Google lanza ADK para Kotlin 1.0, con paridad de funciones con Python y Java

Google ha publicado la versión 1.0 del Agent Development Kit para Kotlin, un framework para construir agentes de IA en Kotlin, Android y aplicaciones JVM. Con este lanzamiento el kit alcanza la paridad de funciones con las versiones de Python y Java de ADK y suma capacidades propias de Android para ejecutar agentes en el dispositivo o en modo híbrido. Sigue siendo open source.

A efectos prácticos: quien desarrolle en Kotlin ya no necesita montar la lógica de sus agentes en Python. El ADK expone APIs idiomáticas del lenguaje para orquestación, soporte de herramientas, persistencia, memoria y flujos con intervención humana. Está construido sobre Kotlin Multiplatform y corre igual en servidor que en móvil, y Google sostiene que su arquitectura es "completamente agnóstica al backend de modelo, al proveedor de sesión o al sistema de memoria" que haya por debajo. El código está en el repositorio de GitHub y la compañía detalló el alcance en el anuncio del lanzamiento.

Esquemas de herramientas en tiempo de compilación

Una de las decisiones de diseño con más consecuencias es cómo se declaran las herramientas. Se anotan con @Tool y @Param, y KSP genera los esquemas de las funciones de Kotlin en tiempo de compilación. Eso evita la reflexión en tiempo de ejecución, con la ganancia en seguridad de tipos y en rendimiento que eso supone. "Manejar los esquemas de herramientas en tiempo de compilación con KSP mantiene el arranque rápido en objetivos móviles", apuntó en LinkedIn el ingeniero de Android de PiNCAMP Arjun Kumar.

Para acciones delicadas está el flujo de human-in-the-loop: basta con marcar requireConfirmation = true en la declaración de una herramienta para que el agente tenga que pedir confirmación explícita antes de ejecutarla. El caso que pone Google es una transferencia bancaria.

@Tool(
    name = "transferFunds",
    requireConfirmation = true
)
fun transferFunds(...)

Joske Vermeulen, responsable del boletín AI Dev Weekly, recomienda empezar por un solo agente reanudable y con confirmación explícita de herramientas antes de meterse en jerarquías de agentes: según él, la madurez en producción depende más de la recuperación del ciclo de vida y de límites deterministas en las herramientas que del número de agentes que se desplieguen.

Otras piezas del kit: sistemas multiagente jerárquicos, donde un agente padre delega tareas en hijos; compactación de contexto y conversación multiturno, que resume el historial para gastar menos tokens; gestión de sesiones que permite pausar, serializar y restaurar el estado de un agente; e interoperabilidad con Java. A eso se suman las skills, conocimiento procedimental guardado en archivos SKILL.md que se carga solo cuando hace falta mediante lo que Google llama revelación progresiva, de forma que no haya que meter el manual entero en el contexto del modelo en cada llamada.

En el lado Android, el ADK soporta inferencia local con LiteRT-LM y con ML Kit, esta última todavía en beta, y para la parte de nube o híbrida se integra con Firebase AI Logic. La idea es que una app ejecute el agente en local cuando tenga sentido y salte a un modelo en la nube cuando necesite más capacidad. La persistencia puede apoyarse en servicios nativos de la plataforma, como Room para las sesiones de chat, AppSearch para la memoria indexada o el almacenamiento del dispositivo para archivos.

Para un equipo que ya tenga Android o backend en Kotlin, el kit quita la excusa de mantener un servicio aparte en Python solo para los agentes. Queda por ver cómo se comporta ML Kit cuando salga de beta y si la paridad con Python aguanta el ritmo al que Google mueve el ADK de Python.