Google ADK：AI智能体的30+集成方案

一个会"思考"的智能体很有趣。一个能在GitHub开PR、在Stripe触发支付、在Qdrant记录语义记忆、通过Mailgun发送邮件——所有这些都在单一编排流程中——的智能体才真正具有运营价值。2026年2月27日，Google宣布了这一消息：Agent Development Kit（ADK）扩展了超过30个来自领先合作伙伴的原生集成。

  <hr />

  <h2>Google宣布了什么——不加浪漫化</h2>
  <p><a href="https://developers.googleblog.com/supercharge-your-ai-agents-adk-integrations-ecosystem/" target="_blank" rel="noopener">Google Developers官方博客</a>（2026年2月27日）将ADK的扩展描述为按八个功能类别组织的第三方集成生态系统。前提很直接：框架已经提供了编排原语；现在提供连接真实世界的现成连接器。</p>

  <p>集成架构是统一的：配置一个<code>McpToolset</code>指向合作伙伴的MCP端点（或使用ADK原生<code>plugin</code>），传入有范围的凭证，智能体就能访问该系统的工具。智能体核心——模型、指令、记忆——不变。</p>

  <div class="blog-table-container">
    <table class="blog-table">
      <thead>
        <tr>
          <th>类别</th>
          <th>可用合作伙伴</th>
          <th>智能体操作示例</th>
        </tr>
      </thead>
      <tbody>
        <tr>
          <td><strong>代码与开发</strong></td>
          <td>Daytona、GitHub、GitLab、Postman、Restate</td>
          <td>开PR、在隔离沙箱运行测试、检查CI/CD流水线</td>
        </tr>
        <tr>
          <td><strong>项目管理</strong></td>
          <td>Asana、Atlassian、Linear、Notion</td>
          <td>创建issue、更新sprint、在Confluence中搜索文档</td>
        </tr>
        <tr>
          <td><strong>数据库与向量库</strong></td>
          <td>Chroma、MongoDB、Pinecone</td>
          <td>语义搜索、集合查询、结果重排</td>
        </tr>
        <tr>
          <td><strong>持久记忆</strong></td>
          <td>GoodMem、Qdrant</td>
          <td>跨会话保存上下文、检索多模态记忆</td>
        </tr>
        <tr>
          <td><strong>可观测性</strong></td>
          <td>AgentOps、Arize AX、MLflow、W&B Weave、Phoenix</td>
          <td>会话回放、工具使用追踪、生产LLM评估</td>
        </tr>
        <tr>
          <td><strong>连接器</strong></td>
          <td>n8n、StackOne</td>
          <td>触发工作流、通过统一网关连接200+ SaaS</td>
        </tr>
        <tr>
          <td><strong>支付</strong></td>
          <td>PayPal、Stripe</td>
          <td>开发票、处理订阅、查询历史</td>
        </tr>
        <tr>
          <td><strong>语音与音频</strong></td>
          <td>Cartesia、ElevenLabs</td>
          <td>生成语音、克隆声音、转录音频</td>
        </tr>
        <tr>
          <td><strong>邮件与消息</strong></td>
          <td>AgentMail、Mailgun</td>
          <td>管理智能体专用收件箱、发送和追踪邮件</td>
        </tr>
        <tr>
          <td><strong>AI与数据集</strong></td>
          <td>Hugging Face</td>
          <td>访问模型、数据集和论文；运行Gradio应用</td>
        </tr>
      </tbody>
    </table>
  </div>

  <p>除第三方集成外，ADK还包括与Google Cloud服务的原生连接器：BigQuery、Spanner、Pub/Sub等——对在GCP生态系统内运营的用户尤为相关。</p>

  <hr />

  <h2>实践意义——关键章节</h2>

  <h3>ADK生态系统前后对比</h3>
  <div class="blog-table-container">
    <table class="blog-table">
      <thead>
        <tr>
          <th>场景</th>
          <th>之前（手动集成）</th>
          <th>现在（ADK + McpToolset）</th>
        </tr>
      </thead>
      <tbody>
        <tr>
          <td>智能体在GitHub开PR</td>
          <td>GitHub SDK + 自定义包装器 + 手动认证</td>
          <td>带有范围token的<code>McpToolset</code>，10行配置</td>
        </tr>
        <tr>
          <td>智能体跨会话保存记忆</td>
          <td>自有向量库 + 嵌入逻辑 + 检索</td>
          <td>Qdrant或GoodMem插件，自动持久化</td>
        </tr>
        <tr>
          <td>智能体触发支付</td>
          <td>手动Stripe集成 + 验证 + 审计</td>
          <td>Stripe插件——但<strong>需要人工审批防护栏</strong></td>
        </tr>
        <tr>
          <td>观察智能体做了什么</td>
          <td>零散日志，无工具使用可追溯性</td>
          <td>AgentOps / Phoenix / MLflow，原生ADK追踪</td>
        </tr>
      </tbody>
    </table>
  </div>

  <h3>4步采用流水线（实战经验）</h3>
  <ol>
    <li><strong>梳理目标工作流</strong>——识别智能体需要接触哪些系统以及按什么顺序。不要一次性全部连接。</li>
    <li><strong>从读取集成开始</strong>——GitHub只读、Notion搜索、Confluence查询。在启用写入之前验证智能体的推理。</li>
    <li><strong>在生产前添加可观测性</strong>——从一开始就安装AgentOps或Phoenix。没有追踪，就是盲飞。</li>
    <li><strong>通过人工审批启用写入/支付</strong>——对不可逆操作（合并、支付、批量邮件发送）使用<code>human_in_the_loop</code>。</li>
  </ol>

  <hr />

  <h2>公告中未提及的风险和摩擦</h2>

  <p>ADK生态系统解决了连接问题。但<strong>治理</strong>问题是您的责任——随着智能体获得更多工具，这个问题会变得更大。</p>

  <h3>1. 攻击面爆炸</h3>
  <p>每个集成都是潜在的提示注入向量。一个能访问GitHub + Stripe + 邮件的智能体，如果配置不当，可能泄露数据、触发收费或发送未授权通信。访问token必须限制在最小必要范围——尽可能只读，仅在确实必要时才写入。</p>

  <h3>2. Token成本随工具数量扩展</h3>
  <p>每次工具调用都会向上下文添加token。一个有10个活跃集成、每个流程调用5次的智能体，可能比简单智能体消耗3-5倍的token。从第1天起就监控每个会话的成本。</p>

  <h3>3. 持久记忆带来合规风险</h3>
  <p>GoodMem和Qdrant跨会话保存上下文。在受监管行业（医疗、金融、教育），这需要保留策略、匿名化和审计。没有治理的"记忆"就是未管理的个人数据。</p>

  <h3>4. 依赖第三方SLA</h3>
  <p>如果合作伙伴的MCP端点宕机，您的智能体就失去了该工具。为关键集成实现回退和断路器。</p>

  <hr />

  <h2>代码示例：使用ADK的GitHub智能体</h2>
  <p>Google官方博客提供了一个直接示例。在Python中，将GitHub添加到ADK智能体如下：</p>

  <div class="blog-code-block">

from google.adk.agents import Agent from google.adk.tools.mcp_tool import McpToolset from google.adk.tools.mcp_tool.mcp_session_manager import StreamableHTTPServerParams

GITHUB_TOKEN = “YOUR_GITHUB_TOKEN” # 使用有范围的token（尽可能只读）

root_agent = Agent( model=“gemini-2.0-flash”, name=“github_agent”, instruction=“帮助用户查询GitHub上的仓库和issue”, tools=[ McpToolset( connection_params=StreamableHTTPServerParams( url=“https://api.githubcopilot.com/mcp/”, headers={ “Authorization”: f”Bearer {GITHUB_TOKEN}”, “X-MCP-Toolsets”: “all”, “X-MCP-Read-Only”: “true” # 显式防护栏 }, ), ) ], )

对于任何集成，模式都是一样的：更换端点和凭证。智能体不需要知道GitHub内部如何工作——只需要知道它能做什么。

  <hr />

  <h2>与A-MAD的连接：ADK生态系统的定位</h2>
  <p>在我们在Autenticare项目中应用的<strong>A-MAD（AI-Managed Agile Development）</strong>方法论中，带集成的ADK专门解决<em>自主执行</em>层——智能体从聊天助手转变为工作流主动参与者的节点。</p>

  <p>在实际项目中，我们看到三种与这个生态系统配合良好的采用模式：</p>
  <ul>
    <li><strong>Issue分类智能体</strong>——读取GitHub/Linear，按严重程度分类，分配给正确的开发者，更新Notion。零代码编写，高运营影响。</li>
    <li><strong>客户入职智能体</strong>——查询CRM，通过模板生成合同，通过Mailgun发送邮件，在Notion创建工作区。以前需要2天的流程变为20分钟。</li>
    <li><strong>财务监控智能体</strong>——查询Stripe，整合指标，生成报告并通过邮件发送。替代每周手动仪表盘。</li>
  </ul>

  <p>在所有情况下，规则都是相同的：<strong>先可观测性，后自主性</strong>。在将智能体投入生产之前安装Phoenix或AgentOps。在将人类移出循环之前先了解工具使用模式。</p>

  <hr />

  <h2>启动开关前的就绪检查清单</h2>
  <ul>
    <li>☐ 每个集成的访问token范围限制在最小必要权限</li>
    <li>☐ 配置可观测性（工具使用追踪、会话日志）</li>
    <li>☐ 不可逆操作（支付、合并、批量邮件）有人工审批</li>
    <li>☐ 为持久记忆（Qdrant/GoodMem）定义保留策略</li>
    <li>☐ 为关键集成实现回退</li>
    <li>☐ 生产前使用对抗性输入进行提示注入测试</li>
    <li>☐ 激活每会话token成本监控</li>
  </ul>

  <blockquote>
    先可观测性，后自主性。在将智能体投入生产之前安装Phoenix或AgentOps——在将人类移出循环之前先了解工具使用模式。
  </blockquote>

延伸阅读

• 智能体、技能还是MCP：无瓶颈编排AI
• GeminiClaw：本地优先多智能体编排器
• 自主智能体：自主决策的软件