主管发来一封邮件，要把项目进度整理成汇报材料。Google展示的设想是，Gemini可以识别这项任务，给用户一个委派选项；用户确认后，智能体再调用相关工具和企业资料继续处理。
10月8日，Google Cloud公布Gemini agent。它不是一款新的基础模型，而是一个接收任务、调用模型和工具、再把结果带回工作流程的企业智能体。
两项设计尤其值得关注：它可以在Gemini和Anthropic的Claude模型之间调度；企业创建的“AI同事”则可以拥有自己的邮箱、日历和公司目录身份。
它接到的是目标，背后要调用一串工具
Gemini agent的工作方式，不止是接收问题、生成答案。
用户可以给它一个目标，由它规划步骤、选择技能和工具，并协调子智能体处理多步骤任务。任务可以跨应用进行，也可以在云端持续运行；对于较长的工作，用户不必一直守着对话窗口。
这套流程依赖三类东西：工具负责连接企业软件和数据，技能记录某项工作该怎么做，上下文则帮助智能体理解公司内部的信息。
以会议安排为例：用户只需提出“下周约平时那组区域活动负责人开会”，Gemini可以结合聊天群成员和上次活动邮件，识别相关人员、查看日历，再发起邮件协调时间。
连接范围也不只限于Google自家应用。公告列出Workspace、Microsoft Office、Teams、Slack、Git、Jira、Salesforce、ServiceNow等工具和平台，也支持MCP服务。企业团队还可以创建、发布共享技能和工具，让智能体按内部流程执行任务。
在数据工作上，数据和机器学习工程师可以用自然语言描述目标，由Gemini生成PySpark代码、提供可编辑和测试的笔记本，并协助训练模型、排查数据流水线问题；业务人员则可以通过BigQuery和Knowledge Catalog生成运营报告。它的目标是把“找资料、写代码、跑查询、整理结果”连成一条工作链，而不是只在聊天框里给建议。
Gemini调度任务，Claude也能参与
Google表示，Gemini agent可以在Gemini模型和Anthropic的Claude模型之间选择，也计划支持更多私有和开放模型。这里的重点不是把Claude直接做成Gemini的替代品，而是把智能体和底层模型分开：Gemini负责承接工作、规划步骤，具体任务由系统选择合适的模型处理。
这会改变企业采购AI的比较方式。过去，讨论常常围绕“哪家模型更强”；如果智能体真的能稳定调度不同模型，企业还会关心它能否接入已有软件、理解内部资料、遵循权限规则，并把任务交付到员工正在使用的地方。
不过，Google描述的是产品的模型选择机制，并未意味着员工可以在每项任务中随意挑选所有模型。具体哪些模型可用、如何路由，以及企业能否自行调整策略，还要以产品实际配置为准。
AI同事有了身份，权限就不能含糊
Google公布的coworker agent可以长期承担特定职责，并拥有自己的Workspace账号，包括邮箱、日历、Drive和公司目录身份。团队成员可以把它拉进Chat空间，也可以在文档评论中@它。例如营销团队可以创建活动协调员智能体，让它在群聊中起草发布准备文档，再把结果发回团队。
这与让AI借用某位员工账号操作不同。按Google的设计，智能体以自己的身份工作，只能访问团队分享给它的内容；它在文档中的建议也会以自己的名字显示。对企业来说，这样的身份有助于区分“员工做的”与“智能体做的”，也为审计和权限管理提供明确对象。
企业要管理的不只是模型，还有每一步操作
Google为智能体列出的管理机制包括独立身份、细粒度权限、操作审计、安全沙箱和网络控制。公司管理员可以限制它能访问的内容，并查看它采取过哪些操作。费用方面，Google还介绍了模型路由、项目级支出上限等控制方式；触及上限后，相关任务可以暂停。
这些设计回应了企业部署智能体时的现实顾虑：它读错文件怎么办？未经允许发出邮件怎么办？多步任务中途出错，能不能追溯是哪一步出了问题？即使有权限管理和审计工具，企业仍要决定哪些任务可以自动执行、哪些操作必须由员工确认，以及错误由谁负责。
因此，Gemini agent的关键考验不只是模型回答得是否聪明，而是它能否在多套软件和权限体系之间可靠工作。Google给出了连接器、技能、模型调度和治理机制的产品方案；它们在不同企业环境里的执行效果，还需要实际部署来检验。
