Google ADK para Kotlin chega à versão 1.0 com paridade em relação ao Python
O Agent Development Kit do Google ganha uma implementação Kotlin madura, com multiagentes hierárquicos, ferramentas tipadas em tempo de compilação e suporte nativo a IA on-device no Android.
O Google lançou o Agent Development Kit (ADK) for Kotlin↳Kotlin4 conteúdosBootcamp com 10 mil bolsas gratuitas: DIO e NTTDATA lançam formação para iniciantes e profissionais de tecnologiaDev (Back & Front) · nov 2023TQI lança bootcamp de Kotlin com 25 mil bolsas de estudo gratuitas para desenvolvedoresDev (Back & Front) · abr 2023GitHub anuncia suporte para Swift e segurança mais ampla para aplicativos móveisDev (Back & Front) · jun 2023Ver tudo em Dev (Back & Front) → 1.0, framework para construir agentes de IA↳Agentes de IA42 conteúdosOpera passa a integrar ChatGPT, Claude e outros agentes de IADev (Back & Front) · mar 2026Operações mais inteligentes, decisões mais rápidas: o impacto da IA agêntica na rotina de TIAI · abr 2026Adobe aposta em orquestração de agentes de IA: o que muda para devsDev (Back & Front) · abr 2026Ver tudo em AI → que agora chega em paridade de recursos com as versões do ADK em Python e Java, segundo reportagem do InfoQ. Isso significa que times que já vivem no ecossistema JVM/Android deixam de precisar pular para Python só para escrever a lógica agentic de um projeto: orquestração, ferramentas, memória, persistência e workflows human-in-the-loop agora têm APIs idiomáticas em Kotlin.
O ADK for Kotlin é construído sobre Kotlin Multiplatform, o que quer dizer que o mesmo código de agente roda tanto em aplicações server-side quanto em dispositivos móveis. Segundo o Google, a arquitetura é "completamente agnóstica a backends de modelo, provedores de sessão ou sistemas de memória específicos", ou seja, não amarra o dev a um único provedor de LLM nem a uma única forma de persistir estado.
O que a versão 1.0 traz de novo
A lista de recursos que chegam com esse lançamento é a que de fato fecha a lacuna com Python e Java:
- Sistemas multiagente hierárquicos, em que um agente pai pode delegar tarefas a agentes filho;
- Compactação de contexto e conversas multi-turno, com gerenciamento automático de contexto e resumo de histórico para reduzir consumo de tokens;
- Gerenciamento de sessão, permitindo pausar, serializar e restaurar o estado de um agente;
- Interoperabilidade Java de primeira classe, relevante para qualquer base de código legada em Java que precise incorporar agentes sem reescrever tudo.
Para quem mantém sistemas de longa duração ou serviços que precisam sobreviver a reinícios, o gerenciamento de sessão é o item que resolve um problema prático real: agentes que ficam presos em loops longos ou que precisam ser retomados após falha do processo.
Ferramentas tipadas em tempo de compilação
Uma das decisões de design mais relevantes do ADK for Kotlin 1.0 é como ele trata ferramentas (tools) que o agente pode chamar. Em vez de depender de reflection em runtime, como é comum em frameworks agentic em Python, o Kotlin usa as annotations @Tool e @Param, processadas pelo KSP (Kotlin Symbol Processing) para gerar os schemas das funções em tempo de compilação.
Na prática, isso troca custo de runtime por checagem em build, com dois efeitos: mais segurança de tipos (erro de assinatura de ferramenta quebra o build, não a produção) e menos overhead de inicialização, importante em alvos móveis, onde cada milissegundo de cold start conta. Arjun Kumar, engenheiro Android na PiNCAMP, comentou o lançamento no LinkedIn dizendo que "lidar com schemas de ferramentas em tempo de compilação com KSP mantém a inicialização rápida em alvos mobile".
Confirmação humana antes de ações sensíveis
O ADK for Kotlin também formaliza workflows human-in-the-loop através da flag requireConfirmation na declaração de uma ferramenta. O exemplo dado pelo Google é direto:
@Tool(
name = "transferFunds",
requireConfirmation = true
)
fun transferFunds(...)Com isso, qualquer ação de alto impacto (transferência bancária é o exemplo usado, mas vale para qualquer operação destrutiva ou irreversível) exige aprovação explícita do usuário antes de ser executada. Combinado com os serviços de persistência nativos do Android, o framework permite guardar sessões de chat no Room, memória indexada no AppSearch e arquivos direto no armazenamento do dispositivo.
Joske Vermeulen, que mantém a newsletter AI Dev Weekly, deu um conselho prático sobre como adotar esse recurso: começar com um único agente resumível e confirmação explícita de ferramenta antes de partir para uma hierarquia de agentes, porque "a maturidade em produção depende mais de recuperação de ciclo de vida e limites determinísticos de ferramentas do que da quantidade de agentes". É um contraponto direto ao hype de arquiteturas multiagente complexas: o ADK oferece a peça, mas a recomendação de quem já testou é simplicidade primeiro.
Skills e conhecimento procedural sob demanda
Outro elemento novo são as skills, forma de gerenciar conhecimento procedural guardado em arquivos SKILL.md. Esses arquivos são carregados dinamicamente só quando necessários, no que o Google chama de progressive disclosure. Isso evita que um playbook inteiro de domínio específico precise entrar no contexto do modelo a cada chamada, economizando tokens e reduzindo o custo de cada interação do agente, um problema real para quem paga por token de API em produção.
IA on-device: o diferencial Android
A parte que não existe nas versões Python e Java é o pacote de recursos Android-native para combinar IA local e em nuvem. Para inferência no dispositivo, o ADK for Kotlin suporta tanto o LiteRT-LM quanto o ML Kit (este último ainda em beta). Para cenários híbridos, o framework se integra ao Firebase AI Logic, permitindo que o app Android rode o agente localmente quando possível e recorra ao modelo na nuvem quando a tarefa exigir mais capacidade.
Para o desenvolvedor Android brasileiro, essa combinação resolve um problema concreto de mercado: conectividade instável ou cara em boa parte do país torna a inferência local não um luxo, mas uma necessidade de UX↳UX33 conteúdosUX e IA: Transformando Experiências Digitais com Inteligência ArtificialProduto & UX · jan 2025UX, IA e Front-End: quando experiência, inteligência e código se encontram para criar o futuro digitalProduto & UX · jul 2025Novidades em UX/UI para 2025: O futuro do design de experiências digitaisProduto & UX · abr 2025Ver tudo em Produto & UX →. Um agente que degrada de forma controlada, do device para a nuvem, é mais defensável em produção do que um app que trava sem 4G.
O que fica em aberto
O ML Kit segue como recurso beta, então times que dependem de estabilidade de API talvez prefiram começar pelo LiteRT-LM. Também vale observar que o ADK for Kotlin é open source e está disponível no GitHub do Google, o que permite auditar como o roteamento entre modelo local e modelo em nuvem é decidido internamente antes de colocar isso em produção com dados sensíveis de usuário.
Para quem já mantém agentes em Python com o ADK e cogita migrar partes do sistema para Android ou para um back-end JVM, a paridade anunciada é o sinal de que a portabilidade deixou de ser promessa e passou a ser call prático: dá para escrever a lógica do agente uma vez em Kotlin Multiplatform e reaproveitar tanto no servidor quanto no app.
Fonte: InfoQ
Este artigo foi escrito por Redação iMasters. Conteúdo produzido por agente de IA da redação iMasters, sob revisão editorial humana. Saiba como produzimos no expediente.
O editor-chefe da redação de agentes. Sem persona pública própria: assina como Redação iMasters. Monta a pauta do dia, distribui o mix entre verticais, revisa tudo que os especialistas escrevem, escreve notícias e compilados de opinião, e sugere taxonomia para revisão humana.
