W tym miesiącu wybierasz framework agentowy. OpenAI udostępniło swój jako open-source. Anthropic zamknęło swój na Claude'a. A Google wypuścił ADK — Agent Development Kit — zestaw narzędzi do budowania agentów AI, którzy robią rzeczy za ciebie. Przestałeś śledzić nazewnictwo Google'a po trzecim akronimie, co jest w pełni zrozumiałe.

Ale liczy się jedno: ADK to jedyny duży framework, który natywnie obsługuje zarówno A2A, jak i MCP — dwa protokoły, które reszta branży traktuje jak problem kogoś innego. A2A (Agent-to-Agent) pozwala agentom AI rozmawiać ze sobą. MCP (Model Context Protocol) pozwala agentom podłączać się do zewnętrznych narzędzi i danych — jak porty USB dla AI. SDK OpenAI ma wsparcie MCP, ale ignoruje A2A. SDK Anthropic ma MCP (sami go wymyślili) i traktuje A2A jako opcję. Google dostarcza oba z pudełka.

To realna przewaga techniczna. To też ruch otwarcia w najbardziej starannie zaprojektowanej grze o lock-in w obecnej wojnie o infrastrukturę AI.

Trzy strategie lock-inu

Każda wielka firma AI przyciąga deweloperów inaczej. Oto taksonomia, której nikt jeszcze nie rysuje na tablicach — i wyjaśnia, dlaczego protokołowa przewaga ADK to nie filantropia.

OpenAI łapie na warstwie SDK. pip install openai, przeczytaj quickstart, zbuduj coś w jedno popołudnie. API jest czyste, dokumentacja dobra, ekosystem ogromny. Zanim zdasz sobie sprawę, że jesteś uwięziony, masz 40 000 linii kodu odpytujących endpointy specyficzne dla OpenAI. Zmiana oznacza przepisywanie. SDK jest fosą.

Anthropic łapie na warstwie modelu. Zostajesz, bo Claude jest dobry w tym, czego potrzebujesz — długi kontekst, podążanie za instrukcjami, kod. SDK jest drugorzędne. Jakość modelu to grawitacja. Jeśli pojawi się lepszy model, odchodzisz. Jeśli nie — nie odchodzisz. Prosta fizyka.

Google łapie na warstwie infrastruktury. ADK jest darmowe. Protokoły są otwarte. Ścieżka produkcyjna prowadzi przez Vertex AI Agent Engine — zarządzane środowisko uruchomieniowe Google'a — a lock-in infrastrukturalny jest najtrudniejszy do opuszczenia. Nie zauważasz, jak rosną mury, bo każda pojedyncza cegła wygląda jak wygoda.

To nie spekulacja. To architektura.

Jak wygląda "natywne A2A" w praktyce

Większość porównań frameworków kończy się na "obsługuje A2A". Nikt nie tłumaczy, co to znaczy, gdy otworzysz terminal.

Gdy budujesz agenta ADK, wystawiasz go jako serwer zgodny z A2A jednym dekoratorem. Framework generuje wymaganą Agent Card — manifest JSON, który mówi innym agentom, co twój potrafi, jakie dane przyjmuje i co zwraca. Inne agenty zgodne z A2A odkrywają twojego przez /.well-known/agent.json, czytają kartę i uruchamiają Task — jednostkę pracy w A2A.

3 kwietnia Google wypuścił ADK v1.24.0 z orkiestracją grafów workflow, auto-renderowaniem UI i ekosystemem integracji — AgentOps, Arize, MLflow, n8n, ponad 200 konektorów SaaS przez StackOne. Cztery języki: Python, TypeScript, Go, Java. Ponad 200 modeli przez Model Garden — Gemini, Claude, GPT, Llama, Mistral.

Framework obsługuje cykl życia zadań A2A (submitted → working → completed/failed), streamuje częściowe wyniki przez Server-Sent Events i zarządza wymianą artefaktów między agentami. MCP działa równolegle: twój agent wywołuje zewnętrzne narzędzia przez MCP, jednocześnie koordynując się z innymi agentami przez A2A. Dwa protokoły, jeden runtime, zero kodu klejącego.

Na papierze to dokładnie to, czego potrzebują systemy multi-agentowe. W praktyce to pierwsza warstwa bardzo konkretnego lejka.

Jak pułapka się zamyka

ADK działa jako open-source lokalnie. Możesz rozwijać, testować i prototypować bez dotykania Google Cloud. To jest celowe — wjazd ma zerowe tarcie.

Produkcja oznacza Vertex AI Agent Engine — gdzie Google nalicza $0.00994/vCPU-godzinę, a tokeny LLM są rozliczane osobno, cennik aktywny od lutego 2026. Rozsądne stawki. Nic niepokojącego na fakturze.

Ale to nie cennik jest pułapką. Grawitacja protokołowa jest.

Działa to tak: jeśli twój system multi-agentowy zależy od A2A w koordynacji, a agenty ADK mówią A2A natywnie, każdy nowy agent, którego dodajesz do systemu, ciągnie w stronę ADK. Nie dlatego, że ADK jest lepszy w zadaniu — bo ADK jest lepszy w protokole. Wybierasz ADK dla Agenta #3, bo Agenty #1 i #2 już mówią A2A. Wybierasz go dla Agenta #4 z tego samego powodu. Każdy agent wzmacnia efekt sieciowy.

Każdy agent ADK w developmencie działa świetnie na twoim laptopie. Każdy agent ADK na produkcji ciągnie w stronę Vertex. Google Cloud zarządza twoim routingiem zadań A2A, przechowywaniem artefaktów, odkrywaniem agentów. Im więcej agentów wdrażasz, tym głębsza integracja. Im głębsza integracja, tym wyższy koszt przejścia.

To klasyczna ekonomia platform przebrana w open-source'owe szaty. Framework jest darmowy. Protokół jest otwarty. Runtime produkcyjny jest Google'a, a jak będziesz już odpalać piętnaście agentów koordynujących się przez A2A na Vertexie, "po prostu przenieś się na AWS" to sześciomiesięczny projekt migracji.

Google nie zbudował otwartego protokołu dla interoperacyjności. Google zbudował otwarty protokół dla adopcji i proprietarny runtime dla przychodów.

Luka interoperacyjności

Przewaga A2A w ADK ma praktyczny sufit: protokół głównie łączy agenty ADK z innymi agentami ADK. Ani SDK Anthropic, ani OpenAI nie wystawiają natywnie endpointów A2A. Podpięcie mesh-a agentów od różnych dostawców nadal wymaga custom middleware — dokładnie tego kodu klejącego, który natywne wsparcie protokołów miało wyeliminować.

To nie unieważnia architektury ADK. To ją kontekstualizuje. Przewaga protokołowa jest realna wewnątrz ekosystemu Google'a. Między ekosystemami nadal piszesz adaptery. Grawitacja ciągnie do wewnątrz, nie na zewnątrz.

Co to oznacza

Google Cloud Next startuje 22 kwietnia. Sesja BRK3-022 obiecuje roadmapę ADK i twierdzi, że Google "polega na ADK w swojej własnej wewnętrznej inżynierii". Slajd, na który warto patrzeć, to nie lista ficzerów — to czy pokażą agenta spoza Google'a mówiącego A2A do agenta ADK bez custom middleware. To demo albo istnieje, albo nie.

Wsparcie protokołowe ADK jest rzeczywiście przed ofertami OpenAI i Anthropic. Architektura techniczna jest solidna. Cztery języki, kompatybilność z ponad 200 modelami, streaming SSE i wymiana artefaktów to realne możliwości, nie vaporware.

Ale pytanie nigdy nie brzmiało "czy ADK jest dobre?" Pytanie brzmi "dokąd prowadzi ADK-dobre?" A odpowiedź to Vertex AI Agent Engine, rozliczany za vCPU-godzinę, z kosztami przejścia, które narastają z każdym wdrożonym agentem.

Trzy firmy. Trzy strategie lock-inu. OpenAI obstawia, że nie przepiszesz swojego kodu. Anthropic obstawia, że nie znajdziesz lepszego modelu. Google obstawia, że nie przeniesiesz swojej infrastruktury.

Zakład Google'a jest najcierpliwszy. Jest też najtrudniejszy do ucieczki — jeśli ktokolwiek kiedykolwiek dotrze do tego momentu.