For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/ru/articles/google-gemini-agent-claude-routing-cowork-835f5f89.md.
Google официально вступила в гонку за создание постоянно доступных ИИ-коллег для корпоративного сектора.
Google официально вступила в гонку за создание постоянно доступных ИИ-коллег для корпоративного сектора.
На мероприятии Gemini at Work 2026 генеральный директор Google Cloud Томас Куриан представил Gemini agent, которого Google описывает как единого универсального агента для работы. Он может отвечать на вопросы, искать и исследовать информацию, создавать медиаматериалы, анализировать данные, писать и запускать код, использовать корпоративные инструменты, планировать задачи, реагировать на события и поддерживать длительные процессы в облаке после того, как пользователь закроет ноутбук.
Главная особенность заключается не просто в том, что Gemini может работать с Gmail, Docs, Sheets, Slides, Chat, Calendar, базами данных, инструментами разработчика и сторонними сервисами.
Google пытается сделать сам агент постоянным рабочим уровнем.
Компания отделяет агента от базовой модели, позволяя Gemini уже сегодня маршрутизировать задачи между собственным семейством моделей Google и моделями Anthropic Claude, а в будущем планируя добавить другие закрытые и открытые модели.
Это означает, что память организации, инструменты, навыки, подключения к данным, средства безопасности и состояние рабочих процессов могут сохраняться даже при изменении модели, выбранной для конкретной задачи.
Google также представляет более буквальный вариант ИИ-коллеги: агента с собственной учетной записью Workspace, адресом электронной почты, календарем, хранилищем Drive, присутствием в каталоге, журналом аудита и постоянной ролью внутри команды.
Google формулирует принцип работы одним предложением:
Вы задаете цели, а не инструкции.
Идея заключается в том, что пользователю не придется вручную разбивать рабочую задачу на каждый промежуточный шаг.
Вместо этого пользователь делегирует желаемый результат.
Например, задание по анализу рынка может потребовать от агента:
Ожидается, что агент сам определит, какие инструменты, приложения и модели подходят на каждом этапе.
Упрощенный запрос может выглядеть так:
Создай анализ выхода нашего нового продукта на рынок.
Используй внутренние данные о продажах и актуальную информацию о конкурентах,
создай финансовую модель в Sheets и подготовь презентацию в Slides.
Пользователь задает цель. Gemini планирует работу.
Google позиционирует Gemini agent как единый интерфейс, а не как отдельную коллекцию узких помощников.
Официальная архитектура включает несколько ключевых возможностей.
Gemini может общаться в чате, автономно выполнять цели, создавать контент, а также генерировать и запускать код в рамках одного и того же пользовательского опыта.
Задачи можно запускать вручную, планировать на будущее или инициировать событиями.
Google заявляет, что агент доступен в веб-интерфейсе, iOS, Android, Windows, macOS, Google Workspace, Microsoft 365, Slack, интерфейсах командной строки и сторонних приложениях.
Он также может работать как агент без пользовательского интерфейса, то есть отдельный чат не всегда требуется.
Агент работает в облаке.
Поэтому его контекст, память и персонализация могут сохраняться между устройствами и каналами.
Google прямо говорит, что работа, занимающая часы или дни, может продолжаться после закрытия пользователем ноутбука.
Gemini может динамически создавать временных субагентов для отдельных частей крупной задачи.
Эти субагенты могут работать параллельно или последовательно и координироваться с главным агентом.
Таким образом, длинное задание можно разделить на роли исследователя, аналитика данных, программиста, проверяющего и специалиста по подготовке презентации.
Важно, что пользователю не нужно вручную создавать и контролировать каждого субагента.
Автоматизация между приложениями сама по себе не является новой.
ИИ-помощники уже умеют писать электронные письма, суммировать документы, искать информацию в интернете, создавать таблицы и вызывать API.
Новый подход Google заключается в том, что эти возможности должны принадлежать одному постоянному корпоративному агенту, а не набору изолированных интерфейсов.
Агент может поддерживать единую идентичность, единый слой контекста, единую систему памяти, библиотеку навыков, набор корпоративных средств управления и реестр инструментов.
При этом базовая модель может меняться, а активы более высокого уровня сохраняются.
Это стратегически важное различие.
Если позднее появится более эффективная модель, организации не придется заново строить весь ИИ-процесс сотрудника с нуля.
Google развивает эту идею дальше персонального помощника.
Компания может создать агента-коллегу для конкретной команды или роли.
Вместо работы от имени одного сотрудника агент-коллега получает собственную учетную запись Workspace.
Google заявляет, что у него могут быть:
В официальной архитектуре Google электронные адреса агентов-коллег представлены в формате:
@agents.company.com
Практический сценарий намеренно похож на привычный рабочий процесс.
Команда может добавить агента в пространство Google Chat. Пользователь может упомянуть его через @ в комментарии к документу. Агент может вносить изменения от собственного имени, отвечать в ветке комментариев и оставлять собственную запись в истории версий.
Это отличается от помощника, который выдает себя за человека.
Агент действует как отдельная организационная идентичность.
Предоставление ИИ-агенту собственной учетной записи — это не только решение в области пользовательского опыта.
Оно меняет подход к безопасности и аудиту.
Если каждое действие приписывается сотруднику, бывает трудно определить, кто именно внес изменение: человек или автономный агент.
Отдельная идентичность агента упрощает отслеживание активности.
Google заявляет, что каждая идентичность агента может быть криптографически подтверждена, управляться как идентичность сотрудника, ограничиваться разрешениями по принципу минимальных привилегий, фиксироваться в журналах аудита и передаваться в виртуальную машину, используемую для выполнения кода.
Когда агент подключается к внешней системе, Google заявляет, что идентичность может сопоставляться через такие стандарты, как OAuth.
Это позволяет рассматривать агента как управляемый корпоративный субъект, а не как невидимый процесс, использующий учетные данные человека.
Еще одна важная часть анонса — четырехуровневая модель памяти.
Сессионная память хранит контекст текущей задачи.
Если задача продолжается несколько дней, агент может помнить, что уже сделано и что еще осталось выполнить.
Семантическая память — это структурированные знания, которые агент формирует, читая документы, общаясь с людьми и работая с другими агентами.
К ним относятся названия продуктов, внутренняя терминология, обязанности команд, бизнес-определения и организационные взаимосвязи.
Процедурная память фиксирует, как выполняется работа.
Например, агент может изучить, какие источники данных нужны для отчета, какую аналитическую последовательность использует команда, какие этапы согласования обязательны и какого итогового формата ожидает организация.
Google заявляет, что Gemini может даже самостоятельно создавать навыки на основе того, чему он научился при повторяющейся работе.
Эпизодическая память записывает историю завершенных задач.
Позднее агент может использовать опыт предыдущих выполнений при работе над похожим заданием.
В совокупности четыре типа памяти должны уменьшить необходимость повторного подробного инструктажа.
Google сравнивает это с адаптацией нового сотрудника, который постепенно осваивает команду, инструменты и внутренние процессы.
Google организует корпоративного агента вокруг трех повторно используемых уровней.
Агент может подключаться к бизнес-системам, включая Google Workspace, Microsoft Office, Microsoft Teams, Slack, Confluence, Git, Jira, Salesforce, ServiceNow, BigQuery, Databricks, PostgreSQL, Snowflake и локальные файлы на компьютере.
Google также заявляет, что агент может подключаться к серверам Model Context Protocol внутри или за пределами корпоративной сети.
Команды могут публиковать внутренние инструменты через корпоративный реестр инструментов.
Навыки — это повторно используемые инструкции, рабочие процессы или пакеты предметных знаний.
Компания может применять навыки, предоставленные Google, общие корпоративные навыки, навыки отдельных подразделений и персональные навыки.
Вместо того чтобы описывать один и тот же процесс в каждом запросе, организация может закодировать его один раз и использовать повторно.
Контекст — это бизнес-информация, которая помогает агенту понимать, что именно означает тот или иной термин или процесс внутри организации.
Сюда входят документы, разговоры, бизнес-данные, связи между командами и уровни памяти, сформированные в ходе предыдущей работы.
Разделение имеет значение, поскольку модели могут меняться, а инструменты, навыки и контекст сохраняют ценность.
Одна из самых необычных частей запуска — явная поддержка Google моделей конкурента.
Google заявляет, что агент уже сегодня может координировать работу моделей Google Gemini и Anthropic Claude, а в будущем компания планирует поддерживать дополнительные закрытые и открытые модели.
Агент может выбирать модель с учетом таких факторов, как качество, сложность задачи, задержка и стоимость.
Сложная задача, требующая рассуждений, может быть передана более мощной модели. Простая повторяющаяся задача — более дешевой. Крупный проект также может использовать разные модели на разных этапах.
Google называет уровень автоматического выбора Smart Routing.
Его задача — направлять каждую корпоративную нагрузку к модели, которая обеспечивает требуемую производительность без неоправданного использования самого дорогого варианта.
Это больше, чем функция удобства.
Для предприятия, которое запускает тысячи или миллионы циклов работы агентов, передача каждого шага крупнейшей передовой модели может сделать экономику проекта сложной.
Многоэтапный агент может выполнять следующие шаги:
Планирование
→ Извлечение данных
→ Суммирование
→ Генерация SQL
→ Проведение анализа
→ Проверка
→ Подготовка черновика
→ Рецензирование
Не каждому этапу нужна одна и та же модель.
Оркестрация нескольких моделей дает платформе больший контроль над компромиссом между стоимостью и производительностью.
Более глубокая идея заключается в независимости от модели.
Google утверждает, что рейтинги моделей быстро меняются.
Если компания строит весь ИИ-процесс вокруг одной конечной точки модели, последующий переход может оказаться болезненным.
Gemini agent разработан так, чтобы активы более высокого уровня оставались стабильными: память, навыки, бизнес-контекст, инструменты, разрешения, организационная идентичность и история рабочих процессов.
Модель можно заменить под этим уровнем.
Это также объясняет, почему Google готова поддерживать Claude.
Компания хочет владеть уровнем корпоративного агента, а не обязательно каждым вызовом модели.
Исходная статья в основном сосредоточена на возможностях для пользователей, однако в официальном анонсе Google такое же внимание уделяется управлению.
Опишите идею одной фразой, и We0 AI создаст сайт-витрину, страницы и CMS, а после запуска поможет привлечь клиентов и трафик.
Одна полная генерация проекта для бесплатной регистрации
Лучше всего попробовать один полный поток генерации и быстро увидеть первый черновик проекта.
Google рассматривает безопасность корпоративных агентов через четыре вопроса:
Каждый агент получает управляемую идентичность и может быть ограничен с помощью ролевого доступа.
Действия записываются в журнал аудита под идентичностью агента.
Google заявляет, что агенты Gemini выполняют задачи внутри Agent Sandbox с собственной сетевой границей.
Трафик, входящий в агентов, исходящий из них и проходящий между ними, проходит через Agent Gateway, который Google описывает как сетевой экран для ИИ, обеспечивающий соблюдение организационных политик.
Организация может определить такие политики, как:
Агентам запрещено открывать документы с классификацией «Need to Know».
Затем политика может применяться ко всем агентам компании.
Для действий с высоким влиянием можно потребовать одобрение вместо автоматического выполнения.
Постоянно работающие корпоративные агенты могут быть дорогими, поскольку они выполняют множество вызовов моделей, обращаются к инструментам, используют песочницы и работают в фоновом режиме.
Поэтому Google связывает платформу агента с контролем расходов на уровне проектов.
В официальном анонсе упоминаются оркестрация нескольких моделей, Smart Routing и ограничения расходов в реальном времени.
Администратор может установить жесткий лимит для проекта в Cloud Billing Console.
Google заявляет, что Gemini отслеживает использование моделей и расходы на песочницы. Если лимит достигнут, агент проекта может приостановить работу, пока администратор не решит возобновить ее.
Это дает компаниям более понятный способ относить расходы на агентов к конкретным подразделениям или проектам.
Агент также встраивается в приложения, которыми сотрудники уже пользуются.
Google заявляет, что Gemini работает непосредственно внутри Gmail, Drive, Docs, Slides, Sheets, Chat и Calendar.
Одна и та же память, навыки, контекст и средства управления могут использоваться во всех этих интерфейсах.
Google описывает три основных режима внутри Workspace.
Агент может использовать имеющийся контекст пользователя для координации работы.
Например, пользователь может попросить его организовать встречу с привычными региональными руководителями мероприятий, не вводя вручную каждого участника.
Gemini может определить вероятную группу по предыдущему контексту Workspace, проверить календари и начать координацию.
Workspace может выявлять задачи, которые можно делегировать.
Если руководитель отправляет электронное письмо с просьбой подготовить презентацию об обновлении проекта, Workspace Intelligence может предложить делегировать эту задачу Gemini.
Агент-коллега может присоединиться к общему пространству Chat или работать через комментарии к документам под собственной организационной идентичностью.
Главный сдвиг заключается в переходе от «кнопки ИИ в каждом приложении» к «одному постоянному агенту, который появляется внутри каждого приложения».
Google также представила специализированные возможности агентов для отдельных отраслей и областей.
Для команд, работающих с данными и машинным обучением, агент может генерировать PySpark, создавать редактируемые ноутбуки, обучать модели, устранять неполадки в конвейерах, генерировать SQL, проводить анализ, а также создавать графики и информационные панели.
Google связывает эту работу с такими продуктами, как BigQuery и Knowledge Catalog.
Gemini Enterprise for Financial Services находится на стадии предварительного просмотра.
Google заявляет, что решение включает более 50 базовых навыков для таких процессов, как инвестиционный анализ, кредитный анализ, моделирование рисков и анализ, связанный с KYC.
Оно может подключаться к источникам финансовых данных, включая FactSet, LSEG, S&P Global, документы SEC и собственные репозитории.
Gemini Enterprise for Legal также находится на стадии предварительного просмотра.
Google заявляет, что решение может наследовать разрешения на уровне дела и этические ограничения от платформ для юридических документов, таких как NetDocuments и iManage.
Более широкая стратегия заключается в объединении универсального агента со специализированными инструментами, разрешениями и предметными знаниями.
Запуск Google происходит на быстро развивающемся рынке.
Meta представила Muse в сентябре. OpenAI представила dots 29 сентября.
У трех продуктов есть общие черты, однако их первоначальное позиционирование различается.
| Параметр | Meta Muse | OpenAI dots | Google Gemini Agent |
|---|---|---|---|
| Первоначальный фокус | Персональный агент | Постоянно доступный персональный агент с расширением в сторону работы | Корпоративная работа и организационные процессы |
| Среда выполнения | Выделенная защищенная виртуальная машина Muse | Выделенный облачный компьютер для каждого dot | Облачное выполнение с корпоративной Agent Sandbox |
| Длительная работа | Да | Да, 24/7 | Да, в течение часов или дней |
| Подключенные инструменты | Приложения и коннекторы | Более 4 000 приложений через плагины | Workspace, сторонние приложения, корпоративные инструменты, MCP |
| Отдельная рабочая идентичность | Идентичность персонального агента | Идентичность dot / профессиональные сценарии | Агент-коллега с учетной записью Workspace, электронной почтой, календарем и Drive |
| Стратегия моделей | Muse Spark на старте | GPT-6 Astra на старте | Gemini + Claude сегодня, другие модели в планах |
| Корпоративное управление | Расширяется через Meta Enterprise Platform | Корпоративные профессиональные dots формируются | Основной акцент продукта с момента запуска |
Это не таблица сравнительного тестирования. Она отражает то, как три компании в настоящее время позиционируют свои продукты.
Meta представила Muse как персонального ИИ-агента.
Он работает внутри выделенной защищенной виртуальной машины с собственным браузером.
Meta заявляет, что Muse может выполнять такие задачи, как отправка электронной почты, бронирование путешествий, покупки и планирование долгосрочных целей.
Meta также расширяет Muse в сторону корпоративной платформы, однако первоначальный запуск был в значительной степени сосредоточен на повседневной жизни человека.
OpenAI описывает dots как постоянно доступных агентов на базе GPT-6 Astra.
Каждый dot имеет собственный облачный компьютер и может круглосуточно работать над целями пользователя.
OpenAI заявляет, что dots могут подключаться более чем к 4 000 приложений через экосистему плагинов.
Продукт делает акцент на преемственности: dot учится на обратной связи и может продолжать работу без необходимости каждый раз ждать нового запроса.
Таким образом, пересечение с Google довольно значительное.
Разница заключается в том, что октябрьский анонс Google особенно сосредоточен на интеграции агента с существующей корпоративной идентичностью, разрешениями, совместной работой и системой управления.
Google уже владеет многими рабочими интерфейсами, в которых должен работать агент.
К ним относятся Gmail, Docs, Sheets, Slides, Calendar, Chat, Drive, BigQuery, Google Cloud IAM и Cloud Billing.
Поэтому Gemini agent может работать в той же среде, где многие компании уже хранят документы, календари, электронную почту, данные, идентичности и политики.
Продуктовая стратегия понятна:
Если у компании уже есть рабочая среда, ИИ-агенту не нужно создавать отдельное рабочее пространство.
Концепция агента-коллеги развивает эту идею дальше всего.
Вместо простого подключения внешнего помощника к Workspace Google может создать ИИ-учетную запись внутри Workspace.
Исходный анонс Google Cloud включает несколько других важных обновлений.
Тот же контекст агента и те же средства управления напрямую переходят в Gmail, Drive, Docs, Slides, Sheets, Chat и Calendar.
Организации могут публиковать повторно используемые навыки и инструменты.
Агент может подключаться к сторонним корпоративным системам и серверам MCP.
Google начинает с финансовых услуг и юридической сферы.
Государственный сектор, здравоохранение и розничная торговля запланированы на более поздний период.
Google делает акцент на идентичности агента, доступе с минимальными привилегиями, журналах аудита, изоляции песочницы, применении политик и Agent Gateway.
Smart Routing и ограничения расходов в реальном времени призваны упростить бюджетирование постоянно работающих корпоративных агентов.
Таким образом, этот анонс представляет собой не просто нового чат-бота.
Это более широкая попытка сделать Gemini уровнем выполнения и управления корпоративной работой с ИИ.
Список возможностей амбициозен, однако промышленное внедрение по-прежнему требует тщательной проверки.
Агент-коллега должен получать доступ только к тем документам, системам и записям, которые необходимы для его роли.
Для действий с высоким влиянием должны быть определены четкие правила подтверждения человеком.
Долгосрочная семантическая, процедурная и эпизодическая память создает ценность, однако организациям нужны политики хранения, удаления и проверки данных.
Если одну задачу могут обрабатывать Claude и Gemini, организации следует понимать, какие данные можно отправлять каждому поставщику, какие действуют региональные ограничения, правила журналирования, договорные условия и различия в стоимости.
Серверы MCP и сторонние инструменты расширяют возможности агента. Одновременно они увеличивают поверхность атаки.
До широкого развертывания постоянного облачного выполнения следует установить лимиты расходов на уровне проектов.
Gemini agent — универсальный корпоративный рабочий агент Google, представленный на мероприятии Gemini at Work 2026. Он может отвечать на вопросы, выполнять длительные задачи, создавать контент, анализировать данные, писать и запускать код, использовать корпоративные инструменты и координировать субагентов.
Да. Google прямо заявляет, что агент уже сегодня может координировать работу собственного семейства моделей Gemini и моделей Anthropic Claude. В будущем компания планирует поддерживать дополнительные закрытые и открытые модели.
Агент-коллега — это постоянный агент Gemini, созданный для команды или конкретной роли. Google заявляет, что он может получать собственную учетную запись Workspace, адрес электронной почты, календарь, хранилище Drive, присутствие в каталоге и разрешения на основе роли.
Да. Google заявляет, что Gemini agent работает в облаке и может продолжать задачи, занимающие часы или дни, после закрытия пользователем ноутбука.
Google описывает сессионную, семантическую, процедурную и эпизодическую память. Они охватывают активную задачу, накопленные знания, повторно используемые способы выполнения работы и историю предыдущих запусков.
Smart Routing — это уровень автоматического выбора модели от Google. Он направляет корпоративные нагрузки к модели, которая должна обеспечить необходимую производительность при контроле расходов.
Google описывает управляемую идентичность агента, ролевые разрешения, журналы аудита, изоляцию Agent Sandbox, применение политик через Agent Gateway и подтверждение человеком для чувствительных действий. Конкретный набор доступных средств зависит от конфигурации продуктов и политик организации.
Это конкурирующие подходы к постоянным агентам с пересекающимися возможностями. Muse начинала как агент для личной жизни, dots делают акцент на постоянно доступной персональной работе, а Google уделяет особое внимание корпоративному контексту, идентичности Workspace, управлению и оркестрации нескольких моделей.
Новый Gemini agent от Google объединяет длительное облачное выполнение, оркестрацию субагентов, интеграцию с Workspace, постоянную память, повторно используемые навыки и корпоративную идентичность в одном рабочем агенте.
Наиболее необычное стратегическое решение — независимость от модели. Gemini является уровнем агента, но базовая модель может выбираться динамически. Сейчас Google поддерживает в рамках этого подхода как модели Gemini, так и модели Anthropic Claude.
Агенты-коллеги глубже интегрируют продукт в корпоративные операции, предоставляя ИИ отдельные идентичность Workspace, разрешения, хранилище, электронную почту, календарь и проверяемую историю активности. Google дополняет эти возможности Agent Sandbox, Agent Gateway, авторизацией с минимальными привилегиями, Smart Routing и контролем расходов на уровне проектов.
Главная идея заключается не просто в том, что «Gemini может использовать Claude». Google пытается сделать корпоративного агента, его память, идентичность, инструменты и управление более устойчивыми, чем любая модель, которая окажется лучшей в этом месяце.
Начните с одной фразы и получите полноценный сайт за считанные минуты.
