谷歌云于周四发布了Gemini Agent，这是一款面向工作场所的通用AI智能体。据谷歌介绍，它可以接受一个目标，在云端开展工作，并带回报成品——即使任务需要数小时或数天才能完成。

此次发布反映出工作场所AI正从回答问题的助手，转向被分配任务并被放手独立完成的软件。CEO Thomas Kurian在谷歌的Gemini at Work活动上展示了该产品，并表示"如今工作始于提示词窗口"。更多详情见谷歌的官方公告。

Gemini Agent可在Gmail、Docs、Sheets、Slides、Drive、Chat和Calendar中运行，同时也能接入Microsoft 365和Slack。谷歌将其定位为一款可担任工作助手的一体化AI，即使用户合上笔记本电脑，它仍会在云端持续运行，这意味着单个任务可以跨越数小时或数天。

拥有自己账户的"同事智能体"

最具特色的功能是谷歌所称的"同事智能体"（coworker agents）。管理者描述一个角色——例如活动协调员——Gemini便会创建一个配有自己Workspace账户的智能体：包括电子邮箱地址、日历、Drive存储空间以及公司通讯录中的条目。每个智能体都在独立于任何人类员工的审计跟踪中被记录。实际上，这种安排将工作场所身份及其附带的责任追溯延伸到了软件上。

这一概念建立在其他AI平台已探索的领域之上：Grok以Grok Bot使其广为人知，OpenAI以GPT dots做过同样的尝试，Hermes则推出了提供类似功能的bots功能。

集成与多模型编排

这款新智能体可连接Salesforce、ServiceNow、Jira、Snowflake和BigQuery，以及任何支持Model Context Protocol的服务器——这是一种开放标准，其作用类似于AI与软件之间的通用插头。它也不仅仅依赖谷歌自己的模型：Gemini目前可在谷歌的Gemini与Anthropic的Claude模型之间进行编排，将每项任务路由至谷歌认为在质量和成本上最合适的模型。

安全、身份与隔离

让软件自主行动自然会引发显而易见的安全问题，谷歌的应对方案是将每个智能体当作一名员工来对待。每个智能体都会获得经加密认证的身份——一种通过密码学验证的数字ID——且每项操作都会被记录在归属于智能体而非个人的审计跟踪中。

所有智能体都在Agent Sandbox中运行，这是一个封闭环境，旨在将软件与系统其余部分隔离开；它们的所有流量都经过Agent Gateway，谷歌将其称为"AI网络防火墙"。

隔离机制此前也曾失效。今年7月，Accomplish AI的研究人员报告称，Claude Cowork的本地模式可以逃出其在Mac上的Linux虚拟机并访问主机上的文件——这提醒人们，面向自主软件的隔离层并非万无一失。

成本控制

成本是另一个担忧，因为智能体会大量消耗token——即AI模型读取和写入、并按此向客户收费的文本片段。谷歌表示，过去一年有近500家客户各自处理了超过一万亿个token。为控制支出，该公司增加了实时支出上限：当项目达到限额时，智能体会暂停运行，直到有人点击恢复。这种"暂停直至恢复"的设计针对的是长时间运行任务的一个特定风险：由于智能体会在用户离开后继续运行，token消耗可能在无人监督的情况下不断累积。

可用性

谷歌尚未公布Gemini Agent的定价或正式发布日期。金融服务和法律版本已进入预览阶段——这两个领域受到严格监管，身份和审计功能将面临密切审视——而政府、医疗和零售版本则被列为即将推出。随着推广的推进，定价、正式发布表以及早期预览版本在生产环境中的表现是最主要的待解问题。