Google Cloud 推出 Gemini，其面向工作的通用代理

Google Cloud 于 2026 年 10 月 8 日在其 Gemini at Work 2026 活动上宣布了 Gemini 代理，并将其描述为一个单一的、面向工作的通用代理，能够通过一个提示框处理知识工作、问答、内容创作和代码编写。

在 在 The Keyword 上的公告 中，Google 表示该代理保存组织的业务上下文，规划工作，使用技能和工具，连接到云客户的业务系统，并将完成的工作返回到人们已经在使用的文档、收件箱和开发者环境中。公司称该代理会为每项任务选择最佳模型，内置成本控制，并具备企业客户所需的安全、管理和治理功能。Google Cloud Blog 上的详细帖子（改编自 Google Cloud CEO Thomas Kurian 在活动上的主题演讲）阐述了该代理的架构、访问界面和企业控制措施。

Kurian 的帖子报告称，近 500 家 Google Cloud 客户在过去一年中各自处理了超过一万亿个令牌，近 80% 的所有 Google Cloud 客户正在使用其 AI 产品，且近 90% 的《财富》100 强使用 Gemini Enterprise。

该帖子列出了已开始使用新功能的早期测试者和客户。根据该帖子，运动服装品牌 On 测试了该代理的动态模型选择功能，Shopify 为数百万商家融合前沿模型，PayPal 每周处理 1000 万次多模型请求。帖子还报告称，巴西银行 Bradesco 将文档审查时间从一小时缩短至五分钟，西班牙电信运营商 Orange Spain 已部署超过 1,000 个定制的 Gemini Enterprise 代理。

代理架构

该帖子描述了一个围绕一套架构原则构建的代理。作为统一代理，Gemini 能在聊天中回答问题，自动完成用户分配的目标，并生成代码，所有操作均通过单一界面和单一 API 实现；用户可以指派工作、安排任务，或让代理响应事件。其访问范围覆盖网页、iOS 与 Android 设备、Windows 与 Mac 桌面、命令行、Google Workspace、Microsoft 365 和 Slack，且该代理还能在第三方应用中无界面运行。由于在云端持续运行，代理在所有设备上保持一套记忆、上下文和单一的个性化图谱，耗时数小时或数天的工作在用户关闭笔记本后仍可继续。

对于多步骤任务，Gemini 能动态创建临时子代理，每个子代理拥有独立身份，并协调可运行数小时或数天的并行和顺序步骤。协作模式为代理赋予持久且明确的角色：协作代理会获得自己的 @agents.company.com 电子邮件地址和持久存储，并且只能访问用户或团队成员提供的上下文。Google 表示，该代理与其底层模型是分离的，Gemini 目前在其 Gemini 系列模型和 Anthropic 的 Claude 模型之间进行编排，未来计划支持其他私有和开源模型，以根据任务的质量和成本匹配合适的模型。

工具、技能与记忆

根据该帖子，三项能力为代理提供业务上下文。工具层将 Gemini 连接到协作软件，如 Confluence、Microsoft Office、Teams、Slack 和 Workspace；开发工具，包括 Git 和 Jira；企业平台，如 Salesforce 和 ServiceNow；数据库，包括 BigQuery、Databricks、Postgres 和 Snowflake；用户本地桌面上的文件；以及公司网络内外的任何 Model Context Protocol 服务器。企业工具注册表允许团队为全公司构建并发布工具。

技能是以模块化提示形式存储的可重复使用的指令、知识或工作流集合；Gemini 附带全球技能库，团队可以将自定义技能发布到共享的公司注册表，个人也可以构建个人技能。该帖子称，代理保留四种记忆——会话记忆、语义记忆、过程记忆和情景记忆——并以新员工的方式自行上手，先学习用户、工具和团队后再开始工作。

Gemini 在 Google Workspace 中

Gemini 还能在 Gmail、Drive、Docs、Slides、Sheets、Chat 和 Calendar 中内嵌运行，携带相同的记忆、技能和控制。该帖子描述了三种 Workspace 模式。个人助理模式下，代理已预先了解用户的日历、团队和项目。主动委派模式下，Workspace Intelligence 能识别可委派任务并提供一键交接。协作模式下，代理拥有自己的 Workspace 账户，包括电子邮件地址、日历、Drive，以及在公司目录中的存在。协作代理以自身身份而非用户身份运行，仅能看到共享给它的内容，并遵循团队已有的共享和成员设置。

数据技能与行业专长

新的数据技能让工程师能够用自然语言描述预期结果，而 Gemini 则生成 PySpark 代码，提供可编辑和测试的笔记本，训练模型，并排查管道问题，正如该帖子所述。业务用户可以通过与 BigQuery 和 Knowledge Catalog 集成的技能提出请求，实时生成运营报告，并且已保存的报告可以按需重新运行，而无需产生令牌费用。

该帖子列出了三项保持答案可靠性的能力：Knowledge Catalog 可一次性映射业务定义，使所有代理都使用这些定义，并读取它们在 Databricks、dbt、LookML 或 SAP 中的位置的指标；Smart Storage 在原位丰富非结构化对象；以及无边界湖仓，可查询 Amazon S3 和 Azure Data Lake，且无需变量出口费用，同时读取 Salesforce Data 360、SAP、ServiceNow 和 Workday 的数据而无需复制。

行业专用化功能已在金融服务和法律领域进入预览阶段，政府、医疗保健和零售的版本已列为即将推出。Google 表示，金融服务版本利用 FactSet、LSEG、SEC 文件以及客户自有的专有库数据，配备了超过 50 项基础技能，且已在 CME Group 和 Deutsche Bank 投产使用。法律版本继承了 NetDocuments 和 iManage 文档管理平台的案件级权限和伦理墙；Google 将 Harvey 和 Onit 列为合作伙伴，并称 Cooley 正在基于法律版本构建一款机密信息脱敏代理。

安全、治理与成本控制

在治理模型下，每个代理都会获得其自身的加密认证、最小特权身份，并将该身份标记写入记录其工作日志的日志中，同时拥有组织安全管理员批准的细粒度基于角色的权限；当代理连接到外部系统时，其身份会通过 OAuth 传播。代理执行的每一项操作都会写入审计追踪，并归属到该代理而非个人。所有 Gemini agents 在拥有独立网络边界的代理沙箱内运行，所有流量均通过代理网关，该帖子将其描述为实时执行组织范围策略的 AI 网络防火墙。

成本控制包括多模型编排；一款智能路由工具可自动对企业工作负载进行分流，使每个工作负载在提供最高性能且成本最低的模型上运行；以及在云计费控制台中为每个项目设置的实时支出上限，一旦触发即可暂停该项目的代理。Google 表示，其最新的 TPU 8i 系统的性价比比前一代提升了 80%，并将其模型系列命名为 Argon（前沿推理）、Flash（速度与容量）、Omni（生成式媒体）以及 Gemma（轻量、开放权重的边缘工作负载）。