去年有个数据挺有意思：某团队把ADK代理部署到QA环境后，产品经理和测试组同时投诉——太慢，太贵。开发者回头一查，发现Gemini调用次数比预期多了3倍，单次会话延迟飙到8秒以上。
问题不在模型，在 orchestration（编排）层的「观测盲区」。Google ADK 提供了6个回调钩子（callback hooks），分别卡在代理执行前后、模型调用前后、工具执行前后。但文档里一笔带过，多数开发者直到成本失控才想起这回事。
回调钩子本质上是把「确定性逻辑」从代理体内抽出来，扔到更轻量的执行层。比如格式校验、状态更新、审计日志——这些不需要LLM推理，却占了大量token和等待时间。
从8秒到200毫秒：一个具体案例
我的项目里有7个子代理：project、anti-patterns、decision、recommendation、audit、upload、merger、email。前5个是LLM代理，后3个对接外部API。
最初我把所有逻辑塞进prompt，让Gemini-3.1-Flash-Lite自己拆、自己判、自己合。本地测试时只关心正确性，性能？「后面再说」。结果QA环境暴露真相：每次会话要调Gemini 12-15次，其中40%的调用其实在干「合并JSON」「检查字段完整性」这种脏活。
重构方案：在project、anti-patterns、decision、recommendation、merger这5个代理里植入回调钩子。
具体改动：
• before_agent_callback：预加载项目上下文，避免重复查询数据库
• before_model_callback：拦截简单判断，直接走规则引擎，跳过LLM
• after_model_callback：标准化输出格式，减少下游代理的解析负担
• after_agent_callback：异步写审计日志，不阻塞主流程
效果：LLM调用次数从15次压到6次，平均延迟从8.2秒降到1.8秒，token成本下降约41%。
香港开发者的小麻烦
有个细节可能帮到人。Gemini在香港不可用，但项目需要部署到亚太节点。我的解法：强制走Vertex AI通道。
环境变量这么配：
GEMINI_MODEL_NAME="gemini-3.1-flash-lite-preview"
GOOGLE_CLOUD_PROJECT="你的项目ID"
GOOGLE_CLOUD_LOCATION="global"
GOOGLE_GENAI_USE_VERTEXAI=T
最后一行是关键。T代表true，强制启用Vertex AI后端，绕过区域限制。代价是多一层网络跳转，延迟+80ms左右，但合规。
依赖锁定也做了严格处理。企业级部署最怕「本地能跑，线上崩了」：
npm i --save-exact @google/adk
npm i --save-dev --save-exact @google/adk-devtools
--save-exact 锁死版本号，开发机和生产机字节级一致。另外装了marked做Markdown转HTML，nodemailer对接MailHog做本地邮件测试——这些在回调里高频触发，稳定性必须保证。
回调不是万能药，用错地方会反噬
见过一个反例：某团队在before_model_callback里塞了重试逻辑，模型超时后自动换备用key。听起来合理，实际埋雷——回调执行没有超时保护，备用key也卡死时，整个代理hang住，没有日志，没有告警，排查花了6小时。
我的原则：回调里只放「确定能完事」的操作。任何可能阻塞、可能抛异常、可能依赖外部状态的逻辑，要么扔给独立服务，要么干脆留在代理里让LLM兜底。
审计代理（Audit Trail）就是个典型。它对接Cloud Storage写日志，理论上可以塞在after_agent_callback里。但我选择拆成独立代理，通过事件总线异步触发——写失败就失败，不影响主流程，后台补录就行。
回调钩子的真正价值，是把「观测性」从事后排查变成事前拦截。成本、延迟、审计，这三件事在ADK里被设计成同一套机制，但文档没告诉你该怎么拆。我的建议是：先画调用链，标出每个节点的「LLM必要性」——凡是规则能Cover的，往回调里迁。
目前ADK的回调生态还在早期，社区里多是零星案例。Google官方示例偏重功能演示，缺少生产环境的边界处理。如果你也在用ADK做企业级部署，回调钩子的超时策略、错误降级、幂等设计，你是怎么处理的？
热门跟贴