Strands vs ADK实战：从零构建AI学习系统，谁更胜一筹？

当AI框架的对比从纸面参数转向真实项目，差距才真正显现。一位开发者用Strands和Google ADK同时构建了一个AI课程生成系统，从文档抓取到测验设计，从反馈循环到成本控制，两个框架的表现截然不同。本文基于其详细复盘，拆解其中的关键差异与踩坑经验。

为什么需要重新思考AI课程生成

作者在Part 1中提出「现在我们可以构建它了」，Part 2则真正动手：用两个框架实现同一个学习系统，并给出相同的请求来对比生成的课程质量。

第一个版本由Claude Opus生成，包含235个测试且全部通过。但作者发现，这些测试从未与真实模型对话。当接入真实模型后，第一次调用就失败了；即使最终生成Terraform课程，测验答案直接放在问题下方，每个练习都附带完成文件。于是整个项目被推倒重来。

这个故事揭示了一个常见陷阱：测试通过不等于系统可用。尤其在AI应用开发中，模拟模型与真实模型的行为差异可能让所有测试形同虚设。

学习系统应该具备什么能力

作者重新梳理了需求清单，这些也是评估两个框架的基准：

1. 用户说明学习目标后，系统追问几个问题以定制课程；
2. 内容覆盖实际工作场景，例如模块版本锁定；
3. 信息与构建当天的官方文档同步；
4. 通过动手练习和测试验证学习效果；
5. 先尝试再看答案；
6. 构建成本可控且透明。

这些需求决定了后续所有技术选型。

使用体验：一条命令启动课程生成

安装后，用户只需运行：

learn "I want to learn TypeScript so I can build a small web app"

系统会询问背景和目标，然后自动抓取官方文档、规划课程、编写课程内容。作者展示了一次真实运行的输出：检查了126个事实，规划了5个单元12节课，最终成本约2.94美元。

学习过程中，用户可以通过learn check运行真实测试，learn hint逐条获取提示，learn quiz先答题再看解析。这种设计确保了「先尝试后看答案」的原则。

技术架构：一个Brain接口，两种实现

整个系统围绕一个Brain协议构建：

class Brain(Protocol):
    def ask(self, name: str, instruction: str, prompt: str, schema: type[T], research: bool = False) -> T:
        """One agent call, returning `schema`. With research=True the agent can search and read."""

Strands使用Claude Sonnet 4.6（通过Amazon Bedrock），ADK使用Gemini 3.8 Flash。每个框架以不同方式实现ask并运行自己的图结构。这种设计让对比更加公平。

研究者如何获取最新文档

两个框架在工具集成上差异明显。Strands本身不提供搜索工具，需要接入MCP服务器；ADK内置google_search但仅限Gemini模型。

作者使用同一个AWS文档MCP服务器测试。Strands接入MCPClient后直接传入tools参数；ADK则通过McpToolset集成。在读取页面方面，Strands的web_fetch支持markdown模式返回原文，便于逐字校验事实；ADK的load_web_page在重定向和短行过滤上存在问题，导致代码示例大量丢失。

一个关键发现是：模型可能给出错误答案。当问及S3对象大小限制时，Claude回答5TB，Gemini回答50TB，而AWS官方文档写的是50TB。Claude只搜索一次便引用了一个同时提到两个数字的结果，Gemini则继续深入阅读FAQ页面。这促使作者强制要求每个事实必须附带原文引用。

MCP（Model Context Protocol）是Anthropic于2024年底提出的开放协议，旨在标准化AI模型与外部工具、数据源的连接方式。它采用客户端-服务器架构，模型通过MCP客户端调用MCP服务器暴露的工具（如搜索、数据库查询、文件读取等）。本文中，开发者使用AWS文档MCP服务器来让AI获取最新官方文档，Strands通过MCPClient直接集成，而ADK则通过McpToolset封装。MCP的价值在于解耦：工具提供方只需实现一次MCP服务器，任何支持MCP的框架都能复用，避免了为每个框架重复开发集成代码。

类型化输出：Strands直接返回对象，ADK需手动转换

两个框架都支持Pydantic模型，但使用方式不同。Strands在调用时传入structured_output_model=，结果通过result.structured_output获取，直接是模型实例。ADK则在Agent上设置output_schema=，结果以字典形式存入会话状态，需要手动调用model_validate转换。

ADK还引入了一个隐藏问题：当Agent同时拥有output_schema和内置工具时，ADK会自动添加一个名为set_model_response的函数工具，导致与Gemini API的内置工具冲突，必须设置include_server_side_tool_invocations=True才能解决。这个错误无法被模拟模型的测试捕获。

Pydantic是Python生态中广泛使用的数据验证库，通过类型注解定义数据模型，自动执行运行时类型检查和转换。在AI智能体开发中，Pydantic模型常被用来约束大语言模型的输出格式：开发者定义一个继承自BaseModel的类（如CoursePlan），框架会将其转换为JSON Schema，要求模型按此结构生成内容，再自动解析为模型实例。这种方式比自由文本输出更可靠，便于后续程序化处理。本文中，两个框架都支持Pydantic模型作为输出Schema，但Strands直接返回模型实例，ADK则返回字典需手动调用model_validate转换，这反映了它们在类型化输出管道设计上的差异。

反馈循环：Strands有执行上限，ADK需要自己控制

在Strands中，图节点必须是Agent或MultiAgentBase子类，普通函数会在运行时抛出ValueError。作者将每个阶段包装成MultiAgentBase子类，并通过set_max_node_executions()设置最大执行节点数，超过后图状态变为FAILED。

ADK的节点可以是任意函数，更加灵活，但没有任何内置的循环次数限制，必须由路由函数自行决定何时停止。

两种实现都允许审查节点将问题发回上游，但作者发现一个真实问题：当审查要求补充研究时，Strands会丢弃已检查的306个事实，重新开始，导致单次成本高达11.81美元。修复后，研究阶段保留已验证内容，只补充缺失部分。

在基于图的智能体框架中，节点执行次数上限是防止无限循环的关键安全机制。Strands的图引擎要求节点必须是Agent或MultiAgentBase子类，并通过set_max_node_executions()设置硬性上限，超过后图状态变为FAILED，这能有效避免因逻辑错误或模型异常导致的无限重试和成本失控。ADK则更加灵活，节点可以是任意函数，但框架不提供内置的循环限制，开发者必须在路由函数中自行实现终止条件。这种设计差异体现了两种哲学：Strands偏向约束下的安全，ADK偏向自由下的责任自负。在实际项目中，缺乏硬性上限可能导致意外的高额API调用费用，因此需要额外注意。

成本控制：插件机制让ADK更胜一筹

课程生成涉及数百次模型调用，成本控制至关重要。Strands通过add_hook为每个Agent添加钩子，在模型调用前检查累计花费；ADK则通过before_model_callback和after_model_callback实现类似功能，并且支持插件机制，一次注册即可应用于所有Agent。

两个框架都存在异常传播的坑：Strands在工具执行后会将异常包装成EventLoopException；ADK则先发出错误事件，再在流结束时抛出异常。

真实成本数据显示，Strands构建Terraform课程花费18.36美元，ADK仅3.35美元（不含前期研究和规划）。但作者也修复了多个计量bug，例如使用id(agent)作为键导致计数错误，以及进程重启后预算重置。

为了应对成本上限，系统现在会在花费达到上限一半时自动切换到更便宜的模型，并明确告知用户。

在智能体框架中，钩子（hook）和回调（callback）是拦截和扩展模型调用生命周期的机制。Strands通过add_hook为每个Agent注册钩子，可在模型调用前检查累计花费并决定是否继续；ADK则提供before_model_callback和after_model_callback，并支持插件机制，一次注册即可全局应用于所有Agent。这种插件化设计减少了重复代码，更易于维护统一的成本控制策略。然而，两者都需要注意异常传播行为：Strands会将工具执行后的异常包装成EventLoopException，ADK则先发出错误事件再在流结束时抛出异常，这会影响错误处理和计量逻辑的准确性。

课程质量：事实数量与审查严格度的博弈

最终对比显示，Strands（Claude）检查了546个事实、生成23节课，但只有12个练习通过全部检查；ADK（Gemini）检查162个事实、生成12节课，全部练习通过检查。成本方面，ADK明显更低。

然而，作者亲自做练习后发现更多问题。ADK课程最初有5个练习无法通过自身检查，根源是测试使用了command = plan而非command = apply。修复后，又发现某些TODO即使不完成也能通过测试，于是增加了逐个TODO的验证机制。

测验答案分布也暴露了模型偏好：Gemini将正确答案放在第一位的概率高达83%，Claude则偏好第二位（58%）。系统现已加入选项随机化。

审查方面，Gemini审查员通过了ADK全部12节课，而Claude审查员对Strands课程一个都没通过。交换审查员后，Claude在ADK课程中发现了29个问题，大多真实存在。审查员的严格程度直接影响课程表面质量。

实际工作场景的缺失

作者特别指出，两个课程都遗漏了「模块版本锁定」这一日常工作实践。尽管文档中有提及，但研究者基于文档结构制定计划，未能将其作为独立目标。修复方案是在研究阶段明确列出「实际工作中会做什么」，并与课程目标一一对应。

另一个安全隐患是，Strands课程最后6节课配置为使用真实AWS账户，其中两节课要求运行terraform apply，可能导致用户无意中创建真实资源。虽然learn check使用模拟提供者不会触及AWS，但作者已更新README警告。

最终选择：Strands vs ADK

作者的个人选择是Strands，主要因为起步更简单、图执行有硬性上限、流式输出更直观。但ADK在以下方面更优：仅需Gemini API密钥即可运行、adk web提供浏览器内聊天和调用追踪、任意函数可作为工作流节点、google_search在查找最新版本时8次全部正确。

最终建议是：无论选择哪个框架，都让第二个模型来审查第一个模型的输出。两个框架都能运行相同的阶段和类型化答案，课程质量更多取决于模型能力和检查机制的完善程度。

所有课程代码已在GitHub仓库开源，每节课顶部列出已知问题，欢迎通过Issue反馈。