企业官网建设流程全解析

在 Conductor 中运行 Google ADK Agent：TypeScript 框架桥接实战指南

【免费下载链接】conductorConductor is an event driven agentic workflow engine providing durable and highly resilient execution engine for applications and AI Agents项目地址: https://gitcode.com/GitHub_Trending/co/conductor

导读

本文介绍如何把使用 Google Agent Development Kit（ADK）编写的 LLM Agent，通过 Conductor 官方 TypeScript/JavaScript SDK 的框架桥接能力编译为持久的、可观测的 Conductor 执行，并最终部署为可在工作流中复用的 Conductor Agent。读完本文，你将掌握安装与环境变量配置、编写可运行的 ADK Agent 脚本、理解run/plan/deploy/serve生命周期，以及通过AGENT任务在工作流中调用已部署 Agent 的完整路径。

什么是框架桥接（Framework Bridge）

Conductor 是一个事件驱动的 Agentic 工作流引擎，为应用与 AI Agent 提供持久、高弹性的执行环境。框架桥接的核心理念是：你继续使用 Google ADK 编写 Agent 对象，Conductor SDK 负责把它编译成普通的工作流定义并在 Conductor 上执行。由于编译结果是工作流，每一次 LLM 调用、工具调用、等待、重试和分支都能在 Conductor UI 与 API 中完整可见（参见 Bring Your Framework Agent）。

TypeScript 生态下，@io-orkes/conductor-javascript包内置了 Google ADK 的支持：从@io-orkes/conductor-javascript/agents导入AgentRuntime，即可把@google/adk的LlmAgent交给它运行。同类桥接还覆盖 OpenAI Agents、LangChain、LangGraph 与 Vercel AI SDK，各语言入口可在 Agent Guides 清单 中查看。

第一步：安装与配置

安装 Conductor JavaScript SDK 与 Google ADK 两个依赖包：

npm install @io-orkes/conductor-javascript @google/adk

随后配置运行环境变量。CONDUCTOR_SERVER_URL指向你的 Conductor 服务器（{{CONDUCTOR_SERVER_URL}}为占位符，需替换为实际地址）；对于需要认证的服务器，还需要提供访问密钥；CONDUCTOR_AGENT_LLM_MODEL指定 Agent 编译后在服务器端使用的 LLM 模型：

export CONDUCTOR_SERVER_URL={{CONDUCTOR_SERVER_URL}} # For authenticated Conductor servers: # export CONDUCTOR_AUTH_KEY=<YOUR_AUTH_KEY> # export CONDUCTOR_AUTH_SECRET=<YOUR_AUTH_SECRET> export CONDUCTOR_AGENT_LLM_MODEL=google_gemini/gemini-2.5-flash

各环境变量的作用如下：

配置模型的另一条前提是服务器端能够调用你的模型提供商：Developer Edition 需要在 Integrations 中添加 AI/LLM 集成；自建本地服务器则需在启动前导出提供商的 API Key（例如export OPENAI_API_KEY=...），服务器继承该环境变量后即可调用模型（详见 framework-agents 前置要求）。

第二步：编写并运行 ADK Agent

将以下代码保存为adk-agent.ts：

import { LlmAgent } from "@google/adk"; import { AgentRuntime } from "@io-orkes/conductor-javascript/agents"; const agent = new LlmAgent({ name: "adk_greeter", model: "gemini-2.5-flash", instruction: "You are friendly and concise.", }); const runtime = new AgentRuntime(); try { const result = await runtime.run(agent, "Share a machine learning fact."); result.printResult(); } finally { await runtime.shutdown(); }

代码要点：

• LlmAgent是 Google ADK 提供的 LLM Agent 构造器，字段与原生 ADK 完全一致：name为 Agent 名称，model为模型名（此处为 Gemini），instruction为系统提示词。你完全可以继续用它添加tools、memory等 ADK 能力。
• AgentRuntime来自 Conductor SDK，是框架桥接的运行时入口。runtime.run(agent, prompt)会把 ADK Agent 编译为工作流图并在 Conductor 上执行一次，返回的结果对象通过printResult()打印。
• runtime.shutdown()放在finally中，确保进程退出前释放运行时资源。

使用tsx直接运行 TypeScript 文件：

npx tsx adk-agent.ts

运行后，除了终端打印的结果，你还可以在 Conductor UI 中找到这次对应的持久执行记录，逐项查看 Agent 的每一步行为——这就是框架桥接相对直接调用模型的最大差异。

生命周期：从本地运行到生产部署

本地run只是起点。一个 ADK Agent 在 Conductor 中遵循统一的四步生命周期（详见 From framework object to workflow step）：

1. Run（迭代）：开发期把 Agent 对象交给AgentRuntime.run()，编译并执行一次，执行过程从第一次运行起就在 UI 中可见。
2. Plan（检查）：查看 Agent 将要编译成的工作流图，适合在 CI 中、任何部署动作之前做静态校验。
3. Deploy（发布）：把编译后的 Agent 注册到服务器，成为带名称与版本号的 Conductor Agent。此后调用方无需引入 Google ADK 及其依赖即可调用它。
4. Serve（服务）：启动 worker 进程执行 Agent 的工具。当 SDK 以本地函数方式运行工具时，必须保持该进程存活，才能支撑已部署 Agent 的持续调用。

部署后在 workflow 中调用

agentType决定执行模式而非编写框架：agentType: "conductor"表示运行一个按name选择的已部署 Conductor Agent，agentType: "a2a"（默认）则调用远程 A2A 端点。Google ADK 只是 SDK 的编写路径，并不是agentType取值。父工作流通过AGENT任务调用已部署 Agent，与调用其他持久步骤完全一致：

{ "name": "run_agent", "taskReferenceName": "run_agent_ref", "type": "AGENT", "inputParameters": { "agentType": "conductor", "name": "<deployed-agent-name>", "prompt": "${workflow.input.prompt}", "pollIntervalSeconds": 5 } }

首次调用时name与prompt必填；version可固定版本（缺省使用最新版）；sessionId、runId、context、media、model、timeoutSeconds、idempotencyKey按需使用，未提供幂等键时运行时自动创建重启稳定的幂等键。AGENT任务的输出包含executionId、agentName、state、text及完成后的结构化output，其state采用标准化 A2A 生命周期取值（working、input-required、completed、failed、canceled），详细状态映射见 Output and durable execution contract。服务器还需开启conductor.integrations.ai.enabled=true才能使用已部署 Agent 的控制面（见 Server requirement）。

从示例到真实场景：ADK 编排故障分诊

仓库中的 Google ADK 分诊 Cookbook 展示了更完整的实战形态：用 ADK 编写一个“订单异常分诊”Agent，它通过 MCP 工具获取证据、输出处置建议但绝不执行处置，再通过 Conductor SDK 部署与调用：

from conductor.ai.agents import AgentRuntime from google.adk.agents import Agent from google.adk.tools.mcp_tool import McpToolset, StreamableHTTPConnectionParams agent = Agent( name="adk_order_exception_triage", model="openai/gpt-4o", instruction="Use MCP evidence to recommend a disposition; never execute it.", tools=[McpToolset(connection_params=StreamableHTTPConnectionParams(url="http://127.0.0.1:3001/mcp"))], ) with AgentRuntime() as runtime: runtime.run(agent, "Order O-42 arrived damaged.")

该示例同时给出了生产注意事项：agentType应取conductor而非adk；使用服务器实际配置的模型；限制工具访问与迭代预算；处置建议必须经过人工审批路由；按“订单 ID + 异常事件 ID”对账。这些原则同样适用于 TypeScript 场景。

多语言对照与进一步阅读

同样的桥接思路在各语言 SDK 中保持一致，便于团队跨栈复用：

• Python：pip install 'conductor-python[adk]'，从conductor.ai.agents导入AgentRuntime，见 Python Google ADK 指南；
• Java：依赖org.conductoross:conductor-ai与com.google.adk:google-adk，通过AdkBridge.toAgentspan(adkAgent)转换，见 Java Google ADK 指南；
• TypeScript/JavaScript：即本文所述，@io-orkes/conductor-javascript/agents的AgentRuntime。

遇到运行失败时，按 Verify and recover 的顺序排查：先核对运行时服务器 URL、框架包与提供商凭据，再在 UI 中定位失败任务后重试；若 Agent 动作可能产生外部副作用，需先明确幂等与恢复策略再重试。更完整的框架桥接参考、维护中的 SDK 示例矩阵与 AGENT 任务契约，可继续阅读 Framework Agents 与 Conductor Agents。

【免费下载链接】conductorConductor is an event driven agentic workflow engine providing durable and highly resilient execution engine for applications and AI Agents项目地址: https://gitcode.com/GitHub_Trending/co/conductor