Google 在 2026 年 7 月 1 日发布 ADK 2.0 介绍，核心讯息很直接：生产环境的 AI agent 不能只靠一段长 prompt 和模型自行决定流程。真实企业流程需要可预测路径、清楚错误状态、人工审批点和成本控制。
文章指出，AI agent 由 prototype 走向 production 后，常见问题包括无限循环、因 hallucination 跳过 business logic、或者在失败时没有干净 exception。这些问题不只是提示词写得好不好的问题，而是 orchestration 应不应该交给 LLM 的问题。
ADK 2.0 的方向，是把 workflow runtime 放进 agent toolkit。开发者可以用 graph 或 dynamic workflows 定义哪些步骤必须按程序逻辑执行，例如查资料、路由、退款、更新 CRM；同时把真正需要理解自然语言、分类、草拟回复的部分交给 LLM 或 specialized agents。
这个 hybrid design 对企业特别重要。若流程已经很明确，例如 A 一定要先于 B，让 LLM 每次重新推理下一步只会增加 token、latency 和 variance。相反，把 deterministic steps 写成 code，模型只处理模糊判断，可以令 agent 更像可审计的软件系统。
Google 也把安全问题讲得很清楚。纯 autonomous agent 容易受 prompt injection 影响，因为模型有机会被输入内容带离原本路径。ADK 2.0 用 workflow graph 把可执行路径固定下来，即使某个 LLM node 被操控，也不一定有 edge 去执行未授权行动。
对 AI workflow 团队来说，这篇文章最值得记住的不是某个 SDK 语法，而是一条设计原则：可以明确定义的流程，用 software control；需要理解和生成的段落，才用模型。这会成为 2026 年 agent 产品由 demo 走向 production 的核心分界。
