专注AIGC技术的专业社区，关注大语言模型（LLM）的发展和应用落地，聚焦LLM及AI技术的市场研究和开发者生态。
10月8日，Google Cloud正式发布Gemini Agent。这并非一款全新的基础模型，而是一个能够接收任务、调度模型与工具、并将结果整合回企业工作流的智能体系统。其核心亮点在于支持跨模型调度（包括Anthropic的Claude），并为“AI同事”赋予独立的企业身份。
从问答到执行：目标驱动的多步任务处理
Gemini Agent的工作逻辑超越了传统的“提问-回答”模式。用户只需设定最终目标，智能体即可自动规划步骤、调用相应技能与工具，并协调子智能体完成复杂的多步任务。这些任务可跨应用执行或在云端持续运行，无需用户全程守候。
该流程依赖三大核心要素：
- 工具：连接企业软件和数据源；
- 技能：记录特定工作的执行标准；
- 上下文：帮助智能体理解企业内部信息。
以会议安排为例，用户仅需指令“下周约区域活动负责人开会”，Gemini即可结合群聊成员和历史邮件识别相关人员，查询日历并发起协调邮件。
在连接范围上，除了Google Workspace，还全面支持Microsoft Office、Teams、Slack、Git、Jira、Salesforce、ServiceNow等平台及MCP服务。企业还可创建共享技能和工具，使智能体能严格遵循内部流程执行任务。
在数据工程领域，工程师可通过自然语言描述目标，由Gemini生成PySpark代码、提供可编辑测试的笔记本，并辅助模型训练及数据流水线排查；业务人员则可利用BigQuery和Knowledge Catalog自动生成运营报告。其核心价值在于将“检索、编码、查询、整理”串联为完整工作链，而非仅提供建议。
模型中立：Gemini调度，Claude参与
Google明确表示，Gemini Agent可在Gemini模型和Anthropic的Claude模型之间进行调度，未来还将支持更多私有及开放模型。这一设计的核心在于将“智能体层”与“底层模型层”解耦：Gemini负责任务承接与步骤规划，具体执行则由系统根据需求选择最合适的模型。
这将改变企业采购AI的评估维度。竞争焦点将从单一的“模型性能强弱”，转向智能体能否无缝接入现有软件、理解内部资料、遵循权限规则，并将任务结果精准交付至员工工作界面。
需注意的是，目前Google仅阐述了模型选择机制，员工是否能在每项任务中自由选择模型，以及具体的路由策略和企业自定义权限，仍取决于产品的实际配置。
独立身份：AI同事的权限与审计
Google推出的“Coworker Agent”可长期承担特定职责，并拥有独立的Workspace账号，包括专属邮箱、日历、Drive存储及公司目录身份。团队成员可在Chat空间邀请其加入，或在文档评论中直接@它。例如，营销团队可设立“活动协调员”智能体，由其起草发布准备文档并反馈给团队。
与借用员工账号不同，这种设计确保智能体以独立身份工作，仅能访问团队明确分享的内容，且其在文档中的操作均显示为其自身名称。这不仅清晰区分了“员工行为”与“智能体行为”，也为企业的审计和权限管理提供了明确对象。
企业治理：管控每一步操作风险
针对企业部署智能体的安全顾虑，Google提供了一套完整的管理机制，涵盖独立身份、细粒度权限、操作审计、安全沙箱及网络控制。管理员可限制智能体的访问范围，并追溯其所有操作记录。在成本控制方面，支持模型路由优化及项目级支出上限设置，触及上限时自动暂停相关任务。
这些功能旨在回应企业对数据泄露、误发邮件及多步任务出错追溯等现实问题的担忧。尽管有了权限管理和审计工具，企业仍需制定明确策略，界定哪些任务可自动执行、哪些需人工确认，以及错误责任归属。
综上所述，Gemini Agent的真正考验不在于模型的智能程度，而在于其能否在复杂的软件生态和严格的权限体系中稳定可靠地工作。Google已提供连接器、技能库、模型调度及治理机制等解决方案，其实际落地效果仍有待不同企业环境的验证。
