Google ADK 2.13.0 增加类型安全路由与实时语音

ADK 2.13.0 扩展智能体开发流程

Google 的 Python 开源代理开发工具包于 UTC 时间 10 月 23 日在 GitHub 上发布了 v2.13.0。发布标题将更改集标记为 10 月 22 日，因此这两个日期都很重要：10 月 22 日是注释中的版本日期，而 10 月 23 日是 GitHub 的发布时间戳。亮点包括将 12 个实验性功能提升至稳定状态、类型安全分类器节点、带中断支持的实时音频交互、MongoDB 支持的会话和内存以及性能更改。稳定性提升是项目维护者对其功能注册表的声明。它并不能证明每个依赖应用程序都可以在不测试自己的智能体工作流图和集成的情况下进行升级。

分类器可以在没有通用聊天模型调用的情况下进行路由

新的“TypesafeClassifier”和“ClassifierNode”使用 TypeSafe 的 Jev 模型来路由工作流。根据发行说明，Jev 在一次前向传递中返回校准概率，并且比使用 LLM 更快地完成这一狭窄的选择。开发人员可以使用这样的节点将用户请求路由到已知的工作流程、拒绝不支持的类别或升级不确定的输入。值得注意的工程变化是图中的显式分类器阶段，具有不同的模型和输出契约。发布说明并未提供跨每个域的普遍测量的延迟或准确性改进，因此在更改路由策略之前应根据代表性请求验证该声明。

分类器路由需要一条弃权路径。如果最高分仅略高于第二名，则向有副作用的工具发送请求可能比要求澄清更糟糕。评估集应包括不明确、多语言和敌对措辞的请求，团队应将错误路由与基于规则或先前的 LLM 路由器进行比较。使用代理对标签集和阈值进行版本控制。校准概率仅在校准中使用的分布和标签下才有意义；新的客户群可以改变它。这些是该版本的功能形状建议的采用测试，而不是 Google 声称的指标。

实时语音与持久化解决不同问题

该版本新增支持用户打断的实时语音路径，并集成 Gemini 语音转文字和文字转语音。用户可以在语音回复尚未结束时插话，而无需等完整轮次播完。这改善了无障碍体验和对话控制，但也改变了状态处理：语音中断时，智能体可能已经生成了文字或启动工具操作。试用团队应明确，中断是只取消生成、也取消工具任务，还是仅改变用户听到的内容。公开发布说明确认了这些功能并链接使用指南，但没有替每个应用定义取消语义。

谷歌还引入了“MongoDbSessionService”和“MongoDbMemoryService”，前者可以持久保存会话并在运行者副本之间共享它们，后者可以通过关键字匹配来回忆之前的回合，而不需要嵌入或向量索引。这些注释明确地将这两个 MongoDB 服务标记为实验性的。会话持久性和长期记忆应该分开评估：会话存储使当前会话状态在副本之间保持一致，而内存检索则决定恢复哪些较旧的事实。关键字匹配可以是透明且廉价的，但它可能会丢失同义词或检索不相关的文本。即使没有创建向量嵌入，用户也需要存储对话的删除和访问控制规则。

部署需要迁移演练

注释中描述的 MongoDB 工具集更改包括部署到 Agent Engine，无需将连接字符串打包到应用程序包中，以及避免单独的 Google 嵌入调用的 Atlas 嵌入路径。该设计可以减少意外的凭证分发，但并不能消除正确配置数据库身份、网络策略和保留的需要。团队应使用非敏感数据建立一个测试数据库，验证每个代理的隔离，并确认回滚到以前的 ADK 版本会读取或安全地忽略新的会话记录。实验标签是测试失败情况下的架构和行为的原因，而不是声称服务不可用的原因。

发行说明还提到了执行性能的改进，但性能因图形形状、模型响应时间和工具调用而异。为了判断迁移，记录 v2.13.0 之前和之后相同任务的成功率、总延迟、等待工具所花费的时间、重复副作用和内存检索质量。代码和指南使这些更改可以检查。集中升级可以采用稳定的功能，同时将实验存储置于关键路径之外，直到知道其操作行为为止。本篇技术稿列入 10 月 25 日刊期，因为原始版本说明和 GitHub 版本出现于 10 月 22 日至 23 日；并不暗示 10 月 25 日发布。