Google hat auf der Cloud NEXT ’26 einen Meilenstein präsentiert, der die Softwareentwicklung revolutionieren könnte: einen vollständigen, produktionsbereiten Stack für Multi-Agent-Systeme. Während die Branche noch über TPU 8t oder KI-Partnerschaften diskutiert, liefert der Konzern eine Infrastruktur, die bereits von 150 Unternehmen im Live-Betrieb eingesetzt wird. Doch warum ist diese Entwicklung so entscheidend?
Es geht nicht um "klügere" Modelle, sondern um eine intelligente Architektur. Single-Agent-Systeme – bei denen ein einzelnes Sprachmodell alle Aufgaben von der Datenanalyse bis zur Entscheidung übernimmt – stoßen an Grenzen bei Skalierbarkeit und Zuverlässigkeit. Multi-Agent-Systeme, in denen spezialisierte Agenten zusammenarbeiten, bieten hier einen Ausweg – vorausgesetzt, die Infrastruktur unterstützt diese Zusammenarbeit. Genau das tut Googles neuer Stack.
Warum Single-Agent-Systeme an ihre Grenzen stoßen
Ein anschauliches Beispiel ist die Automatisierung von Support-Tickets: Aus Kundenanfragen sollen Engineering-Aufgaben generiert werden. In einem Single-Agent-System verarbeitet ein großes Sprachmodell den gesamten Workflow in einem einzigen Prompt. Fällt nur eine Komponente aus – etwa die korrekte Klassifizierung einer Ticket-Schwere – scheitert der gesamte Prozess. Die Fehleranalyse erfordert dann das Durchforsten tausender Tokens, und Skalierungen bedeuten die Duplizierung des gesamten Systems, nicht nur der Engpässe.
Ein Multi-Agent-System löst diese Probleme durch Arbeitsteilung:
- Ein Klassifizierungs-Agent bewertet die Ticket-Schwere (P0–P3).
- Ein Cluster-Agent gruppiert ähnliche Probleme mit Embeddings.
- Ein Root-Cause-Analyzer identifiziert betroffene Dienste.
- Ein Aktions-Generator erstellt Jira-Tickets mit Runbook-Links.
- Ein Reporter-Agent fasst Vorfälle für den Bereitschaftsdienst zusammen.
Jeder Agent ist einfacher zu testen, lässt sich unabhängig austauschen und trägt zur Gesamteffizienz bei. Die Intelligenz entsteht durch Zusammenarbeit – nicht durch einen einzigen monolithischen Prozess.
Googles vierschichtige Architektur im Detail
Der Stack von Google ist kein Framework, sondern ein vollständiges Ökosystem mit vier klar definierten Ebenen. Jede Schicht adressiert ein konkretes Problem der Multi-Agent-Entwicklung.
Ebene 1: A2A-Protokoll (Agent-to-Agent-Kommunikation)
Das Agent-to-Agent Protocol (A2A v1.0) ist ein offener Standard unter der Schirmherrschaft der Linux Foundation. Es ermöglicht Agenten, über Anbieter- und Plattformgrenzen hinweg zu kommunizieren – ohne individuelle Anpassungen.
Wesentliche Merkmale:
- Signierte Agentenkarten zur Domain-Verifizierung und Fälschungssicherheit.
- Multi-Tenancy-Unterstützung, sodass ein Endpunkt mehrere Agenten bedienen kann.
- Mehrprotokoll-Bindungen (JSON-RPC und gRPC).
- SDKs für Python, JavaScript, Java, Go und .NET.
Bereits jetzt nutzen 150 Organisationen A2A in Produktionsumgebungen, darunter Azure AI Foundry und Amazon Bedrock AgentCore.
A2A regelt die Kommunikation zwischen Agenten, während Anthropics MCP (Model Context Protocol) die Schnittstelle zu Tools steuert. Beide ergänzen sich – sie konkurrieren nicht.
Ebene 2: ADK (Agent Development Kit)
Das ADK ist ein Open-Source-Framework (Apache 2.0, stabil seit v1.0), das sich deutlich von Tools wie LangChain oder CrewAI unterscheidet: Es führt deterministische Workflow-Agenten ein.
Das Framework definiert drei Agententypen:
- LLM-Agenten für Reasoning, Planung und Entscheidungen.
- Workflow-Agenten (SequentialAgent, ParallelAgent, LoopAgent) zur Steuerung der Ausführungsreihenfolge – ohne Abhängigkeit von einem Sprachmodell.
- Benutzerdefinierte Agenten für spezifische Logik wie Rate-Limiting oder Authentifizierung.
Diese Trennung stellt einen vorhersehbaren Kontrollfluss sicher und macht das System damit betriebsbereit.
Ebene 3: Gemini Enterprise Agent Platform (Runtime)
Die Gemini Enterprise Agent Platform, zuvor Teil von Vertex AI, dient als Runtime für Bereitstellung, Verwaltung und Skalierung von Agenten. Sie umfasst:
- Agenten- und Skill-Register.
- Tool-Register und universelles Kontextmanagement.
Bereitstellungsoptionen reichen von vollständig verwaltet (Agent Engine) über containerisiert (Cloud Run) bis hin zu Kubernetes-basierten Lösungen (GKE). Benchmarks zeigen bis zu 300 Sandboxes pro Sekunde und Kaltstartzeiten unter einer Sekunde.
Ebene 4: Observability & Governance
Die vierte Ebene setzt auf Transparenz und Sicherheit:
- Interaktionsprotokollierung zwischen Agenten.
- Model Armor zum Schutz vor Prompt-Injection.
- IAM-basierte Zugriffskontrollen und Audit-Logs.
Damit wandelt die Plattform experimentelle Prototypen in betriebsbereite Infrastruktur um – ähnlich dem Wechsel von Bare-Metal-Servern zu Kubernetes-Orchestrierung.
Ein Paradigmenwechsel in der Softwarearchitektur
Die Entwicklung von Software durchlief bisher mehrere Epochen, die jeweils durch ihre Koordinationsmechanismen definiert waren:
| Epoche | Designeinheit | Koordinationsmechanismus | Ausfallverhalten | |--------|---------------|--------------------------|------------------| | Monolith | Funktion | Prozeduraufrufe | Kompletter Absturz | | Microservices | Service | APIs + Message Queues | Circuit Breaker, Retries | | Agentic | Agent | A2A + MCP | Agenten-Interaktionen, Fallbacks |
Der agentische Ansatz geht über die Integration von KI hinaus: Er erfordert eine vollständige Neuausrichtung, wie Systeme entworfen, debuggt und skaliert werden. Googles Stack bietet die Grundlage für diesen Wandel – und liefert eine produktionsreife Alternative zu den fragilen Single-Model-Ansätzen der Vergangenheit.
Die Ära der Einzelpiloten neigt sich dem Ende zu. Die Ära der Multi-Agent-Systeme hat begonnen.
Mit der Veröffentlichung dieses Stacks zeigt Google, dass die Zukunft der Softwareentwicklung bereits heute Realität ist – und dass verteilte Intelligenz der nächste logische Schritt nach Microservices und Cloud-Nativen Architekturen ist.
KI-Zusammenfassung
Google’un çoklu ajan altyapısı, tek ajan sistemlerinin sınırlarını aşarak yazılım mimarisinde devrim yaratmaya hazırlanıyor. Peki bu yenilik neleri değiştirecek?
Tags
