Beobachtetes Signal · 4. Juni 2026 · Technical Release · Quelle: DEV Community · Relevanz: 4/5 · Sentiment: Neutral
Probleme beim Upgrade auf Google ADK 2.0 mit Cloud SQL Postgres
Ein Entwicklerbericht beleuchtet praxisnahe Herausforderungen beim Upgrade des Google Agent Development Kit (google-adk) von Version 1.x auf 2.0 in Verbindung mit Cloud Run und einem Cloud SQL Postgres-Session-Store. Im Fokus stehen drei Kernprobleme: ADK 2.0 nutzt nun einen asynchronen Postgres-Treiber (asyncpg), was ein URL-Schema mit 'postgresql+asyncpg://' erfordert und synchrone SQLAlchemy-Consumer ohne Normalisierung stören kann. Zudem liest ADK 2.0 bedingungslos zwei neue jsonb-Spalten (input_transcription und output_transcription) aus, weshalb fehlende Spalten zu 500er-Fehlern bei Session-Abfragen und Streaming-Chat-Turns führen. Schließlich bleibt das Legacy-v0-Schema (Pickle) zwar kompatibel, ist aber deprecated und erfordert die Migration auf v1 (JSON) in eine neue Datenbank mittels ADK-Migrationstools. Der Beitrag empfiehlt eine sichere Deployment-Reihenfolge mit vorab angepasster Datenbank und liefert konkrete SQL- sowie Befehlsbeispiele.
Ein Major-Release des Google ADK 2.0 verändert Laufzeittreiber und Datenbankschemata grundlegend. Ohne exakte Deployment-Reihenfolge und DB-Migrationen kann dies Chat-Sessions unbemerkt unterbrechen und betrifft alle Implementierungen, die ADK mit Postgres einsetzen.
Marktsignale zu Google in Echtzeit verfolgen
Polaris7 erfasst behördliche Registrierungen, Primärquellen, Führungswechsel und Deal-Aktivitäten rund um die Uhr. Erstellen Sie Ihren kostenlosen Explorer-Workspace, um automatisierte Executive Briefings zu erhalten.
Wichtigste Kernpunkte & Evidenz
- Google ADK 2.0 stellt den Session-Service auf Asynchronität um und benötigt den asyncpg-Treiber für Postgres.
- Das neue URL-Schema 'postgresql+asyncpg://' wird vorausgesetzt; synchrone SQLAlchemy-Engines erfordern eine Normalisierung.
- Zwei neue Event-Tabellenspalten (input_transcription und output_transcription als jsonb) werden zwingend gelesen, was bei Fehlen zu 500er-Laufzeitfehlern führt.
- Das veraltete v0-Schema (Pickle) wird zwar unterstützt, ist aber deprecated; die Migration auf v1 (JSON) erfordert eine neue Zieldatenbank.
- Die empfohlene Deployment-Sequenz sieht vor, zuerst die Datenbanktabellen zu patchen, dann die URL umzustellen und erst danach ADK 2.0 zu deployen.
Verknüpfte Unternehmen
1 verknüpfte UnternehmenOntologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
Google ADK 2.0 Stable Release mit Workflow Runtime erschienen
Google hat google-adk 2.0.0 als stabiles Release veröffentlicht und führt eine graphbasierte Workflow Runtime, ein Event-basiertes Datenmodell sowie eine strukturierte Task API für die Agent-to-Agent-Delegation ein, die sich in das A2A-Protokoll integriert. Das Release bringt Breaking Changes mit sich: Die Speicher- und Sessionschemata von 1.x sind inkompatibel zu 2.0 (Risiko von Datenverlust), die Agenten-API sowie Tool-Decorators wurden überarbeitet und es wird Python 3.11+ vorausgesetzt. Zudem wurde LiteLLM aufgrund eines Vorfalls in der Software-Lieferkette fest auf Version 1.82.6 fixiert. Der Artikel bietet konkrete Migrationshinweise, darunter die Isolation von Speichern, die Auditierung von 1.x-Implementierungen, die Portierung von Agenten auf das Event-Modell sowie die Aktualisierung von A2A-Integrationen.
Google ADK Master ruft Amazon Bedrock via A2A v1.0 auf
Ein Cross-Cloud-Interoperabilitäts-Benchmark testete vertauschte Master/Worker-Rollen: Ein Google ADK Master auf Cloud Run mit Gemini 2.5 Flash delegierte Aufgaben über A2A v1.0 an einen Amazon Bedrock AgentCore Worker mit Strands Agents auf Nova Micro. Der Test offenbarte sechs Interoperabilitätsdefekte, von denen fünf in lokalen Tests unsichtbar blieben – darunter Protokollversionierungen, fehlende Server-Abhängigkeiten, IAM-Vertrauensrichtlinienfehler, Header-Weiterleitungen durch Proxys sowie Agent-Card-Bind-Adressen. Die gemessenen Latenzen zeigten, dass der Remote-Agent-Hop rund das Sechsfache der lokalen MCP-Baseline kostet. Der Artikel dokumentiert Lösungsansätze und Lessons Learned für das Testen an Deployment-Schnittstellen, weist jedoch auf eine begrenzte Stichprobengröße sowie ungeklärte Fragen zur Richtlinienskalierung hin.
Google ADK: Architektur und Kernkomponenten für KI-Agenten
Der Artikel beleuchtet die Architektur und die zentralen Komponenten des Google Agent Development Kit (ADK), einem Framework zur Entwicklung, zum Testen und zum Deployment von KI-Agenten-Anwendungen. Beschrieben wird eine mehrschichtige Architektur, die Benutzeroberflächen, eine ADK Runtime & Runner, ein Agentensystem für LLM-Agenten und Workflows, fundamentale Bausteine wie Session, State, Memory, Events, Tools und Artifacts sowie eine Modell- und Wissensschicht umfasst. Letztere integriert Gemini-Modelle über Vertex AI oder Google AI Studio und unterstützt Retrieval-Augmented Generation (RAG). Zudem werden Observability- und Governance-Funktionen wie Tracing, Logging, Metriken, Evaluation und Security sowie Deployment-Optionen inklusive managed Agent Runtime auf Google Cloud, Cloud Run, GKE und On-Premises-Umgebungen detailliert analysiert.
Marktsignale & Strategische Shifts in Echtzeit verfolgen
Erstellen Sie benutzerdefinierte Watchlists, um automatisierte, evidenzbasierte Executive Briefings zu erhalten, sobald wesentliche Signale oder Marktverschiebungen auftreten.