在 Google ADK（Agent Development Kit）中，工具型（Tool）和子代理（Sub Agent）是構建 AI 代理的兩種主要方式，用來實現不同層次的任務分解和功能整合。
這篇我們會詳細介紹這兩種方法的定義、差異，以及為什麼子代理的寫法更好，還有它們各自的應用場景。

定義與差異

• 工具型（Tool）Agent 的定義
  工具型 Agent 是透過明確定義的函數（tools）來執行特定任務的代理。這些工具通常是 Python 函數，封裝單一功能（例如數學計算或文字處理），由代理調用完成用戶的請求。工具型 Agent 行為高度結構化，依賴預定義的工具集，適合處理明確、單一的任務。在 Google ADK 中，透過 tools 參數將函數綁定到代理，代理再依據指令（instruction）選擇合適工具執行。

• 子代理（Sub Agent）的定義
  子代理是獨立的代理單元，嵌入在主代理（Root Agent）之下，形成多代理系統的一部分。每個子代理都有自己的模型、指令、描述和工具集，專注處理某類任務，並能與其他代理協作完成複雜目標。子代理透過 sub_agents 參數與主代理關聯，適合需要協作或分層處理的場景，例如旅行規劃系統中的航班查詢與酒店預訂。

主要差異：

工具型方法適合快速實現單一功能，而子代理則適合模組化、協作式系統，能實現更高階的任務分解與彈性。

為什麼子代理型寫法更好

在 Google ADK 中，子代理型設計通常被認為更優，原因包括：

1. 模組化與可維護性
   子代理型把任務拆成獨立單元，每個子代理負責特定功能（如問候或天氣查詢）。這樣程式碼更清晰，也更容易維護。修改某個子代理的邏輯時，只需要更新該代理檔案，不會影響其他部分。相比之下，工具型 Agent 將所有功能集中在同一個代理中，功能越多就越複雜，管理也更困難。
2. 擴展性
   子代理型可以動態新增代理，只需建立新子代理並加入 root_agent 的 sub_agents 列表即可。工具型 Agent 則需要修改 tools 列表，容易發生衝突，重構成本較高。
3. 協作能力
   子代理型支援多代理系統（MAS），可以讓代理間協作完成複雜任務。例如，root_agent 可根據用戶輸入，自動委派給相關子代理協同工作。工具型 Agent 則缺乏這種能力，只能單兵作戰。
4. 靈活性與專業化
   每個子代理可以配置不同模型、指令或工具，針對特定任務優化。例如，一個子代理使用專門查詢資料的模型，另一個子代理擅長對話。工具型 Agent 受限於單一模型和指令，難以針對不同任務做優化。
5. 錯誤隔離
   子代理型可以將錯誤局限在單一子代理，某個子代理失敗不會影響其他代理。工具型 Agent 結構單一，任何工具出錯都可能影響整個代理。

選擇兩種方式的最佳場景

• 工具型 Agent 最佳場景
  適合簡單、單一、明確定義的任務，特別適合快速原型或資源受限的情況。

  • 範例：

    • 簡單計算（加減乘除）或文字處理（反轉字串、格式化文本）
    • 單一功能應用，如查詢特定 API（股票、天氣）或執行簡單自動化腳本
    • 快速原型開發，需要測試某個功能，不需要複雜架構

  • 原因：配置簡單、開發成本低，適合小型專案或短期應用，但不適合長期維護或擴展。

• 子代理型 Agent 最佳場景
  適合複雜、動態或需要協作的任務，尤其是企業級應用或多步驟工作流。

  • 範例：

    • 多任務工作流，如旅行規劃（查天氣、預訂航班、安排行程）
    • 企業級客服系統，Root Agent 協調多個子代理（問候、查詢訂單、退貨處理）
    • 動態決策系統，如供應鏈管理，根據庫存、天氣、物流資料做決策

  • 原因：提供模組化設計，支援任務分解和代理協作，能處理非結構化、動態任務，方便長期維護與擴展。