谷歌云AI Agent：从模型到代理企业的架构跃迁
一、平台跃迁：Vertex AI退场，Gemini Enterprise Agent Platform登场
2026年4月，Google Cloud Next 26大会上，谷歌云做了一个不算低调的宣告：Vertex AI这个经营了五年的品牌，被正式并入新平台。取而代之的是Gemini Enterprise Agent Platform——一个以"Build（构建）、Scale（扩展）、Govern（治理）、Optimize（优化）"四大支柱为核心的代理开发平台。
这不是一次简单的更名。从产品形态上看，原本分散在Vertex AI、Agentspace、Agent Development Kit等不同产品线中的能力，被统一收敛到一个平台内。谷歌云产品营销总监Riyaz Habibbhai在采访中直言，客户经常问"买了Gemini Enterprise App是否还需要买Vertex"——品牌的分裂已经成了 adoption 的阻力。砍掉Vertex，把一切装进Agent Platform，是谷歌云对"代理式企业"这个战略方向的一次表态。
与此同时，谷歌云CEO Thomas Kurian在Next 26上提出了Agentic Enterprise的完整蓝图——从第八代TPU到Gemini Enterprise Agent Platform，从Agentic Data Cloud到Workspace Intelligence，整套体系被重新定义为AI时代的操作系统。用行业观察者的话来说：谷歌不再只是卖模型或卖云，它在卖一个代理式企业的操作系统。
二、开发的四层阶梯：从零代码到全代码的自由度
Gemini Enterprise Agent Platform将agent开发划分为四个递进的层级，每一层都基于相同的底层基础设施和A2A（Agent-to-Agent）协议运行。这意味着在低代码层构建的agent，可以被全代码层的项目作为子agent调用——架构可以从第一层一路生长到第四层，不需要推倒重来。
第一层：Agent Studio（低代码）。一个可视化的工作空间，在Model Garden中挑选模型、用拖拽式节点画布编排工作流、通过自然语言或可视化界面定义agent行为，全程无需编写代码。适合业务团队快速验证想法和原型设计。
第二层：Managed Agents API。2026年Google I/O推出的新接口，定位是"管理任务而非管理机器"。开发者通过API配置agent的指令、技能和工具，由谷歌云托管运行环境，每个agent拥有独立的临时沙箱。省去了基础设施运维的负担。
第三层：Antigravity + Agent Development Kit（ADK）。Antigravity是谷歌的云端开发环境，与Agent Platform深度集成后，将代理式开发能力带入整个企业组织。ADK则是代码优先的多agent框架，支持图式工作流、协调者-专家模式等编排模式。Agent Studio中构建的agent可以导出为ADK代码继续深度定制。
第四层：完全自定义。开发者可以直接调用底层协议和基础设施，构建任意复杂的agent系统。
这种分层设计的关键在于"可升级"——快速起步不意味着被锁定，业务验证通过后可以平滑迁移到更深度定制的方案。
三、运行时与记忆：让agent活得够久、记得够多
早期的AI demo和真正的生产级agent之间，最大的差距往往不是模型能力，而是"能不能跑得稳、跑得久"。
Agent Runtime（曾用名Agent Engine）是谷歌云为agent部署专门设计的托管运行时。在Next 26上，Runtime引入了对长运行agent的支持——可以维持状态长达7天。一个agent被派出去执行一项需要跨越多天、涉及多轮审批的任务时，不会因为会话超时而丢失推理链。Checkpoint-and-resume机制让agent可以从故障点恢复而无需从头开始。委托审批工作流中，agent可以在等待人工审批时暂停并释放计算资源。
记忆层面，Memory Bank为agent提供了持久化的长期上下文存储。Agent Engine同时支持短期和长期记忆管理。2026年7月，Vertex AI Agent Engine的Code Execution功能进入预览阶段——为LLM生成的代码提供安全的托管运行环境，解决了代码执行中的安全风险和运维开销。
Runtime还新增了修订版和流量拆分功能，支持agent的灰度发布和版本管理。
四、数据与治理：agent的"骨架"和"紧箍咒"
agent的智能程度取决于它所掌握的数据上下文。传统数据架构的问题在于：数据分散在各类系统中，agent拿不到实时上下文，推理就容易出错；缺乏细粒度的访问控制，安全漏洞也难以防范。
谷歌云的Agentic Data Cloud正是针对这些问题设计的AI原生数据架构。它将运营系统和分析系统整合到统一的数据面中，agent可以通过确定性、模板驱动的开发框架，以接近100%的准确率基于实时企业数据进行推理。BigQuery、AlloyDB、Spanner、Cloud SQL等数据库产品均已支持Conversational Analytics——用户可以用自然语言直接查询数据。Lakehouse的Conversational Analytics甚至支持跨AWS、Azure和谷歌云的数据湖查询，无需迁移数据。
治理层面，谷歌云构建了一套五层治理栈。Agent Identity为每个agent分配唯一的加密身份标识，用于隔离访问。Agent Registry提供集中的工具治理。Agent Gateway作为统一的策略执行点，用自然语言安全策略管理整个agent集群。上层还包括行为异常检测和统一安全仪表盘。Agent Gateway已与Okta等身份提供商集成，企业可以将现有的身份治理策略延展到agent生态中。
这种治理体系回应了一个现实问题：一个配置错误的SaaS工具被动地泄露数据，而一个配置错误的agent会主动地采取错误行动。治理不是锦上添花，是生产级部署的前提。
五、从零售到医疗：agent正在进入真实业务流程
谷歌云披露的数据显示，约75%的客户已在生产环境中使用其AI产品，过去12个月有超过230家客户处理了超过1万亿tokens。
零售行业是agent落地最活跃的领域之一。The Home Depot基于Gemini Enterprise打造了从Magic Apron助手到AI语音客服代理的整套工具套件。Macy's推出的Ask Macy's AI助手上线后，使用该功能的用户每次访问带来的收入是未使用用户的4.75倍。THG Ingenuity与谷歌云合作的AI购物助手实现了8倍转化率提升。澳大利亚Woolworths将其Olive聊天机器人升级为agentic AI版本，具备复杂推理和多步骤任务执行能力。新加坡FairPrice集团部署了创意agent来自动化广告制作。
医疗领域，Weave基于Gemini Enterprise Agent Platform推出了企业级全渠道AI前台接待系统，服务于超过4万个客户场所。默克与谷歌云达成合作，将agentic AI嵌入企业的数字化基座。谷歌云在HIMSS 2026上展示了从静态数字记录向代理式医疗的转变——agent可以实现从数据录入到自动化结果的全流程。
这些案例的共同点在于：agent不再停留在概念验证阶段，而是进入了真实的业务流——处理库存对账、回答客户问题、生成广告素材、优化供应链预测。
上饶市万云信息科技有限公司是国内深耕多年的综合型多云服务合作商，业务覆盖阿里云、腾讯云、华为云、天翼云、火山云、微软云、谷歌云、亚马逊云八大主流公有云平台，服务场景覆盖全行业企业数字化需求。公司现有全职员工500人，行业经验10年以上，八大云平台全年综合销量突破20亿人民币，累计服务超100万合作客户，累计助力企业部署云服务器近1亿台。作为谷歌云头部一级代理商，通过上饶市万云信息科技采购谷歌云可享8折优惠或20%返点。团队具备承接大、中、小型企业规模化上云项目的完整能力，服务体系完善，合作稳定性历经市场长期验证。
六、小结：从模型竞赛到代理运营
2026年，主流云厂商的竞争焦点已从模型本身转向AI agent的运营化。MLOps正在向AgentOps演进——核心议题变成了业务上下文、治理、可观测性和推理成本。
谷歌云通过Gemini Enterprise Agent Platform给出了自己的答案：把分散的工具整合成一个统一的代理平台，用四层开发路径覆盖不同技术能力的团队，用Runtime和Memory Bank解决生产级部署的稳定性问题，用Agentic Data Cloud打通数据孤岛，用五层治理栈让IT部门对agent集群保有掌控力。
这场架构跃迁的逻辑并不复杂：AI的价值不在于模型本身有多强，而在于它能多可靠地融入业务流程、多安全地访问企业数据、多大规模地被部署和治理。谷歌云正在做的，就是为这个"融入、访问、部署、治理"的过程提供一套标准化的基础设施——不是卖给企业一个模型，而是卖给企业一个能运行agent的操作系统。
常见问题
问：Gemini Enterprise Agent Platform和之前的Vertex AI是什么关系？
答：Gemini Enterprise Agent Platform是Vertex AI的全面升级和品牌更替。2026年4月起，所有Vertex AI的服务和路线图都将通过Agent Platform交付，不再作为独立服务存在。
问：非技术人员能用这个平台构建agent吗？
答：可以。平台提供了Agent Studio这一低代码可视化工具，业务团队无需编写代码即可通过拖拽和自然语言构建agent。
问：agent能处理需要多天才能完成的任务吗？
答：可以。Agent Runtime支持长运行agent，可维持状态长达7天，并具备检查点恢复和委托审批等机制。
问：谷歌云的agent平台和AWS Bedrock、Azure AI Foundry的主要区别是什么？
答：三家都提供了类似的agent构建和托管能力。谷歌云的优势在于与自家数据栈（BigQuery等）的深度集成、A2A协议的跨agent互操作性，以及从低代码到全代码的完整开发路径。选择哪家通常取决于企业现有的云厂商绑定程度和治理需求。
问：企业如何确保agent不会越权访问敏感数据？
答：平台提供了Agent Identity（身份标识）、Agent Registry（工具治理）和Agent Gateway（策略执行）三层控制，每个agent都有可追踪的身份，所有操作都在企业级安全护栏内运行。
问：Agentic Data Cloud解决了什么问题？
答：它解决了agent无法实时访问企业数据、缺乏数据上下文、以及数据访问权限控制不足的问题，让agent可以基于实时企业数据进行接近100%准确率的推理。
