式是，让模型作为路由器的大脑。LlmAgent先对用户的消息进行分类，然后一个简单的函数发射出匹配的路由值，图就会把请求分发给正确的处理器：

用户 -> 现在几点了？

Agent -> statement 对陈述句发表评论...

模型来做决策，而图则让整个过程变得可靠、可观测、可恢复。（参见 examples/workflow/routing/llm/。）

有时候，执行顺序要到运行时才能确定——它取决于数据、循环次数、或者模型刚刚说了什么。针对这种情况，ADK 2.0提供了动态节点，编排体本身就是一个普通的Go函数，通过调用RunNode(...)来执行每个子节点：

greeter := workflow.NewDynamicNode("greeter_workflow",

)

循环、条件判断、累加、动态列表的并行分发——所有这些，都用你已经熟悉的Go来表达。WithRunID、WithUseSubBranch、WithUseAsOutput、WithIsolationScope这些选项可以让你精确控制子节点的身份、历史隔离和输出委托。这相当于Python ADK动态图的Go版本实现。

人类在环，原生内置

生产级的Agent经常需要人类在运行过程中来批准、纠正或提供信息。在ADK 2.0中，任何节点都可以暂停图，并向人类提出一个问题——workflow会持久地等待答案：

event := workflow.NewRequestInputEvent(ctx, session.RequestInput{

// 发射这个事件；节点进入 "waiting" 状态

当人类在后续的交互中回复时，workflow就会恢复。你有两种选择：

• Handoff——答案直接流向下一个节点。
• Re-entry——暂停的节点重新运行，人类响应可以通过ctx.ResumedInput(...)获取。

而且恢复是持久化的。运行状态保存在会话中，ADK甚至可以通过扫描会话历史来重建一个暂停的workflow——所以一个workflow可以在进程重启后恢复，甚至跨不同的运行时，因为中断格式与Python ADK是共享的。响应对schema进行验证，恢复是幂等的，当出现问题时你会得到清晰的错误（ErrInvalidResumeResponse、ErrNothingToResume）。

console launcher和Web UI都原生支持HITL，可以同时显示工具确认提示和workflow输入请求。

弹性，无需样板代码

每个节点都可以携带一个带有指数退避和抖动的重试策略——不需要任何外部依赖：

cfg := workflow.NodeConfig{ RetryConfig: workflow.DefaultRetryConfig() }

// 5次尝试，初始间隔1秒，上限60秒，2倍退避，全抖动

给每个节点加上Timeout，用WithMaxConcurrency(n)限制图级别的并发，然后隔离并行分支，这样一条分支的杂乱信息就不会泄露到另一条的LLM prompt历史中。调度器会帮你处理好goroutine、channel、背压和取消操作。

Agent模式和一个统一的运行时

ADK 2.0为LLM Agent引入了模式——Chat、Task和SingleTurn——这样，一个协调者Agent可以与用户聊天，同时子Agent安静地完成任务或运行单次操作。正确的辅助工具（finish_task、single_turn、task）会根据每个Agent的角色自动安装。

在底层，现在的runner通过与workflow一样的节点运行时来驱动一个普通的LlmAgent。好处是：单Agent应用和完整的图共享同一个执行模型，而且人类在环现在对普通的LLM Agent也同样生效——不仅仅是workflow内部才有。

我们还对编程模型进行了平滑统一：ToolContext和CallbackContext现在合并成了统一的agent.Context——不管你写的是工具、回调还是图节点，都只需要学习这一个类型。而且节点和Agent的执行现在出现在同一个一致的telemetry span树里，所以你可以清晰地看到你的图到底做了什么。

从1.0升级

ADK 2.0是高度增量式的——整个workflow引擎都是你选择加入的新包。但伴随着运行时的统一，也有一些新增和破坏性变更；每个变更都有简单、机械的修复方式：

• 节点和节点函数的签名现在接收agent.Context。如果你写了节点或节点函数，把第一个参数从agent.InvocationContext改成agent.Context（它内嵌了InvocationContext，所以你之前用的所有方法都还能用）：

// 之前：

func(ctx agent.Context, in string) (string, error)

• 一个统一的上下文。ToolContext、CallbackContext都不存在了——工具、回调和workflow节点现在都直接接收agent.Context。如果你在测试中mock了上下文，agent/context_mock.go仍然保留；使用那个文件里的StrictContextMock作为测试替身。
• 自定义InvocationContext的实现需要两个方法：IsolationScope()和ResumedInput(id string)。大多数代码内嵌了提供的实现，所以可以免费获得这些方法。
• 事件流更丰富了。事件现在带有节点字段（IsolationScope、Output、Routes、RequestedInput）和一个元数据字段（NodeInfo）。如果你在测试中使用了严格的session.Event相等性断言，需要注意新字段；自定义的session存储也需要持久化它们。
• llmagent.New可能安装模式专属的工具。如果你设置了子Agent的模式，有效的工具集会反映这些模式；task模式的Agent不能用作静态图节点。
• session.NewEvent现在接收一个context。签名现在是NewEvent(ctx context.Context, invocationID string)。迁移时，把已经在你作用域内的context.Context作为第一个参数传入。

整个列表就这些。runner.Run/RunLive、agenttool和llmagent回调的公开签名没有变化。如需一步步的迁移前后说明，请参阅ADK Go 2.0迁移指南。

试试看

最快感受ADK 2.0的方式是看看新的workflow示例：

go run ./examples/workflow/basic/

go run ./examples/workflow/complex/ # 一个更大的、多形状的图

ADK 1.0证明了，在Go中构建严肃的Agent可以很干净、很高效。ADK 2.0则迈出了下一步：把这些Agent组合成可靠、可观测、可恢复的workflow——以图的形式，用地道的Go，并在需要时让人类参与进来。

非常期待看到你们会用它来做什么。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：ADK Go 2.0构建可靠多智能体应用：图式工作流、人机协同与动态编排要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题