Google 在 2026 年 7 月 1 日發布 ADK 2.0 介紹，核心訊息很直接：生產環境的 AI agent 不能只靠一段長 prompt 和模型自行決定流程。真實企業流程需要可預測路徑、清楚錯誤狀態、人工審批點和成本控制。
文章指出，AI agent 由 prototype 走向 production 後，常見問題包括無限迴圈、因 hallucination 跳過 business logic、或者在失敗時沒有乾淨 exception。這些問題不只是提示詞寫得好不好的問題，而是 orchestration 應不應該交給 LLM 的問題。
ADK 2.0 的方向，是把 workflow runtime 放進 agent toolkit。開發者可以用 graph 或 dynamic workflows 定義哪些步驟必須按程式邏輯執行，例如查資料、路由、退款、更新 CRM；同時把真正需要理解自然語言、分類、草擬回覆的部分交給 LLM 或 specialized agents。
這個 hybrid design 對企業特別重要。若流程已經很明確，例如 A 一定要先於 B，讓 LLM 每次重新推理下一步只會增加 token、latency 和 variance。相反，把 deterministic steps 寫成 code，模型只處理模糊判斷，可以令 agent 更像可審計的軟件系統。
Google 亦把安全問題講得很清楚。純 autonomous agent 容易受 prompt injection 影響，因為模型有機會被輸入內容帶離原本路徑。ADK 2.0 用 workflow graph 把可執行路徑固定下來，即使某個 LLM node 被操控，也不一定有 edge 去執行未授權行動。
對 AI workflow 團隊來說，這篇文章最值得記住的不是某個 SDK 語法，而是一條設計原則：可以明確定義的流程，用 software control；需要理解和生成的段落，才用模型。這會成為 2026 年 agent 產品由 demo 走向 production 的核心分界。
