想象一下。
你给一个 Agent 五个工具和一条指令。
你的退款流程也许能完美运行。
接着，确认邮件发送失败了。
Agent 从头重新跑了一遍整个流程，把已经成功的操作又执行了一次。
结果呢？双重退款。
原型跑得很完美，生产系统却翻了车。
问题不在提示词。
问题在于，让模型去运行一个它一开始就不该运行的流程！
LLM 却经常被迫承担路由、调度和错误管理的工作。
而这些任务，标准软件早就能够以完全可预测的方式处理了。
然而，我们却要求 AI 同时干两件互相冲突的活：
- 理解世界：解读不可预测的非结构化数据
- 执行流程：编排一套死板的、预先定义好的事件序列
前者是 AI 的用武之地，后者属于传统代码的职责范畴。
当下一步已知时，模型就不应该靠猜。
想象一个自主 Agent，手里拿着五个工具和一大段指令：
→ 获取购买记录
→ 查看退款政策
→ 符合条件就退款
→ 发送邮件
→ 然后关闭工单
要完成这一切，Agent 必须记住整个顺序，逐一检查每个工具的结果，并推断出下一步该做什么。
如果退款已经发出，而确认邮件发送失败，模型就会尝试从上下文窗口里重建工作流，而不是从安全的执行状态继续。
结果就是我们前面提到的双重退款。
ADK 2.0 如何让混乱恢复秩序
Google 的 ADK 2.0 用一种全新的思路解决了这个问题。
它把可预测的操作重新变回具体的工作流步骤，只在真正需要解读的地方才引入 AI：
[退款工作流示意图 - 来源："Why we built ADK 2.0"]
在上面的例子中，获取购买记录、执行退款和关闭工单都是普通的软件操作。
而分析投诉内容、起草个性化确认消息，则交给 AI 处理。
最终成果是一个漂亮的混合体：固定执行 + 聚焦推理。
但你可能会想：这不就退回死板的自动化了吗？
我们是不是把 Agent 本该取代的工作流又硬编码回去了？
嗯，不完全是。
工作流界定的是那些已知的边界。
Agent 仍然负责需要解读、语言或判断力的部分。
目标不是移除灵活性，而是不再强迫模型在每次运行时都重新摸索同一条执行路径。
通过消除那些不必要的模型决策，这种架构彻底改变了成本结构。
同样的退款工作流。同样的模型。
但有了 ADK 2.0，Token 用量从 5,152 降到 2,265，延迟从 7.2 秒降到 5.7 秒 🔥
[来源："Why we built ADK 2.0"]
这种结构就像一道天然的过滤器，能把 Token 用量砍掉一半。
Agent 不再需要接收全部历史记录，只看到自己需要的部分（例如，政策 Agent 只看到投诉内容）。
好处立竿见影：
- 更少的提示词噪声，更高的隐私性
- 严格受限的执行过程
- 兜底机制：模型可能会做出错误的判断，但它永远无法自创路径
前端同样需要边界：A2UI 如何让你的 UI 始终可控
太好了。退款工作流现在完全可控了。
ADK 2.0 定义了路径，也阻止了 Agent 自行创造流程顺序。
但用户仍然需要一种安全的方式来查看并操作 Agent 生成的内容。
换句话说，前端同样需要边界！
想象一下，现在每一笔获批的退款都需要主管的签字确认。
Agent 不应该只是生成一段文字说：
"这笔退款已批准。"
它需要展示一张结构化卡片，其中包含：
- 金额
- 交易信息
- 政策依据
- 清晰的"批准/拒绝"按钮
这正是 Google 的 A2UI 派上用场的地方！
借助 A2UI，Agent 返回的是声明式 JSON 数据包，而不是可执行的前端代码。
宿主应用会校验这一数据包，并且只渲染其组件目录中支持的组件。
Agent 决定展示什么信息，应用控制这些信息的渲染方式。
👇 以下是一些 A2UI 渲染卡片的示例，展示了 A2UI 能实现的丰富多样的 UI 组合：
Google 的 A2UI-over-MCP Recipe Studio 演示展示了这套架构的实际运行效果：
来源：Google Developers Blog。
👆 可以看到，静态选择表单通过 MCP Resource 交付，而动态生成的食谱卡片则通过 MCP Tool 返回。
A2UI 在宿主应用中原生渲染这两者。
注意到这种对称性了吗？
- ADK 2.0 在后端约束 Agent 能做什么
- A2UI 在前端约束它能创造什么
在这两种情况下，模型都有推理的空间，但只能在应用定义的边界之内。
回到我们上面讨论的退款示例：标准退款可能只需要一张简单的审批卡片。
但涉及例外情况、附件或部分退款的争议案例，则可能需要更丰富的交互体验。
这时，MCP App 就可以登场，为复杂交互提供一个封闭式的工作空间：
→ ADK 控制能发生什么
→ A2UI 让结果可见、可操作
→ MCP Apps 处理复杂的工作空间
想了解更多？
以下是你探索 ADK 2.0、A2UI 以及 Google Cloud 更广泛的 Agent 平台所需的全部资源：
- 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
很荣幸能与 @googlecloud 在这个项目上合作！🤝
如果你想及时了解 LLM、AI Agent 和工作流的最新动态，欢迎关注我 @datachaz，获取每日最新洞察。
