Создаём AI-агентов с Claude в Vertex AI от Google Cloud | Code w/ Claude

Коротко

Доклад Яна Ардини (Google Cloud Developer Advocate) о том, как строить AI-агентов с моделями Claude на Vertex AI. Представлен стек из четырёх компонентов: Agent Development Kit (ADK) как open-source фреймворк, MCP для подключения инструментов, Agent Engine для деплоя и масштабирования, и протокол Agent-to-Agent (A2A) для коммуникации между агентами разных фреймворков. Демонстрация строится вокруг агента-планировщика дня рождения, который расширяется в мульти-агентную систему с агентом календаря через MCP-сервер. В финале — деплой агента на Agent Engine несколькими строками кода и обзор A2A для гетерогенных систем агентов.

Главный тезис

Прототипировать агента легко, но production-готовый агент требует стандартизированного фреймворка (ADK), протоколов для интеграции (MCP, A2A) и управляемой платформы для деплоя (Agent Engine) — Google Cloud собирает эти четыре кирпича в единый стек.

Ключевые идеи

• 0:23 — Создание AI-агентов мощно, но довести их до продакшна трудно по трём причинам: фрагментация фреймворков, сложность межагентной коммуникации и операционная нагрузка.
• 0:54 — Ландшафт инструментов фрагментирован, поэтому нужен общий toolkit для стандартизации разработки.
• 2:31 — Google Cloud предлагает agent stack из 4 компонентов: ADK, MCP-совместимость, Agent Engine, A2A-протокол.
• 2:46 — ADK — open-source developer-friendly фреймворк для создания, оценки и деплоя агентов.
• 3:06 — ADK с нулевого дня MCP-совместим, что позволяет агенту подключать любые существующие MCP-серверы как инструменты.
• 3:36 — Agent Engine — managed-платформа на Vertex AI для деплоя, масштабирования и observability агентов в проде.
• 4:01 — A2A — open-source протокол для бесшовной коммуникации агентов независимо от фреймворка.
• 6:59 — Демонстрация использует Claude 3.7 Sonnet через Vertex AI Model Garden, Claude 4 уже интегрируется в ADK.
• Базовый паттерн в ADK — LLM Agent, где определяется модель, имя, инструкции и инструменты.
• 9:46 — Runner координирует выполнение агентов и управляет сессией/состоянием разговора.
• 11:35 — Для запуска агента нужны всего три файла: agent.py, .env, init.py.
• 16:02 — Подключение MCP-сервера к ADK — это две строки кода, сервер автоматически конвертируется в tool агента.
• 17:06 — Оркестратор в мульти-агентной системе — это агент, которому остальные агенты передаются как инструменты, и который маршрутизирует запросы.
• 18:11 — ADK Web UI даёт визуальный дебаг: видно, какой агент что вызывает за кулисами.
• 20:06 — Деплой через Agent Engine Create автоматически даёт observability, monitoring, session management и автомасштабирование.
• 26:46 — Ядро A2A — Agent Card (цифровая визитка агента) и Agent Skills (описание возможностей), плюс Agent Executor для request/response.

Почему это важно

Google Cloud позиционирует себя как поставщика полного агентного стека в момент, когда рынок фрагментирован между LangChain, CrewAI, LangGraph и десятками других фреймворков. Делая ADK open-source и совместимым с MCP (стандарт Anthropic) и собственным A2A, Google пытается стать нейтральной платформой, на которой запускаются агенты любого происхождения — а монетизирует это через managed-сервис Agent Engine на Vertex AI. Anthropic выигрывает доступ к enterprise-клиентам Google Cloud через Model Garden; разработчики получают унифицированный путь от прототипа к проду; Google получает lock-in на инфраструктурном уровне, не споря о фреймворках.

Идеи

• ADK решает три отдельные проблемы одним инструментом — фреймворк, протоколы и платформа сведены в одну вертикаль.
• MCP-совместимость встроена в ADK с самого начала — это позиционирование как "Switzerland" между Anthropic-стандартом и Google-инфраструктурой.
• Демо-агент банален (планировщик дня рождения), но архитектурно показывает паттерн оркестратора с двумя суб-агентами.
• В одной мульти-агентной системе можно смешивать модели — Claude для одной задачи, Gemini для другой.
• Claude 4 был релизнут утром того же дня — спикер использует это как живой пример скорости интеграции.
• ADK можно использовать с Claude двумя путями: через LiteLLM или через нативную Vertex-интеграцию.
• Существующий MCP-сервер встраивается в ADK двумя строками — за кулисами SDK сам конвертирует его в tool.
• Оркестратор-агент — это просто LLM-агент, которому другие агенты переданы как tools.
• ADK Web UI показывает не только разговор, но и трассировку вызовов между агентами — встроенный observability на стадии разработки.
• Agent Engine берёт на себя FastAPI/Django обёртку, контейнеризацию, GCP-окружение — разработчику остаётся только определить агента.
• Логи всех взаимодействий агента автоматически собираются и могут быть использованы для evaluation-цикла.
• Agent Engine принимает любые фреймворки — LangGraph, LangChain, CrewAI — не только ADK.
• A2A построен на стандартных HTTP и JSON-RPC, а не на новом велосипеде.
• Концепт Agent Card — цифровая визитка, через которую агенты находят друг друга и понимают возможности.
• Agent Space — отдельный сервис Google Cloud, позиционируемый как gateway к enterprise-эндпойнтам для агентов.
• Спикер прямо признаётся, что не успевает по времени и переносит часть на вебинар — операционная честность вместо натянутого демо.
• Wi-Fi на конференции сломался, поэтому workshop превратился в демо — раздают репозиторий для домашнего повторения.
• Vertex AI Studio даёт быстрый UI для прототипирования промптов перед интеграцией через API.
• Сессии ADK сохраняют контекст разговора — агент помнит предыдущие реплики.
• Деплой агента в Agent Engine требует только requirements и определения класса агента.
• Мониторинг CPU/памяти агента доступен в UI Agent Engine — для решений о ресурсах.
• Совместный вебинар Google + Anthropic запланирован на следующий месяц с покрытием Gateway-интеграции.

Инсайты

• Стандартизация — стратегическая ставка облачных провайдеров: тот, кто определит протоколы коммуникации агентов (MCP, A2A), захватит роль операционной системы для нового слоя приложений.
• Open-source фреймворк как Trojan horse для managed-сервиса — ADK бесплатен и портируем, но платформа Agent Engine, где удобнее всего его запускать, платная и лежит на Vertex AI.
• Совместимость с конкурирующими фреймворками — обязательное условие выживания на агентном рынке, потому что разработчики не примут lock-in на уровне SDK.
• Эра одиночных агентов заканчивается: рынок движется к мульти-агентным системам, и протоколы межагентной коммуникации становятся таким же базовым слоем, как HTTP для веба.
• Production-готовность агента — это не модель, а инфраструктура: observability, session state, scaling и evaluation занимают больше работы, чем сам промпт.
• Концепция Agent Card повторяет паттерн service discovery из микросервисной архитектуры — агенты становятся новыми сервисами с собственным реестром возможностей.
• MCP стал де-факто стандартом за месяцы, и крупные облака теперь обязаны его поддерживать, а не предлагать альтернативу — Anthropic закрепил позицию в инфраструктурном слое.
• Демо-агенты в презентациях остаются игрушечными (планировщик дня рождения), потому что показать реальный enterprise-кейс за 30 минут невозможно — это сигнал, что зрелые продакшн-кейсы пока редки.
• Multi-model подход (Claude + Gemini в одной системе) легитимизируется как best practice — провайдеры перестали делать вид, что у них one-size-fits-all модель.

Фреймворки

Agent Stack Google Cloud (4 компонента):

• ADK — open-source фреймворк для разработки агентов
• MCP — протокол подключения инструментов и контекста
• Agent Engine — managed-платформа деплоя на Vertex AI
• A2A — протокол коммуникации между агентами разных фреймворков

Три ключевые сущности ADK:

• Agent (LLM Agent) — мозг с моделью, инструкциями и инструментами
• Tool — навык агента (встроенный, кастомный или MCP)
• Runner — координатор выполнения, управляющий сессией

Три концепта A2A:

• Agent Card — цифровая визитка с метаданными агента
• Agent Skill — описание конкретной возможности
• Agent Executor — обработчик request/response между агентами

Цитаты

«la création d'agents d'IA est très puissante» — 0:23 Создание AI-агентов очень мощно

«Le paysage est très fragmenté» — 0:54 Ландшафт очень фрагментирован

«Il n'est pas facile de faire communiquer ces deux ensembles d'agents différents» — 1:18 Заставить два разных набора агентов общаться непросто

«nous définissons notre propre pile d'agents sur Google Cloud» — 2:31 Мы определяем собственный стек агентов на Google Cloud

«un framework open source convivial pour les développeurs» — 2:46 Open-source фреймворк, дружелюбный к разработчикам

«nous l'avons faites lorsque nous avons conçu le kit de développement d'agents est de le rendre compatible avec MCP» — 3:06 Мы сделали так, чтобы ADK был совместим с MCP

«une plateforme gérée qui a été conçue pour déployer, gérer et faire évoluer votre agent d'IA en production» — 3:36 Managed-платформа, спроектированная для деплоя, управления и масштабирования AI-агента в проде

«un protocole open source qui vous permettra de créer une communication et une collaboration transparente entre les agents» — 4:18 Open-source протокол для бесшовной коммуникации и сотрудничества между агентами

«nous ne voulions pas réinventer la roue» — 13:47 Мы не хотели изобретать колесо

«avec MCP, vous standardisez la manière dont LLM accède au contexte» — 14:04 С MCP вы стандартизируете способ доступа LLM к контексту

«deux lignes de code, d'intégrer n'importe quel type d'outil MCP que vous avez déjà» — 16:41 Две строки кода — и интегрируешь любой имеющийся MCP-инструмент

«Regardez comme il est facile de passer plusieurs agents dans un orchestrateur» — 17:06 Смотрите, как просто передать несколько агентов в оркестратор

«il déterminera quel agent utiliser en fonction de votre demande» — 17:29 Он сам определит, какой агент использовать, исходя из запроса

«au bout du compte, c'est une application» — 20:00 В конечном счёте, это просто приложение

«il est nécessaire de trouver un langage commun entre ces agents» — 25:59 Нужен общий язык между этими агентами

«il a déjà été conçu pour être prêt pour l'entreprise» — 26:23 Он изначально спроектирован как enterprise-ready

«c'est comme une carte de visite de votre agent par rapport aux autres agents» — 26:52 Это как визитка вашего агента для других агентов

«Vous pouvez déployer n'importe quel agent, vous pouvez le définir dans le framework de votre choix» — 21:35 Вы можете задеплоить любого агента, определённого в любом фреймворке

Факты

• Спикер: Ян Ардини (Yann Ardini), Developer Advocate Google Cloud, базируется в Сони (вероятно whisper-ошибка — Сорренто/Сидней).
• Claude 4 релизнут утром в день доклада и уже интегрируется в ADK.
• В демо используется Claude 3.7 Sonnet через Vertex AI Model Garden.
• Стек состоит из 4 компонентов: ADK, MCP, Agent Engine, A2A.
• ADK — open-source фреймворк.
• A2A построен поверх HTTP и JSON-RPC (whisper: "HTTPJS ONRCP").
• Для запуска базового агента в ADK нужны 3 файла: agent.py, .env, init.py.
• Подключение MCP-сервера к ADK требует 2 строки кода.
• Agent Engine поддерживает LangGraph, LangChain, CrewAI и другие фреймворки помимо ADK.
• Сервис Agent Space — gateway к enterprise-эндпойнтам (в докладе не раскрыт).
• Сервис Vertex AI Evaluation Service покрывает evaluation-часть пайплайна.
• Webinar Google + Anthropic запланирован на конец месяца (примерно июнь 2026 от даты доклада).
• В Google Cloud-консоли есть Vertex AI Studio для быстрого тестирования моделей.
• Доклад был запланирован как workshop, но из-за проблем с Wi-Fi превращён в демо.
• В демо три агента: birthday planner, calendar agent, orchestrator.
• Calendar agent использует Claude 3.5 в связке с MCP-сервером (whisper: "NCP").

Источники

• ADK (Agent Development Kit) — open-source фреймворк Google
• MCP (Model Context Protocol) — стандарт Anthropic
• A2A (Agent-to-Agent Protocol) — open-source протокол Google
• Vertex AI Model Garden — каталог моделей Google Cloud
• Vertex AI Agent Engine — managed-платформа деплоя
• Vertex AI Studio — UI для тестирования моделей
• Vertex AI Evaluation Service — сервис оценки агентов
• Agent Space — enterprise-gateway Google Cloud
• LiteLLM — альтернативный путь интеграции Claude в ADK
• LangChain, LangGraph, CrewAI — фреймворки, поддерживаемые Agent Engine
• FastAPI, Django — упомянуты как стандартные обёртки веб-сервиса
• GitHub-репозиторий с примерами кода ADK (QR-код в финале)

Рекомендации

• Скачать репозиторий с примерами ADK по QR-коду из доклада для самостоятельного повторения демо.
• Зарегистрироваться на webinar Google × Anthropic в конце месяца — там покажут A2A-интеграцию и Gateway, которые не успели в этой сессии.
• При построении мульти-агентных систем сразу закладывать MCP как стандарт подключения инструментов вместо проприетарных API.
• При выборе платформы для продакшна агентов рассматривать Agent Engine ради автоматического observability и масштабирования вместо самописной инфраструктуры.

Итог

Google Cloud собирает четырёхслойный agent stack (ADK + MCP + Agent Engine + A2A), чтобы стать нейтральной операционной системой для production-агентов на любых моделях и фреймворках, включая Claude.