Google Gemini Agent：Claude 路由、协作代理、记忆、安全与企业自动化

Google 正式加入了为企业打造全天候 AI 协作员工的竞争。

在 Gemini at Work 2026 活动上，Google Cloud CEO Thomas Kurian 介绍了 Gemini Agent。Google 将其描述为一个面向工作的单一通用代理。它可以回答问题、研究信息、创建媒体、分析数据、编写和运行代码、使用企业工具、安排工作、响应事件，并在用户关闭笔记本电脑后，继续让长时间运行的任务在云端执行。

这项功能的重点并不只是 Gemini 能够跨越 Gmail、Docs、Sheets、Slides、Chat、Calendar、数据库、开发者工具和第三方服务运行。

Google 试图让代理本身成为持久化层。

Google 将 代理 与 底层模型 分离，使 Gemini 目前可以在 Google 自有模型系列与 Anthropic 的 Claude 模型之间路由任务，未来还计划支持更多私有模型和开放模型。

这意味着，即使针对特定任务所选用的模型发生变化，组织的记忆、工具、技能、数据连接、安全控制和工作流状态仍然可以保留。

Google 还在推出一种更具“AI 协作员工”特征的代理：它拥有自己的 Workspace 账户、电子邮箱地址、日历、Drive 存储空间、目录身份、审计记录，以及在团队中的持久化角色。

Gemini Agent：给它一个目标，而不是逐步脚本

Google 用一句话概括了这一运行原则：

给它目标，而不是指令。

其理念是，用户不应该再手动拆解一项业务任务的每一个中间步骤。

相反，用户只需委派期望实现的结果。

例如，一项市场分析任务可能要求代理：

1. 搜索最新信息。
2. 收集内部业务背景。
3. 分析相关数据。
4. 在 Google Sheets 中建立财务模型。
5. 将研究结果制作成 Google Slides 演示文稿。
6. 将完成的成果返回给用户。

代理需要自行判断每个阶段适合使用哪些工具、应用和模型。

一个简化后的请求可能如下：

为我们的新产品创建一份市场进入分析。
使用内部销售数据和最新竞争对手信息，
在 Sheets 中建立财务模型，并在 Slides 中交付演示文稿。

用户提供目标，Gemini 负责规划工作。

一个代理覆盖工作、代码、数据和内容

Google 将 Gemini Agent 定位为一个统一界面，而不是一组彼此割裂的垂直助手。

官方架构包括以下几项核心能力。

统一代理

Gemini 可以在同一个代理体验中聊天、完成自主目标、创建内容，以及生成或执行代码。

任务可以手动启动、安排稍后执行，或由事件触发。

无处不在的访问方式

Google 表示，用户可以通过 Web、iOS、Android、Windows、macOS、Google Workspace、Microsoft 365、Slack、命令行界面和第三方应用访问该代理。

它还可以作为 无头代理 运行，这意味着不一定始终需要专门的聊天界面。

持久化执行

代理在云端运行。

因此，其上下文、记忆和个性化设置可以跨设备和渠道持续存在。

Google 明确表示，即使用户关闭笔记本电脑，耗时数小时或数天的工作仍然可以继续。

多代理编排

Gemini 可以针对大型任务中的特定部分动态创建临时子代理。

这些子代理可以并行或按顺序工作，并与主代理进行协调。

因此，一项长期任务可以被拆分为研究、数据分析、编码、审查和演示文稿准备等角色。

关键在于，用户不需要手动创建和管理每一个子代理。

Gemini Agent 与早期跨应用助手有何不同？

跨应用自动化本身并不新鲜。

AI 助手已经可以撰写电子邮件、总结文档、搜索网络、创建电子表格和调用 API。

Google 的新主张是，这些能力应该属于一个持久化的企业代理，而不是一组彼此孤立的使用体验。

代理可以维护统一身份、统一上下文层、统一记忆系统、统一技能库、统一企业控制机制和统一工具注册表。

底层模型可以发生变化，而这些更高层的资产仍然可以保留。

这是一个具有战略意义的区别。

如果未来出现更好的模型，组织不应该必须从头重建员工完整的 AI 工作流。

协作员工代理拥有自己的企业身份

Google 正在把这一理念从个人助手进一步扩展出去。

企业可以为特定团队或角色创建一个 协作员工代理。

协作员工代理不会使用某一位员工的身份，而是获得自己的 Workspace 账户。

Google 表示，它可以拥有：

• 自己的企业电子邮箱地址
• 自己的日历
• 自己的 Drive 存储空间
• 自己的目录身份
• 自己的持久化记忆和工作历史
• 自己的基于角色的权限

Google 的官方架构以以下形式描述协作员工代理的电子邮箱：

@agents.company.com

实际工作流程有意保持熟悉。

团队可以将代理添加到 Google Chat 空间。用户可以在文档评论中 @提及它。代理可以使用自己的名称进行编辑，在评论线程中回复，并留下自己的版本历史记录。

这不同于由助手冒充人类用户执行操作。

代理以独立的组织身份开展工作。

企业身份会改变治理模式

为 AI 代理提供独立账户并不只是用户体验决策。

它会改变安全和审计方式。

如果每项操作都归属于人类员工，就很难判断究竟是员工还是自主代理做出了修改。

独立的代理身份可以让活动更容易追踪。

Google 表示，每个代理身份都可以经过加密证明，像员工身份一样受到治理，使用最小权限进行限制，记录在审计日志中，并传递到用于代码执行的虚拟机中。

当代理连接到外部系统时，Google 表示可以通过 OAuth 等标准映射该身份。

这意味着，代理可以被当作受管理的企业主体，而不是一个隐形进程，借用某个人的凭据执行操作。

Gemini 获得四种记忆

此次发布的另一项重要内容是四层记忆模型。

1. 会话记忆

会话记忆保存当前任务的上下文。

如果任务持续数天，代理可以记住已经完成的工作以及剩余工作。

2. 语义记忆

语义记忆是代理在阅读文档、与人员交流以及与其他代理协作时构建的结构化知识。

例如，它可以学习产品名称、内部术语、团队职责、业务定义和组织关系。

3. 程序性记忆

程序性记忆记录 工作是如何完成的。

例如，它可以学习报告需要哪些数据源、团队采用何种分析顺序、需要经过哪些审批步骤，以及组织期望的最终格式。

Google 表示，Gemini 甚至可以根据从重复工作中学到的内容，为自己编写技能。

4. 情景记忆

情景记忆记录已完成工作的历史。

之后面对类似任务时，代理可以利用过去的执行经验。

这四种记忆结合起来，旨在减少重复说明。

Google 将其比作入职一名新员工：新员工会逐步了解团队、工具和内部流程。

技能、工具和上下文构成代理的工作环境

Google 围绕三个可复用层组织企业代理。

工具

代理可以连接包括 Google Workspace、Microsoft Office、Microsoft Teams、Slack、Confluence、Git、Jira、Salesforce、ServiceNow、BigQuery、Databricks、PostgreSQL、Snowflake 和本地桌面文件在内的业务系统。

Google 还表示，代理可以连接公司网络内部或外部的 Model Context Protocol 服务器。

团队可以通过企业工具注册表发布内部工具。

技能

技能是可复用的指令、工作流或领域知识包。

企业可以使用 Google 提供的技能、公司共享技能、部门专属技能和个人技能。

组织无需将同一流程写入每一个提示词，而是可以编码一次并重复使用。

上下文

上下文是帮助代理理解组织实际含义的业务信息。

其中包括文档、对话、业务数据、团队关系，以及通过既往工作构建的记忆层。

这种分离很重要，因为模型可以变化，而工具、技能和上下文仍然具有价值。

Gemini Agent 可以使用 Claude

此次发布中最不寻常的部分之一，是 Google 明确支持竞争对手的模型。

Google 表示，目前代理可以在 Google Gemini 模型与 Anthropic Claude 模型之间进行编排，未来还计划支持更多私有模型和开放模型。

代理可以根据质量、任务难度、延迟和成本等因素选择模型。

复杂的推理任务可能交给更强大的模型。简单的重复任务可能使用成本更低的模型。大型项目也可以在不同阶段使用不同模型。

智能路由自动完成模型选择

Google 将自动选择层称为 Smart Routing。

其目的是将每项企业工作负载发送给能够提供所需性能的模型，同时避免不必要地使用成本最高的选项。

这不仅是一项便利功能。

对于运行数千或数百万次代理循环的企业而言，如果每一步都发送给最大的前沿模型，经济性可能会变得难以承受。

一个多步骤代理可能执行：

规划
→ 检索
→ 总结
→ 生成 SQL
→ 运行分析
→ 验证
→ 起草
→ 审查

并非每一步都需要相同的模型。

多模型编排让平台能够更好地控制成本与性能之间的权衡。

代理可以更换模型，而不会丢失工作身份

更深层的理念是模型独立性。

Google 认为，模型排名变化很快。

如果企业围绕单一模型端点构建完整的 AI 工作流，之后切换模型可能会非常困难。

Gemini Agent 的设计是让更高层资产保持稳定：记忆、技能、业务上下文、工具、权限、组织身份和工作流历史。

底层模型可以在这些资产之下进行替换。

这也解释了 Google 为什么愿意支持 Claude。

Google 希望拥有的是 企业代理层，而不一定是每一次推理调用。

安全与治理内置于代理平台

原始文章主要关注面向用户的能力，但 Google 的官方公告同样强调治理。

Google 将企业代理安全归纳为四个问题：

1. 代理是谁？
2. 它被允许做什么？
3. 它做了什么？
4. 哪些内容绝不能接触？

身份与访问控制

每个代理都会获得一个受管理的身份，并可以通过基于角色的访问控制进行限制。

审计

操作会以代理身份写入审计轨迹。

代理沙箱

Google 表示，Gemini 代理在拥有独立网络边界的 Agent Sandbox 中执行任务。

代理网关

代理之间以及进出代理的流量都会经过 Agent Gateway。Google 将其描述为一个用于执行组织政策的 AI 网络防火墙。

组织可以定义如下政策：

代理不得打开标记为“Need to Know”的文档。

该政策随后可以应用于企业内的所有代理。

人工签核

高影响操作可以要求获得批准，而不是自动执行。

Google 还增加了支出控制

持久化企业代理可能会产生较高成本，因为它们会运行大量模型调用、工具、沙箱和后台任务。

因此，Google 正在将代理平台与项目级成本控制连接起来。

官方公告包括多模型编排、Smart Routing 和实时支出上限。

管理员可以在 Cloud Billing Console 中为项目设置硬性限额。

Google 表示，Gemini 会监控模型使用量和沙箱成本。如果达到上限，项目代理可以暂停运行，直到管理员选择恢复。

这让企业能够更清晰地将代理成本归集到部门或项目。

Gemini 直接进入 Google Workspace

代理还被嵌入员工已经在使用的应用中。

Google 表示，Gemini 可以直接在 Gmail、Drive、Docs、Slides、Sheets、Chat 和 Calendar 中运行。

相同的记忆、技能、上下文和控制机制可以跨这些界面延续。

Google 描述了 Workspace 内的三种主要模式。

个人助理

代理可以使用用户现有的上下文来协调工作。

例如，用户可以要求它与通常负责区域活动的负责人安排会议，而无需手动输入每一位参与者。

Gemini 可以根据以往的 Workspace 上下文推断可能的群组，检查日历，并开始协调。

主动委派

Workspace 可以识别适合委派的工作。

如果经理发送一封要求制作项目进度演示文稿的电子邮件，Workspace Intelligence 可以提供将该任务委派给 Gemini 的选项。

团队成员

协作员工代理可以加入共享 Chat 空间，或以自己的组织身份通过文档评论开展工作。

重要转变在于，模式从“每个应用中都有一个 AI 按钮”变为“同一个持久化代理出现在每个应用中”。

面向数据、金融和法律工作的专业代理

Google 还推出了面向特定领域的代理能力。

数据与机器学习

对于数据和机器学习团队，代理可以生成 PySpark、创建可编辑笔记本、训练模型、排查数据管道问题、生成 SQL、运行分析，以及构建图表和仪表板。

Google 将这些工作与 BigQuery 和 Knowledge Catalog 等产品连接起来。

金融服务

Gemini Enterprise for Financial Services 目前处于预览阶段。

Google 表示，它包括 50 多项基础技能，覆盖投资研究、信用分析、风险建模和 KYC 相关分析等工作流。

它可以连接 FactSet、LSEG、S&P Global、SEC 文件和专有资料库等金融数据源。

法律

Gemini Enterprise for Legal 同样处于预览阶段。

Google 表示，它可以继承 NetDocuments 和 iManage 等法律文档平台中的案件级权限和伦理墙。

更广泛的策略是，将通用代理与专业工具、权限和领域知识结合起来。

Google、Meta Muse 与 OpenAI Dots 对比

Google 的发布进入了一个快速发展的市场。

Meta 于 9 月推出 Muse。OpenAI 于 9 月 29 日推出 Dots。

三款产品存在重叠，但初始定位有所不同。

这不是一张基准测试表，而是反映三家公司目前对产品的定位。

Meta Muse 更关注个人生活

Meta 将 Muse 作为个人 AI 代理推出。

它运行在带有独立浏览器的专用安全虚拟机中。

Meta 表示，Muse 可以处理发送电子邮件、预订旅行、购物以及围绕长期目标进行规划等任务。

Meta 也在将 Muse 扩展到企业平台，但其最初发布重点主要集中在个人日常生活。

OpenAI Dots 强调全天候个人工作

OpenAI 将 Dots 描述为由 GPT-6 Astra 驱动的全天候代理。

每个 Dot 都有自己的云端计算机，可以全天候围绕用户目标工作。

OpenAI 表示，Dots 可以通过插件生态连接 4,000 多个应用。

该产品强调长期连续性：Dot 可以从反馈中学习，并持续推进工作，而不必每次都等待新的提示词。

因此，它与 Google 的产品存在明显重叠。

区别在于，Google 10 月的公告尤其关注如何将代理嵌入现有的企业身份、权限、协作和治理体系。

Google 的优势在于已有的企业上下文

Google 已经拥有许多代理预计运行其中的工作界面。

这些界面包括 Gmail、Docs、Sheets、Slides、Calendar、Chat、Drive、BigQuery、Google Cloud IAM 和 Cloud Billing。

因此，Gemini Agent 可以在许多企业已经存放文档、日历、电子邮件、数据、身份和政策的同一环境中运行。

产品策略很明确：

如果企业已经拥有一个工作场所，AI 代理就不应该再要求企业建立一个独立的工作场所。

协作员工代理的概念将这一理念推向了更深层次。

Google 不只是将外部助手连接到 Workspace，而是可以在 Workspace 内部 创建一个 AI 账户。

还有一点：这项公告不只是 Gemini Agent

Google Cloud 的原始公告还包括其他几项重要更新。

Workspace 中无处不在的 Gemini

相同的代理上下文和控制机制直接进入 Gmail、Drive、Docs、Slides、Sheets、Chat 和 Calendar。

开放技能、工具和企业连接器

组织可以发布可复用的技能和工具。

代理可以连接第三方企业系统和 MCP 服务器。

专业行业代理

Google 首先从金融服务和法律领域开始。

政府、医疗和零售领域计划稍后推出。

更强的代理安全

Google 正在强调代理身份、最小权限访问、审计轨迹、沙箱隔离、政策执行和 Agent Gateway。

更强的成本治理

Smart Routing 和实时支出上限旨在让长期运行的企业代理更容易进行预算管理。

因此，这项公告并不只是推出一个新的聊天机器人。

它是一次更广泛的尝试，旨在让 Gemini 成为企业 AI 工作的执行与治理层。

企业部署前应该验证什么

功能列表很有雄心，但投入生产环境仍然需要谨慎验证。

访问边界

协作员工代理只能获得完成其角色所需的文档、系统和记录。

审批政策

高影响操作应当制定明确的人工签核规则。

记忆治理

长期语义记忆、程序性记忆和情景记忆可以创造价值，但组织需要制定保留、删除和审查政策。

模型路由

如果 Claude 和 Gemini 都可以处理某项任务，组织应当了解哪些数据可以发送给哪家供应商、区域限制、日志规则、合同条款和成本差异。

工具安全

MCP 服务器和第三方工具会增强代理能力，也会扩大攻击面。

预算控制

在大规模部署之前，应当为持久化云端执行设置项目级支出上限。

常见问题

Google 新推出的 Gemini Agent 是什么？

Gemini Agent 是 Google 在 Gemini at Work 2026 上宣布的通用企业工作代理。它可以回答问题、完成长期运行的任务、创建内容、分析数据、编写和运行代码、使用企业工具，并协调子代理。

Gemini Agent 可以使用 Anthropic Claude 吗？

可以。Google 明确表示，目前该代理可以在自有 Gemini 模型系列与 Anthropic Claude 模型之间进行编排。未来还计划支持更多私有模型和开放模型。

什么是 Gemini 协作员工代理？

协作员工代理是为某个团队或角色创建的持久化 Gemini 代理。Google 表示，它可以拥有自己的 Workspace 账户、电子邮箱地址、日历、Drive 存储空间、目录身份和基于角色的权限。

关闭笔记本电脑后，Gemini 还能继续工作吗？

可以。Google 表示，Gemini Agent 在云端运行，即使用户关闭笔记本电脑，也可以继续执行需要数小时或数天的任务。

Gemini 有哪四种记忆？

Google 描述了会话记忆、语义记忆、程序性记忆和情景记忆。它们分别覆盖当前任务、积累的知识、可复用的工作方式，以及过往执行记录。

Gemini Enterprise 中的 Smart Routing 是什么？

Smart Routing 是 Google 的自动模型选择层。它会将企业工作负载路由到旨在提供所需性能的模型，同时控制成本。

Google 如何保护自主代理？

Google 描述了受管理的代理身份、基于角色的权限、审计轨迹、Agent Sandbox 隔离、Agent Gateway 政策执行，以及敏感操作的人工审批。具体可用的控制能力取决于组织的产品配置和政策。

Gemini Agent 与 Meta Muse 或 OpenAI Dots 相同吗？

它们都是能力存在重叠的持久化代理方案。Muse 最初定位为个人生活代理，Dots 强调全天候个人工作，而 Google 则重点关注企业上下文、Workspace 身份、治理和多模型编排。

相关工具

• Gemini Enterprise：Google 面向企业的 AI 工作空间，用于代理、业务上下文、治理和专业工作流。
• Gemini Enterprise Agent Platform：Google Cloud 用于构建、扩展、治理和运营企业代理的平台。
• Google Workspace with Gemini：覆盖 Gmail、Docs、Sheets、Slides、Drive、Meet 和其他 Workspace 工具的 Google AI 层。
• Anthropic Claude：Google 表示 Gemini Agent 可以通过多模型编排使用的 Anthropic 模型系列。
• Model Context Protocol：Gemini 支持的开放协议，用于将代理连接到外部工具和数据。
• OpenAI Dots：OpenAI 的全天候代理产品，配备专用云端计算机和插件访问能力。
• Meta Muse：Meta 的持久化个人代理，运行在专用安全虚拟机中。

相关链接

• Gemini at Work 2026：Introducing the Gemini Agent：Google Cloud 的主要公告，介绍通用代理、协作员工代理、记忆、Claude 支持、治理和成本控制。
• Gemini Enterprise：企业 Gemini 体验及可用版本的官方产品页面。
• Gemini Enterprise Agent Platform：企业代理开发和治理的官方平台页面。
• Gemini Enterprise Agent Platform Pricing：Google Cloud 关于代理计算、记忆、运行时资源和相关服务的官方定价信息。
• Gemini Enterprise Release Notes：Gemini Enterprise 当前生产环境更新和可用性变化。
• Introducing OpenAI Dots：OpenAI 全天候代理产品的官方公告。
• Introducing Meta Muse：Meta 关于 Muse 的官方公告。
• Original BAAI Community Article：用于本次可发布英文版本的中文原始文章。

总结

Google 的新 Gemini Agent 将长期云端执行、子代理编排、Workspace 集成、持久化记忆、可复用技能和企业身份整合到一个工作代理中。

其中最不寻常的战略决策是模型独立性。Gemini 是代理层，但底层模型可以动态选择。在这种编排方式中，Google 当前同时支持 Gemini 和 Anthropic Claude 模型。

协作员工代理通过为 AI 提供独立的 Workspace 身份、权限、存储空间、电子邮箱、日历和可审计的活动历史，将产品进一步嵌入企业运营。Google 同时配套提供 Agent Sandbox、Agent Gateway、最小权限授权、Smart Routing 和项目级支出控制。

核心理念并不只是“Gemini 可以使用 Claude”。Google 正试图让企业代理及其记忆、身份、工具和治理能力，比本月恰好表现最好的模型更加持久。