Los frameworks de agentes en la JVM venían jugando a ponerse al día. La mayoría de las features interesantes de SDK Python, desde LangChain hasta Pydantic AI hasta el propio ADK de Google, llegan Python-first, y los equipos Java han rodado los suyos o tragado la latencia inter-lenguaje de llamar a servicios Python. El Agent Development Kit de Google para Java acaba de tocar 1.0, y la brecha se estrechó significativamente en esta release. InfoQ resume los añadidos, y la forma del kit está ahora lo bastante cerca del ADK Python como para que los builders Java puedan usarlo como plataforma primaria, no como capa de traducción.
El cambio estructural es una nueva clase App y una base Plugins. App es un contenedor de nivel superior para apps agénticas: aloja el agente raíz, la configuración global, y la integración de plugins. La capa Plugins entrega tres builtins que vale nombrar — LoggingPlugin para logs de ejecución estructurados, ContextFilterPlugin para podar turnos de conversación más antiguos fuera de la ventana de contexto, y GlobalInstructionPlugin para aplicar instrucciones compartidas entre agentes. La gestión de contexto también gana compactación de eventos, que mantiene una ventana deslizante de eventos recientes y resume los más antiguos, con intervalo configurable, umbral de tokens, tamaño de solapamiento, retención, y elección de resumidor. El human-in-the-loop se modela directamente: las herramientas pueden llamar requestConfirmation() en el ToolContext para pausar la ejecución, y el framework limpia los eventos intermedios e inyecta la llamada confirmada en la siguiente petición LLM.
En el lado de herramientas, 1.0 entrega integraciones que importan para cargas reales de agente. GoogleMapsTool y UrlContextTool cubren dos rutas de recuperación comunes. ContainerCodeExecutor y VertexAICodeExecutor te dan ejecución de código en sandbox vía Docker o Vertex AI. ComputerUseTool envuelve Playwright para control de navegador y computadora, igualando la superficie del computer use de Anthropic y los equivalentes de OpenAI. La comunicación multi-agente se hace mediante el protocolo Agent2Agent: un A2A AgentExecutor envuelve tu agente ADK y lo expone como un endpoint JSON-RPC REST, lo cual es una historia de interop más limpia que APIs HTTP ad-hoc. La brecha Python-Java no ha desaparecido. El colaborador Guillaume Laforge es explícito: las features y experimentos nuevos usualmente comienzan en Python, y se portan progresivamente a Java. Pero el sello 1.0 en el lado Java es significativo.
Si estás construyendo agentes en un shop Java, la lectura pragmática es directa. ADK Java 1.0 te da las primitivas estándar que necesitas (agentes, herramientas, HITL, control de contexto, multi-agente) más interop A2A, sin tener que proxear a través de un sidecar Python. Si ya tienes un stack de agente Python, el A2A AgentExecutor es la pieza interesante: puedes exponer tus agentes Java como endpoints JSON-RPC y dejar que agentes Python los llamen, que es una opción real para despliegues multi-lenguaje. Mira que las features nuevas seguirán aterrizando en Python primero. Esa asimetría es política declarada, no un accidente.