Google ADK Python 2.10.0：实验性 Skill 生命周期、MongoDB 向量/混合检索与评测耗时/Token 指标

核心背景与行业痛点

企业要在同一 Agent 运行时里管 Skill 资源、接向量库、并量化每次评测的时长与 Token。痛点在于：Skill 常驻占工具与上下文；数据库检索要另写胶水；评测又缺 duration/token/调用次数，难优化成本。OpenAI reasoning 参数与 BigQuery 受保护写也需更严的默认安全边界。

架构亮点与底层机制

v2.10.0 以实验开关 ADK_ENABLE_SKILL_LIFECYCLE=1 引入短暂 Skill 生命周期与活跃上限；MongoDB toolset 把向量/混合检索嵌进 Agent 流。评测侧可追踪时长、Token 与模型调用次数。OpenAIResponsesLlm 自动适配 reasoning 请求并上报 reasoning token，且忽略旧 thinking_config（改用 effort）。BigQuery protected write 仅在 dry-run 目标为会话匿名数据集时放行非 SELECT，会话态改存进程内存。

权威 Benchmark 与实测跑分对比

发行说明未附统一公开榜单，但把 duration/token/model-call 做成一等评测指标。请用自有 eval set 对比 2.9.x→2.10.0 的 Token 与调用次数；Skill 生命周期开启前后观察活跃工具数与峰值内存。勿虚构外部竞技场分数。

开发者实战落地与开箱指南

升级：pip install -U google-adk==2.10.0（PyPI）。文档入口 adk.dev，Skill 见 Skills，评测见 Evaluate，工具见 Tools。启用生命周期前设环境变量；迁移 OpenAI reasoning 配置到 effort；检查 BigQuery 多语句脚本是否仍被 dry-run 拒绝。完整说明见 Release。