Stell dir Folgendes vor.
Du gibst einem Agenten fünf Tools und eine einzige Anweisung.
Dein Rückerstattungsprozess könnte perfekt laufen.
Dann schlägt die Bestätigungs-E-Mail fehl.
Der Agent startet die Sequenz von vorn und wiederholt eine Aktion, die bereits erfolgreich war.
Das Ergebnis? Eine doppelte Rückerstattung.
Der Prototyp funktionierte einwandfrei. Das Produktionssystem nicht.
Das Problem ist nicht der Prompt.
Das Problem ist, dass man das Modell bittet, einen Prozess auszuführen, den es von vornherein nie ausführen sollte!
LLMs werden ständig für Routing, Scheduling und Fehlermanagement eingespannt.
Das sind Aufgaben, die Standardsoftware bereits mit perfekter Vorhersehbarkeit erledigt.
Doch wir bitten KI, zwei widersprüchliche Jobs zu übernehmen:
- Die Welt lesen: Unvorhersehbare, unstrukturierte Daten verstehen
- Den Prozess ausführen: Eine starre, vordefinierte Abfolge von Ereignissen orchestrieren
Beim ersten Punkt glänzt KI. Beim zweiten ist traditioneller Code richtig.
Wenn der nächste Schritt bekannt ist, sollte ein Modell nicht raten müssen.
Stell dir einen einzelnen autonomen Agenten vor, der fünf Tools und eine große Anweisung erhält:
→ Kaufhistorie abrufen
→ Rückerstattungsrichtlinie prüfen
→ Rückerstattung ausstellen, falls berechtigt
→ E-Mail senden
→ Ticket schließen
Um das zu schaffen, muss der Agent die Sequenz im Kopf behalten, jedes Tool-Ergebnis prüfen und ableiten, was als Nächstes kommt.
Wenn diese Bestätigungs-E-Mail fehlschlägt, nachdem das Geld gesendet wurde, versucht das Modell, den Workflow aus seinem Kontextfenster zu rekonstruieren, statt von einem sicheren Ausführungszustand fortzufahren.
Das Ergebnis ist die doppelte Rückerstattung, die wir vorhin erwähnt haben.
Wie ADK 2.0 Ordnung ins Chaos bringt
Das ADK 2.0 von Google behebt das, indem es einen völlig neuen Ansatz verfolgt.
Es verwandelt vorhersehbare Aktionen zurück in konkrete Workflow-Schritte und setzt KI nur dort ein, wo tatsächlich Interpretation nötig ist:
[Grafik des Rückerstattungs-Workflows – Quelle: „Why we built ADK 2.0“]
Im Beispiel oben sind das Abrufen der Kaufhistorie, das Ausstellen der Rückerstattung und das Schließen des Tickets normale Software-Aktionen.
Die Analyse der Beschwerde und das Verfassen einer personalisierten Bestätigungsnachricht werden der KI überlassen.
Das Ergebnis ist ein wunderbarer Hybrid: feste Ausführung kombiniert mit fokussiertem Denken.
Aber du fragst dich vielleicht: Ist das nicht nur eine Rückkehr zur starren Automatisierung?
Programmieren wir nicht genau die Workflows fest ein, die Agenten eigentlich ersetzen sollten?
Nun, nicht ganz.
Der Workflow definiert die Grenzen, die bereits bekannt sind.
Die Agenten übernehmen weiterhin die Teile, die Interpretation, Sprache oder Urteilsvermögen erfordern.
Das Ziel ist nicht, Flexibilität zu entfernen, sondern das Modell nicht länger zu zwingen, bei jedem einzelnen Durchlauf denselben Ausführungspfad neu zu entdecken.
Indem diese unnötigen Modell-Entscheidungen eliminiert werden, verändert diese Architektur die Rechnung komplett.
Gleicher Rückerstattungs-Workflow. Gleiches Modell.
Aber mit ADK 2.0 sanken die Tokens von 5.152 auf 2.265, und die Latenz fiel von 7,2 s auf 5,7 s 🔥
[Quelle: „Why we built ADK 2.0“]
Diese Struktur wirkt wie ein natürlicher Filter, der den Token-Verbrauch halbiert.
Statt die gesamte Historie zu übergeben, sehen Agenten nur das, was sie brauchen (z. B. sieht der Policy-Agent nur die Beschwerde).
Die Vorteile sind unmittelbar:
- Weniger Prompt-Rauschen und mehr Datenschutz
- Streng eingeschränkte Ausführung
- Fail-safes: Ein Modell kann eine schlechte Entscheidung treffen, aber es kann sich nie eine eigene Route ausdenken
Auch das Frontend braucht Grenzen: Wie A2UI deine UIs unter Kontrolle hält
Das ist großartig. Der Rückerstattungs-Workflow ist jetzt unter Kontrolle.
ADK 2.0 hat den Pfad definiert und verhindert, dass der Agent seine eigene Sequenz erfindet.
Aber der Nutzer braucht immer noch einen sicheren Weg, um zu sehen und darauf zu reagieren, was der Agent produziert.
Mit anderen Worten: Auch das Frontend braucht Grenzen!
Stell dir vor, dass jede genehmigte Rückerstattung jetzt die Freigabe eines Vorgesetzten erfordert.
Der Agent sollte nicht einfach Text generieren, der sagt:
„Diese Rückerstattung ist genehmigt.“
Er muss eine strukturierte Karte anzeigen, die Folgendes enthält:
- den Betrag
- die Transaktion
- den Richtliniengrund
- klare Schaltflächen „Genehmigen/Ablehnen“
Genau hier kommt A2UI von Google ins Spiel!
Mit A2UI gibt der Agent ein deklaratives JSON-Payload zurück, statt ausführbaren Frontend-Code.
Der Host validiert dieses Payload und rendert nur Komponenten, die sein Katalog unterstützt.
Der Agent entscheidet, welche Informationen erscheinen, und die App kontrolliert, wie sie gerendert werden.
👇 Unten siehst du Beispiele für A2UI-gerenderte Karten, die dir die große Vielfalt an UI-Kompositionen zeigen, die A2UI erreichen kann:
Die A2UI-over-MCP-Recipe-Studio-Demo von Google zeigt diese Architektur in der Praxis:
Quelle: Google Developers Blog.
👆 Du siehst, dass ein statisches Auswahlformular über eine MCP-Ressource bereitgestellt wird, während eine dynamisch generierte Rezeptkarte über ein MCP-Tool zurückgegeben wird.
A2UI rendert beide nativ in der Host-Anwendung.
Erkennst du die Symmetrie?
- ADK 2.0 begrenzt, was der Agent im Backend tun kann
- A2UI begrenzt, was er im Frontend erstellen kann
In beiden Fällen hat das Modell Raum zum Denken, aber nur innerhalb von Grenzen, die die Anwendung definiert hat.
Um auf das Rückerstattungsbeispiel von vorhin zurückzukommen: Eine Standard-Rückerstattung braucht vielleicht nur eine einfache Genehmigungskarte.
Aber ein strittiger Fall mit Ausnahmen, Anhängen oder Teilzahlungen erfordert möglicherweise ein umfangreicheres Erlebnis.
Hier kann eine MCP-App einspringen und einen abgeschlossenen Arbeitsbereich für komplexe Interaktionen bereitstellen:
→ ADK kontrolliert, was passieren kann
→ A2UI macht das Ergebnis sichtbar und direkt nutzbar
→ MCP-Apps übernehmen die komplexen Arbeitsbereiche
Neugierig geworden?
Hier findest du alles, was du brauchst, um ADK 2.0, A2UI und die breitere Agentenplattform von Google Cloud zu erkunden:
- ADK 2.0: https://fandf.co/4yJhcyh
- A2UI: https://fandf.co/3S1O9pe
- A2UI over MCP: https://fandf.co/45vomJ3
- Gemini Enterprise Agent Platform: https://fandf.co/4x59VY7
Es war eine Ehre, bei diesem Projekt mit @googlecloud zusammenzuarbeiten! 🤝
Wenn du auf dem Laufenden bleiben willst, was LLMs, KI-Agenten und Workflows angeht, folge mir gerne @datachaz für tägliche Einblicke.
