Agent Tool 無上下文記憶，需改用 Sub-agent

問題描述

在 ADK 中，透過 agenttool.New() 將 Agent 包裝成 Agent Tool 後，該 agent 在被呼叫時沒有父 agent 的對話記憶：

  • Agent Tool 每次被呼叫都是無狀態的獨立執行
  • 無法存取父 agent 的對話歷史（session history）
  • 適合「給一個輸入、取得一個輸出」的無狀態任務（例如：查資料、分析圖片）

對比：Sub-agent vs Agent Tool

Sub-agent（sub_agents） Agent Tool（agenttool.New()）
上下文記憶 ✅ 共享父 agent session ❌ 無，每次獨立執行
呼叫方式 transfer_to_agent(agent_name=...) 直接呼叫工具
適合情境 需要對話歷史的複雜流程 無狀態的單次查詢
使用限制 不能掛有 google_search tool 可掛 google_search

情境範例

Agent Tool（無上下文記憶）

適合「翻譯文字」、「分析圖片」等純無狀態任務：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
// translator_agent：純無狀態翻譯，不需要對話歷史
translatorAgent, _ := llmagent.New(llmagent.Config{
    Name:        "translator_agent",
    Model:       llmModel,
    Description: "Translate text to English.",
    Instruction: "Translate the given text. Return only the translated result.",
})

// 包裝成 AgentTool，掛到 Tools（非 SubAgents）
rootAgent, _ := llmagent.New(llmagent.Config{
    Name:  "root_agent",
    Model: llmModel,
    Tools: []tool.Tool{agenttool.New(translatorAgent, nil)},
})

呼叫時 translator_agent 只會看到當次傳入的 input，不知道之前對話說了什麼。

Sub-agent（共享上下文記憶）

適合「建立訂單」、「預約行程」等需要讀取對話歷史的流程：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
// booking_agent：需要知道使用者先前提到的日期、人數
bookingAgent, _ := llmagent.New(llmagent.Config{
    Name:        "booking_agent",
    Model:       llmModel,
    Description: "Handle reservation booking.",
    Instruction: "Create bookings based on conversation context.",
})

// 掛到 SubAgents，透過 transfer_to_agent 呼叫
rootAgent, _ := llmagent.New(llmagent.Config{
    Name:      "root_agent",
    Model:     llmModel,
    SubAgents: []agent.Agent{bookingAgent},
})

booking_agent 被 transfer 進來時，可以讀取整個 session 的對話歷史（使用者說了什麼日期、幾人等）。

決策原則

需要對話上下文？→ 用 Sub-agent
純無狀態單次查詢？→ 用 Agent Tool

具體判斷：

  • 該 agent 需要知道「使用者之前說了什麼」→ Sub-agent
  • 該 agent 只需要「當次輸入」就能完成任務 → Agent Tool
  • 該 agent 帶有 google_search → 只能用 Agent Tool（ADK 限制）