【Google ADK 实战】06 评估与部署：从“能用”到“可靠”的最后一步

大家好，我是Tony Bai。

欢迎来到我们的专栏 《Google ADK 实战：用 Go 构建可靠的 AI Agent》的第六讲，这也是本微专栏的收官之作。

在过去的五讲中，我们已经拥有了一个功能强大的“代码生成-审查-重构”流水线 Agent。它能在本地运行，看起来很智能。但现在，一个灵魂拷问摆在了我们面前：你怎么知道它是“好用的”？

• 你怎么保证在修改了 CodeReviewerAgent 的 Instruction 之后，没有意外地“削弱”CodeWriterAgent 的能力？

• 你怎么能量化地证明，你的 Agent 在 95% 的情况下，都能正确地遵循预设的轨迹（比如先调用 A 工具，再调用 B 工具）？

• 当这个 Agent 真正上线，面对成千上万的用户时，你如何对它的行为和质量建立信心？

这些问题，都指向了 AI Agent 开发中最核心、也最容易被忽略的环节——评估 (Evaluation)。

在传统的软件开发中，我们有单元测试、集成测试，它们提供清晰的“通过/失败”的“绿/红”信号。但 LLM Agent 的世界充满了不确定性。由于背后大语言模型的概率性本质，我们很难用简单的 assert.Equal 来判断一个 Agent 的输出是否“正确”。

因此，在我们将 Agent 推向生产环境之前，必须先为它建立一套科学的“体检”和“高考”体系。这正是本讲前半部分的核心。后半部分，我们将带着这份“体检合格”的信心，完成从开发到生产的“最后一公里”——容器化与云原生部署。

学完这一讲，你将能够：

1. 理解 Agent 评估的核心理念：评估“轨迹”与评估“结果”并重。

2. 学会设计和编写 Agent 的“测试用例”，为你的 Agent 行为建立黄金标准。

3. 掌握 Go 应用的多阶段 Docker 构建，构建出极小、极安全的生产级镜像。

4. 初步涉足 Kubernetes，将你的 Agent 部署到这个云原生操作系统中。

这是我们从“能用”的“原型”，走向“可靠”的“产品”的最后，也是最关键的一步。

Agent 评估：为你的“黑盒”建立确定性

由于 LLM 的不确定性，我们无法保证 Agent 每次的输出都一字不差。但我们可以，也必须保证，它在完成任务时所采取的关键步骤和最终达成的核心目标是符合预期的。