Google ADK 2.13.0 fügt typisiertes Routing und Live-Audio hinzu

ADK 2.13.0 ändert die Oberfläche des Agenten-Workflows

Googles Open-Source-Agent Development Kit für Python wurde am 23. Oktober UTC auf GitHub in Version 2.13.0 veröffentlicht. Die Veröffentlichungsüberschrift bezeichnet den Änderungssatz als 22. Oktober, daher sind beide Daten wichtig: Der 22. Oktober ist das Versionsdatum in den Notizen, während der 23. Oktober der Veröffentlichungszeitstempel von GitHub ist. Zu den Highlights gehören die Heraufstufung von 12 experimentellen Funktionen in den stabilen Status, ein typisierter Klassifikatorknoten, Live-Audio-Interaktion mit Unterbrechungsunterstützung, MongoDB-gestützte Sitzungen und Speicher sowie Leistungsänderungen. Stabilitätsförderung ist eine Aussage der Projektbetreuer über die Funktionsregistrierung. Es beweist nicht, dass jede abhängige Anwendung aktualisiert werden kann, ohne ihr eigenes Agentendiagramm und ihre eigenen Integrationen zu testen.

Ein Klassifikator kann ohne einen allgemeinen Chat-Anruf weiterleiten

Der neue „TypesafeClassifier“ und „ClassifierNode“ verwenden die Jev-Modelle von TypeSafe für Routing-Workflows. Den Versionshinweisen zufolge gibt Jev kalibrierte Wahrscheinlichkeiten in einem Vorwärtsdurchlauf zurück und ist für diese enge Auswahl schneller als die Verwendung eines LLM. Ein Entwickler könnte einen solchen Knoten verwenden, um eine Benutzeranfrage an einen bekannten Workflow weiterzuleiten, eine nicht unterstützte Kategorie abzulehnen oder unsichere Eingaben zu eskalieren. Die bemerkenswerte technische Änderung ist eine explizite Klassifikationsstufe im Diagramm mit einem eindeutigen Modell- und Ausgabevertrag. Die Hinweise bieten keine allgemein gemessene Latenz- oder Genauigkeitsverbesserung für alle Domänen. Daher sollte die Behauptung anhand repräsentativer Anfragen überprüft werden, bevor die Routing-Richtlinie geändert wird.

Das Klassifikator-Routing erfordert einen Enthaltungspfad. Wenn die höchste Punktzahl nur geringfügig über der Zweitplatzierten liegt, kann es schlimmer sein, eine Anfrage an ein Tool mit Nebenwirkung zu senden, als um Klarstellung zu bitten. Ein Bewertungssatz sollte mehrdeutige, mehrsprachige und widersprüchlich formulierte Anfragen umfassen, und das Team sollte falsche Routen mit einem regelbasierten oder früheren LLM-Router vergleichen. Versionieren Sie den Etikettensatz und die Schwellenwerte mit dem Agenten. Eine kalibrierte Wahrscheinlichkeit ist nur unter der bei der Kalibrierung verwendeten Verteilung und Bezeichnungen aussagekräftig; Eine neue Kundengruppe kann es verschieben. Hierbei handelt es sich um Akzeptanztests, die durch die Funktionsform der Version vorgeschlagen werden, und nicht um von Google behauptete Metriken.

Live-Audio und Persistenz lösen verschiedene Probleme

Die Version fügt neben Gemini Speech-to-Text und Text-to-Speech-Integration einen Live-Sprachpfad mit Barge-in-Unterstützung hinzu. Eingreifen bedeutet, dass eine laufende gesprochene Antwort vom Benutzer unterbrochen werden kann, anstatt den Zuhörer zu zwingen, auf eine abgeschlossene Runde zu warten. Das ist wichtig für die Barrierefreiheit und die Konversationskontrolle, verändert jedoch die Statusbehandlung: Der Agent hat möglicherweise Text generiert oder eine Tool-Aktion gestartet, als die Sprache unterbrochen wurde. Ein Pilot sollte definieren, ob eine Unterbrechung nur die Generierung abbricht, auch die Werkzeugarbeit abbricht oder einfach ändert, was der Benutzer hört. Die öffentlichen Notizen legen die Funktion fest und verlinken den Leitfaden. Sie definieren nicht die Abbruchsemantik jeder Anwendung.

Google führt außerdem „MongoDbSessionService“ ein, der Sitzungen beibehalten und über Läuferreplikate hinweg teilen kann, und „MongoDbMemoryService“, der frühere Runden durch Schlüsselwortübereinstimmung abruft, ohne dass Einbettungen oder ein Vektorindex erforderlich sind. Die Hinweise kennzeichnen beide MongoDB-Dienste ausdrücklich als experimentell. Sitzungspersistenz und Langzeitgedächtnis sollten separat bewertet werden: Ein Sitzungsspeicher hält den aktuellen Konversationsstatus über Replikate hinweg konsistent, während der Speicherabruf entscheidet, welche älteren Fakten zurückgeholt werden. Der Keyword-Matching kann transparent und kostengünstig sein, es kann jedoch passieren, dass dabei Synonyme fehlen oder irrelevanter Text abgerufen wird. Benutzer benötigen Lösch- und Zugriffskontrollregeln für gespeicherte Konversationen, auch wenn keine Vektoreinbettung erstellt wird.

Die Bereitstellung erfordert eine Migrationsprobe

Zu den in den Hinweisen beschriebenen MongoDB-Toolset-Änderungen gehören die Bereitstellung auf Agent Engine ohne Packen einer Verbindungszeichenfolge in das Anwendungspaket und ein Atlas-Einbettungspfad, der einen separaten Google-Einbettungsaufruf vermeidet. Dieses Design kann die versehentliche Verteilung von Anmeldeinformationen reduzieren, beseitigt jedoch nicht die Notwendigkeit, Datenbankidentität, Netzwerkrichtlinien und Aufbewahrung korrekt zu konfigurieren. Teams sollten eine Testdatenbank mit nicht vertraulichen Daten bereitstellen, die Isolierung pro Agent überprüfen und bestätigen, dass bei einem Rollback auf die vorherige ADK-Version neue Sitzungsdatensätze gelesen oder sicher ignoriert werden. Eine experimentelle Bezeichnung ist ein Grund, das Schema und das Verhalten im Fehlerfall zu testen, und kein Grund, zu behaupten, der Dienst sei unbrauchbar.

In den Versionshinweisen werden auch Verbesserungen der Ausführungsleistung erwähnt, die Leistung variiert jedoch je nach Diagrammform, Modellreaktionszeit und Toolaufrufen. Um eine Migration zu beurteilen, erfassen Sie die Erfolgsrate, die Gesamtlatenz, die Wartezeit auf Tools, doppelte Nebenwirkungen und die Qualität des Speicherabrufs für dieselben Aufgaben vor und nach v2.13.0. Der Code und die Anleitungen machen diese Änderungen überprüfbar. Ein gezieltes Upgrade kann die stabilisierten Funktionen übernehmen und gleichzeitig den experimentellen Speicher außerhalb des kritischen Pfads belassen, bis sein Betriebsverhalten bekannt ist. Dieser technische Artikel gehört zur Ausgabe vom 25. Oktober, da die ursprünglichen Versionshinweise und die GitHub-Veröffentlichung am 22. und 23. Oktober erschienen sind. Es ist keine Veröffentlichung am 25. Oktober vorgesehen.