Du suchst diesen Monat ein Agent-Framework aus. OpenAI hat ihres open-sourced. Anthropic hat ihres an Claude gekettet. Und Google hat ADK ausgeliefert — Agent Development Kit — ein Toolkit zum Bauen von KI-Agenten, die Sachen für dich erledigen. Du hast nach dem dritten Google-Akronym aufgehört mitzuzählen, was absolut verständlich ist.

Aber hier ist, was zählt: ADK ist das einzige große Framework, das nativ sowohl A2A als auch MCP spricht — die zwei Protokolle, die der Rest der Branche als Problem von jemand anderem behandelt. A2A (Agent-to-Agent) lässt KI-Agenten miteinander reden. MCP (Model Context Protocol) lässt Agenten externe Tools und Daten anzapfen — wie USB-Ports für KI. OpenAIs SDK liefert MCP-Support, ignoriert aber A2A. Anthropics SDK liefert MCP (sie haben es erfunden) und behandelt A2A als optional. Google liefert beides out of the box.

Das ist ein echter technischer Vorteil. Es ist auch der Eröffnungszug im sorgfältigst designten Lock-in-Spiel des aktuellen KI-Infrastrukturkriegs.

Drei Lock-in-Strategien

Jedes große KI-Unternehmen fängt Entwickler anders ein. Das ist die Taxonomie, die noch niemand ans Whiteboard malt, und sie erklärt, warum ADKs Protokollvorteil keine Wohltätigkeit ist.

OpenAI fängt auf der SDK-Ebene. pip install openai, dem Quickstart folgen, an einem Nachmittag was bauen. Die API ist sauber, die Docs sind gut, das Ökosystem ist riesig. Bis du merkst, dass du eingesperrt bist, hast du 40.000 Zeilen Code, die OpenAI-spezifische Endpoints aufrufen. Wechseln heißt neu schreiben. Das SDK ist der Burggraben.

Anthropic fängt auf der Modell-Ebene. Du bleibst, weil Claude gut in den Dingen ist, die du brauchst — langer Kontext, Instruction Following, Code. Das SDK ist zweitrangig. Die Modellqualität ist die Gravitation. Wenn ein besseres Modell auftaucht, gehst du. Wenn nicht, bleibst du. Einfache Physik.

Google fängt auf der Infrastruktur-Ebene. ADK ist kostenlos. Die Protokolle sind offen. Der Produktionspfad führt über Vertex AI Agent Engine — Googles Managed Runtime — und Infrastruktur-Lock-in ist die am schwersten zu verlassende Art. Du merkst nicht, wie die Mauern hochgezogen werden, weil jeder einzelne Ziegel wie eine Bequemlichkeit aussieht.

Das ist keine Spekulation. Das ist Architektur.

Was "natives A2A" wirklich bedeutet

Die meisten Framework-Vergleiche hören bei "unterstützt A2A" auf. Niemand erklärt, was das heißt, wenn du ein Terminal öffnest.

Wenn du einen ADK-Agenten baust, exponierst du ihn als A2A-kompatiblen Server mit einem einzigen Decorator. Das Framework generiert die erforderliche Agent Card — ein JSON-Manifest, das anderen Agenten sagt, was deiner kann, welche Inputs er akzeptiert, welche Outputs er liefert. Andere A2A-kompatible Agenten entdecken deinen über /.well-known/agent.json, lesen die Card und starten einen Task — A2As Arbeitseinheit.

Am 3. April lieferte Google ADK v1.24.0 mit Workflow-Graph-Orchestrierung, Auto-Rendering-UIs und einem Integrations-Ökosystem — AgentOps, Arize, MLflow, n8n, 200+ SaaS-Konnektoren via StackOne. Vier Sprachen: Python, TypeScript, Go, Java. Über 200 Modelle durch Model Garden — Gemini, Claude, GPT, Llama, Mistral.

Das Framework handhabt den A2A-Task-Lifecycle (submitted → working → completed/failed), streamt Teilergebnisse via Server-Sent Events und managt den Artifact-Austausch zwischen Agenten. MCP läuft parallel: Dein Agent ruft externe Tools über MCP auf, während er sich mit Peer-Agenten über A2A koordiniert. Zwei Protokolle, eine Runtime, null Glue Code.

Auf dem Papier ist das exakt, was Multi-Agent-Systeme brauchen. In der Praxis ist es die erste Schicht eines sehr spezifischen Funnels.

Wie sich die Falle schließt

ADK läuft open-source lokal. Du kannst entwickeln, testen und prototypen, ohne Google Cloud anzufassen. Das ist by Design — die Auffahrt hat null Reibung.

Produktion heißt Vertex AI Agent Engine — wo Google $0,00994/vCPU-Stunde berechnet, LLM-Tokens separat, Pricing aktiv seit Februar 2026. Faire Preise. Nichts Alarmierendes auf der Rechnung.

Aber das Pricing ist nicht die eigentliche Falle. Die Protokoll-Gravitation ist es.

So funktioniert es: Wenn dein Multi-Agent-System auf A2A für die Koordination angewiesen ist und ADK-Agenten A2A nativ sprechen, zieht jeder neue Agent, den du zum System hinzufügst, Richtung ADK. Nicht weil ADK besser in der Aufgabe ist — weil ADK besser im Protokoll ist. Du wählst ADK für Agent #3, weil Agent #1 und #2 bereits A2A sprechen. Du wählst es für Agent #4 aus dem gleichen Grund. Jeder Agent verstärkt den Netzwerkeffekt.

Jeder ADK-Agent in der Entwicklung läuft problemlos auf deinem Laptop. Jeder ADK-Agent in der Produktion zieht Richtung Vertex. Google Cloud managed dein A2A-Task-Routing, deinen Artifact-Speicher, deine Agent Discovery. Je mehr Agenten du deployst, desto tiefer die Integration. Je tiefer die Integration, desto höher die Wechselkosten.

Das ist klassische Plattformökonomie im Open-Source-Gewand. Das Framework ist kostenlos. Das Protokoll ist offen. Die Produktions-Runtime gehört Google, und wenn du erst einmal fünfzehn Agenten hast, die sich über A2A auf Vertex koordinieren, ist "einfach zu AWS wechseln" ein sechsmonatiges Migrationsprojekt.

Google hat kein offenes Protokoll für Interoperabilität gebaut. Google hat ein offenes Protokoll für Adoption gebaut und eine proprietäre Runtime für Umsatz.

Die Interop-Lücke

ADKs A2A-Vorteil hat eine praktische Obergrenze: Das Protokoll verbindet hauptsächlich ADK-Agenten mit anderen ADK-Agenten. Weder Anthropics noch OpenAIs Agent-SDKs exponieren A2A-Endpoints nativ. Ein herstellerübergreifendes Agent-Mesh zu verdrahten erfordert immer noch Custom Middleware — genau den Glue Code, den nativer Protokoll-Support eigentlich eliminieren sollte.

Das entwertet ADKs Architektur nicht. Es kontextualisiert sie. Der Protokollvorteil ist real innerhalb von Googles Ökosystem. Ökosystemübergreifend schreibst du immer noch Adapter. Die Gravitation zieht nach innen, nicht nach außen.

Was das bedeutet

Google Cloud Next startet am 22. April. Session BRK3-022 verspricht ADKs Roadmap und behauptet, Google "verlässt sich intern auf ADK für sein eigenes Engineering." Die Folie, die du beobachten solltest, ist nicht die Feature-Liste — es ist, ob sie einen Nicht-Google-Agenten demonstrieren, der mit einem ADK-Agenten über A2A spricht, ohne Custom Middleware. Diese Demo existiert entweder oder nicht.

ADKs Protokoll-Support ist technisch genuinen voraus gegenüber OpenAIs und Anthropics Angeboten. Die technische Architektur ist solide. Vier-Sprachen-Support, 200+ Modellkompatibilität, SSE-Streaming und Artifact-Austausch sind echte Fähigkeiten, kein Vaporware.

Aber die Frage war nie "Ist ADK gut?" Die Frage ist "Wohin führt dich ADK-gut?" Und die Antwort ist Vertex AI Agent Engine, abgerechnet pro vCPU-Stunde, mit Wechselkosten, die sich mit jedem Agenten potenzieren, den du deployst.

Drei Unternehmen. Drei Lock-in-Strategien. OpenAI wettet, dass du deinen Code nicht umschreibst. Anthropic wettet, dass du kein besseres Modell findest. Google wettet, dass du deine Infrastruktur nicht migrierst.

Googles Wette ist die geduldigste. Sie ist auch die am schwersten zu entkommen — falls jemals jemand ankommt.