Google推出Genkit Go 1.0，這是其在Go語言生態開源人工智慧應用框架。Genkit Go 1.0已進入可部署於生產環境的階段，官方也承諾會在1.x系列維持API相容性，既有程式碼能隨後續小版號更新持續編譯與執行。同時，Google也釋出genkit init:ai-tools命令，供開發者將人工智慧程式設計助理直接整合至開發流程。

Genkit是一套專為建構全端人工智慧應用而設計的框架，提供統一介面以存取多家模型供應商，並支援多模態內容、結構化輸出、工具呼叫、RAG與代理式工作流等功能。對Go社群而言，最大特點是透過Flow這一概念，將人工智慧應用封裝為型別安全的函式。開發者可利用Go struct定義輸入輸出，並結合JSON Schema進行檢驗，確保生成結果能以既定格式回傳，降低資料不一致或解析錯誤的風險。

Flow在Genkit中是一個具名的函式單元，內部處理提示詞與模型推論，外部則可作為HTTP端點提供呼叫。這樣的封裝方式讓人工智慧任務具備可測試、可觀測與可部署特性，與一般服務元件接近，方便版本管理與執行軌跡檢視。開發者可以將Flow視為應用的邏輯單位，方便在專案中組合或重用。

模型支援方面，Genkit Go提供統一API與外掛機制提供多家模型供應商選項，包括Google Gemini/Vertex AI、OpenAI，同時支援OpenAI相容端點，因而可連接像Ollama等相容服務，要使用Anthropic Claude，可透過OpenAI相容端點或社群外掛整合，一般情況，開發者僅需調整模型名稱或設定即可在不同供應商間切換，維持程式碼結構穩定。同時，工具呼叫功能讓模型能以結構化方式存取外部服務，例如定義查詢天氣的函式與輸入格式，再由模型在生成過程中呼叫，將模型推論與後端邏輯清楚分離。

開發者可用CLI啟動本機應用並呼叫視覺化介面，讓開發者互動測試Flow、調整提示詞與模型設定，或追蹤詳細的執行流程，包括延遲、Token消耗與成本。安裝方式簡單，macOS與Linux用戶可一行指令就完成安裝，Windows則可直接下載，整體工作流程與Go的原生開發習慣相容。

新增的genkit init:ai-tools指令則針對人工智慧助理整合，能夠自動檢測既有設定並安裝Genkit MCP伺服器，提供常見工具如查詢文件、列出Flow、執行測試輸入與擷取執行追蹤（Trace），並產生GENKIT.md文件，說明不同語言與工具的整合方式。目前已支援Gemini CLI、Firebase Studio、Claude Code與Cursor，其他工具則可透過通用選項整合。