Google Cloud Tech
随着AI智能体从对话问答跃迁为长达数天的复杂任务执行者,企业自行拼凑安全治理组件已不可持续,必须依托云厂商的一体化网关与身份管控实现全员赋能。
AI-assisted summary of What's new in Google Cloud's agent platform — original source. Check the original for full context.
Source published:
Key ideas
- Google Cloud 深度整合 Gemini Enterprise 与 Agent Platform,通过统一的无代码/代码双模 Agent Studio、ADK 2.0 图编排及全新 Agent CLI,打通从员工前端到开发者后端的全链路。 (3:51)
- Agent Engine 实现亚秒级冷启动并支持自带容器(BYOC),单个 Agent 在无需人工干预的情况下最长支持自主规划并连续运行 7 天。 (8:50)
- 企业级治理架构全面完善:Agent Identity 正式 GA,推出集中资产编目的 Agent Registry、策略管控的 Agent Gateway,并原生整合 Model Armor 与 DeepMind Auto-Raters 评估体系。 (10:39)
- 欧莱雅(L'Oréal)分享从自建转向采购的战略实践,依托 Google Cloud 平台将其内部周活提升至 4.1 万人,支持员工构建了超过 3 万个零代码智能代理。 (24:26)
Detailed notes
## Background 本内容由 YouTube 官方频道 Google Cloud Tech 于 2026 年 6 月 25 日发布,记录了 Google Cloud Next 2026 大会的技术分论坛(代码 BRK2-093)。视频介绍了 Google Cloud 全新升级的企业级 Agent Platform,重点展示了统一的 Gemini Enterprise Agent Platform、Agent Designer、Agent Registry、端到端治理架构以及全生命周期的评估与模拟能力。
## TL;DR 本次演讲全面展示了 Google Cloud Agent 平台从原型设计走向超大规模生产落地的体系化升级。Google Cloud 团队详细剖析了基于图编排的 ADK 框架、可连续自主规划 7 天的托管运行时、持久化 Memory Bank,以及涵盖 Agent Identity 与 Agent Gateway 的端到端企业级治理和评估套件。随后,全球美妆巨头欧莱雅(L'Oréal)的技术团队现场分享了其借助该平台实现从自建向采购的战略转型,不仅支撑起超 4 万员工与 3 万个无代码 Agent 的高并发协作,还通过卓越中心与先锋网络重塑了全员赋能的企业文化。
## Atmosphere & style 整场演讲呈现出典型的大厂开发者峰会风格,节奏明快、技术干货高度密集且充满工程师的极客热情。Aman Khan 用“从丰田凯美瑞到 F1 赛车”的精妙比喻点燃了对 Agent 算力与工程护栏的思考,随后的控制台实操则严谨而流畅,展示了工业级架构的稳健底色。欧莱雅团队的加入为技术硬核注入了波澜壮阔的真实落地力量,将“从为所有人构建转变为赋能所有人构建”的组织变革讲得掷地有声,令观众在感受技术迭代震撼的同时,对大企业的智能化未来充满共鸣与憧憬。
## Bulletin - [03:51](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=231s) Google Cloud 深度整合 Gemini Enterprise 与 Agent Platform,通过统一的无代码/代码双模 Agent Studio、ADK 2.0 图编排及全新 Agent CLI,打通从员工前端到开发者后端的全链路。 - [08:50](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=530s) Agent Engine 实现亚秒级冷启动并支持自带容器(BYOC),单个 Agent 在无需人工干预的情况下最长支持自主规划并连续运行 7 天。 - [10:39](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=639s) 企业级治理架构全面完善:Agent Identity 正式 GA,推出集中资产编目的 Agent Registry、策略管控的 Agent Gateway,并原生整合 Model Armor 与 DeepMind Auto-Raters 评估体系。 - [24:26](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=1466s) 欧莱雅(L'Oréal)分享从自建转向采购的战略实践,依托 Google Cloud 平台将其内部周活提升至 4.1 万人,支持员工构建了超过 3 万个零代码智能代理。
## Key takeaways - [00:13](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=13s) Agentic AI 迎来指数级跃迁,企业开发智能体如同打造高精密的 F1 赛车,急需严密的前置上下文与端到端治理护栏,而非无管控的“莽撞模式”(YOLO mode)。 - [03:51](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=231s) 垂直整合架构打破了跨供应商拼接的孤岛,Gemini Enterprise 作为企业前台入口,Agent Platform 作为开发者后台,彻底消除了前后端的交接摩擦税(handoff tax)。 - [06:34](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=394s) ADK 扩展支持基于图的编排(Graph-based orchestration)、多 Agent 专业化协同及批处理/事件驱动工作流,使复杂业务流程建模更加精准。 - [06:34](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=394s) 全新 Agent CLI 既可独立用于脚手架搭建与部署测试,也能作为标准 Skill 挂载给 Cloud Code 或 Gemini CLI 等 Coding Agent 实现工程自动化。 - [08:50](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=530s) 生产级运行时支持 7 天免干预单计划自主长周期执行、低延迟双向流式传输,且代码执行沙箱(Sandbox)功能正式 GA。 - [08:50](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=530s) 框架无关的持久化 Memory Bank 能沉淀跨会话上下文、用户偏好与执行失败教训,形成支持自定义字段持续进化的业务智能层。 - [10:39](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=639s) Agent Identity 正式进入正式商用(GA)阶段,配合 Agent Registry 统一资产台账,实现企业内所有智能体、MCP 工具及权限的全链路审计追踪。 - [12:27](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=747s) 安全防御方面集成了 Model Armor 实时拦截提示词注入,并由 Agent Gateway 集中承载网络流量管理与细粒度工具策略控制。 - [13:43](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=823s) 将 Google DeepMind 的科研能力产品化为开箱即用的 Auto-Raters 评分器与评估专家技能,聚焦于解决工具调用与上下文开销带来的性能瓶颈。 - [15:14](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=914s) Vertex AI 控制台升级为统一的 Agent Studio,涵盖预制资产库 Agent Garden、可视化 UI 设计器、SDK 2.0 文档及企业级 RAG/向量搜索集成。 - [18:14](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=1094s) Agent Engine 提供细粒度的 Session 追踪(Trace/Span)与实时健康指标监控,并支持在交互式 Playground 中复盘会话与长效记忆。 - [20:36](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=1236s) 在 Gemini Enterprise 中,员工只需输入“@代理名称”(如 @loan agent)即可直接调用后端经过治理的安全智能体协同办公。 - [24:26](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=1466s) 欧莱雅完成从内部自建工具到全面采购 Google Cloud 平台的战略转向,建立了统一的 Beauty Tech Platform 控制塔与企业级治理网关。 - [29:38](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=1778s) 欧莱雅落地了“技术+组织人才”的五大支柱模式,通过卓越中心(CoE)实现“从为所有人构建服务,转向赋能所有人去构建”的范式跃迁。 - [34:15](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=2055s) 欧莱雅通过设立技术与业务兼备的“Lineup”先锋中继网络,打破 IT 与业务边界,打造出以智能体为核心驱动的平台 Web 应用。
## Detailed walkthrough ### [00:13](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=13s) 从丰田凯美瑞到 F1 赛车:Agentic AI 的指数级跃迁与管控需求
Aman Khan 在开场中回顾了过去一年的技术演变。整整一年前,团队展示了 ADK(Agent Development Kit)、Agent Engine 以及像自主植物商店(autonomous plant store)这样的演示,首次向外界呈现了 Agentic AI Cloud 的雏形;同年 11 月,又推出了治理和部署的基础功能,帮助开发者完成从原型到生产环境的跨越。然而,当下整个行业正以指数级速度前进,技术创新不再呈线性发展,而企业自身的组织演进却往往受制于合规、安全和技术栈统一等组织挑战,呈现出变平缓的对数曲线。为了打破这种脱节,企业必须采用阶跃式(step function)的运营方式。
Aman 强调,一年前几乎所有演示都聚焦于问答 Bot 和基于检索增强生成(RAG)的聊天应用,但现在智能体(Agent)已经真正成为驱动业务运行的引擎。针对这一转变,Aman 分享了一个生动的比喻:传统软件工程就像一辆丰田凯美瑞(Toyota Camry),所有人都能开,它稳定可靠、运行平稳;而开发智能体则是在打造 F1 赛车(Formula One race car),它们是高度精密的仪器,能真正在业务中承担工作。但在企业环境中,绝不能在缺乏管控的情况下以“莽撞模式”(YOLO mode)去开一辆赛车,就像不会把电动汽车开启完全自动驾驶后直接把油门踩到底一样。直接在业务中随意运行未经验证的自动化工具(如 OpenCore)是不切实际的,企业必须有一整套端到端栈与前置上下文构筑的护栏。
> “That's traditional software development. But with agents, we're building race cars. We're building Formula One race cars.” —— Aman Khan
---
[03:51](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=231s) 纵向整合的技术栈:连通 Gemini Enterprise 与 Agent Platform
为了消除技术孤岛,Google Cloud 将 Gemini Enterprise 与 Agent Platform 融合成统一的体系与无缝体验。其中,Gemini 移动应用与企业级界面扮演着企业全体员工接入 AI 的“入口门户”(doorstep),而 Agent Platform 则是底层开发者的构建阵地。这种整合彻底消除了“交接税”(handoff tax),使开发人员在后端构建的内容与员工、客户在前台实际使用的服务能够无缝连接,数据与 Agent 在整个企业中零摩擦流转。
整个架构自顶向下垂直集成:顶层是用户交互的业务服务(如 Gemini 应用程序、自定义应用和合作伙伴解决方案);中间层是面向开发者的 Agent Platform,集成了 Runtime(运行时)、Registry(注册表)、Gateway(网关)、Identity(身份)、Observability(可观测性)和 Evals(评估评测);底层则直接依托 Google Cloud 的完整 AI 基础架构,包括 AI Hypercomputer、Agentic Data Cloud 和 Agent Defense,从而避免了跨五家不同供应商拼凑技术栈的痛点。Aman 明确指出,平台的核心愿景聚焦于三大支柱:更深厚且互操作的生态系统、开箱即用的团队易用性,以及支持对接企业私有数据与业务边界的强大可定制能力。
```mermaid flowchart TD accTitle: Google Cloud Agentic AI 统一架构 accDescr: 展示自上而下的三层架构:用户交互层、开发者平台层和底层基础设施层。
subgraph UserLayer["用户交互层 (User Layer)"] GeminiApp["Gemini Enterprise 门户"] CustomApps["自定义企业应用 / Partner Maps"] end
subgraph PlatformLayer["Agent Platform 开发者核心层"] RuntimeRegistry["Runtime / Registry / Gateway"] IdentityObs["Identity / Observability / Evals"] end
subgraph InfraLayer["Google Cloud AI 基础设施层"] Hypercomputer["AI Hypercomputer"] DataDefense["Agentic Data Cloud / Agent Defense"] end
UserLayer -->|"无摩擦打通 (无 handoff tax)"| PlatformLayer PlatformLayer -->|"原生垂直整合"| InfraLayer ```
> “Gemini app enterprise is the doorstep for everyone in your organization to get started with AI, and agent platform is where your developers build.” —— Aman Khan
---
[06:34](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=394s) 核心构建层演进:ADK 的图编排与全新 Agent CLI
在构建工具链方面,作为基础编排框架的 ADK(Agent Development Kit)迎来了多项关键扩展。ADK 不仅在 Alphabet 内部各前沿业务及 Google 核心产品中得到广泛应用,还支持从微型 Agent 平滑扩展至复杂的分布式多智能体系统。本次发布带来了三大进阶能力:基于图的编排(Graph-based orchestration),让开发者能够精确建模包含分支、循环和条件路径的真实业务流程;智能体协作(Agent collaboration),使团队能将复杂难题拆解分派给高度专业化的专门 Agent,摆脱单一臃肿的庞大单体;以及批处理与事件驱动工作流(Batch and event-driven workflows),赋予智能体响应实时系统事件的主动反应能力,而不仅依赖人类提示词驱动。此外,ADK 原生支持了技能定义(Native skill definitions),实现了一次定义、全平台复用。
为了进一步降低落地门槛,Google Cloud 推出了全新的 Agent CLI 和配属技能集。该 CLI 针对 ADK 和云端 Agent Runtime 深度定制,将平台的最佳实践、代码脚手架搭建、评测测试、部署及可观测性配置全流程内置其中。开发者既可以通过命令行直接独立执行各项规范操作,也可以把这套 CLI 与 Skill 直接挂载给现有的代码辅助智能体(如 Cloud Code、Gemini CLI 或 Codex),让 Coding Agent 自动为工程决策选择最佳路径并完成环境初始化。
> “Graph based orchestration means you can model real business processes, real work branches and loops, and conditional paths.” —— Aman Khan
- **ADK 核心新增能力**:支持图结构编排、多 Agent 分工协同、批处理及实时事件驱动工作流、原生跨场景复用技能定义。 - **Agent CLI 两种集成模式**:既可作为独立命令行工具在终端单机运行,亦可输入给 Cloud Code、Gemini CLI 等 Coding Agent 作为系统技能自主调用。
---
[08:50](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=530s) 生产级扩展:长周期自主规划、持久化 Memory Bank 与沙箱
Agent 的构建只是第一步,在生产环境中稳定服务千万级用户才是落地的真正考验。为提升规模化承载力,平台升级了托管运行时(Runtime),实现了亚秒级冷启动(subsecond cold starts),并正式支持用户自带容器(BYOC, Bring Your Own Container),为企业提供了极致的环境部署灵活性。在面对极度复杂的任务时,传统的会话往往难以维持长时间执行,为此 Agent Engine 进行了重大升级:单智能体在完全无需人工干预的情况下,单次规划的最长连续自主运行时间可达 7 天,该能力与现有的多 Agent 编排机制深度互通。同时,为了匹配低延迟交互需求(如 Gemini Flash 实时多模态体验),运行时还加入了双向流式传输(Bidirectional streaming)。
为了解决智能体“每次对话都从零开始、毫无既往上下文记忆”的痛点,平台推出了框架无关的会话服务与持久化记忆库(Memory Bank)。智能体借此能够沉淀历史上下文、回忆用户偏好并记录过去的执行失败教训,形成不断迭代的业务智能层,且支持开发人员定义自定义会话字段以捕捉用户反馈。在行动安全性方面,代码执行沙箱(Code Execution Sandboxes)等核心隔离能力也正式迈向了通用可用(GA)阶段,为 Agent 与现实物理及数字世界的交互提供坚实的防护网。
> “...which is why we're excited to share that the Agent Engine now also supports individual agents to be able to run on a single plan without any human intervention for up to seven days.” —— Aman Khan
- **亚秒级冷启动与 BYOC**:运行时实现秒级响应并支持容器化自由定制。 - **7 天免干预规划执行**:单个 Agent 可依据单一计划自主跑通长达一整周的任务流。 - **持久化 Memory Bank**:提供独立于具体框架的跨会话记忆与自定义字段采集,避免上下文断层。 - **低延迟双向流与安全沙箱**:集成双向通信协议以支持流畅流式处理,代码执行沙箱功能正式 GA。
[10:39](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=639s) 真实世界任务与端到端治理架构:Agent Identity 与 Agent Registry
在执行真实世界的复杂任务时,智能体不仅需要理解上下文,还需要安全可控的运行环境。支持自带容器(BYOC, Bring Your Own Container)让企业能够在有严格合规和环境依赖要求时,自由定义和使用自定义环境。更进一步,智能体现已能够与图形用户界面(GUI)进行交互,像人类一样操作计算机并使用沙箱(Sandbox)。上下文赋予智能体智慧,沙箱赋予智能体实用性,两者的融合将传统的问答式聊天机器人彻底转变为能够记住工作职责、掌握执行方法并自主完成任务的系统。
随着智能体规模化进入生产环境,治理(Governance)成为了不可分割的底层架构。治理绝不能是企业从不同供应商拼凑出来的散装工具或陈旧遗留系统,而必须作为贯穿运行时、优化评估乃至全生命周期的核心支柱。Google Cloud 宣布 Agent Identity 正式迈入正式商用(GA)阶段,管理员可以像管理企业普通员工账号一样为每个智能体分配和管理权限,通过细粒度控制确保智能体的每一次操作均获得明确授权且全程可审计。
针对合规官、风险控制官及开发者普遍面临的“企业内部究竟运行了多少个智能体”的疑问,平台推出了 Agent Registry。智能体通过 Agent Runtime 或注册系统完成自动登记后,企业能够对所有智能体形成统一视图,清晰掌握每个智能体拥有哪些工具的访问权限、可以调用哪些底层服务,为全企业的智能化治理打下全局可视化基础。正如 Aman Khan 所指出的:“Together, you go from a chatbot that answers questions to an autonomous system that remembers what it's supposed to be doing.”
- **环境定制与系统交互**:支持自带容器(BYOC)部署,赋予智能体屏幕 GUI 交互与安全沙箱执行能力。 - **Agent Identity 正式商用 (GA)**:提供企业级身份权限控制,确保智能体行为均可鉴权、审计。 - **Agent Registry 资产盘点**:自动发现并登记组织内所有活跃的智能体及其关联的外部服务与工具调用权限。
---
[12:27](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=747s) 安全防护与网关管控:Model Armor、威胁管理与 Agent Gateway
在强化安全防御方面,平台集成了 Model Armor,能够在运行时实时阻断提示词注入(Prompt Injection)攻击并严防敏感数据泄露。为了掌握智能体与外部环境交互的动态风险,Google Cloud 还在平台内部原生集成了主动威胁管理(Proactive Threat Management)功能。与此同时,全新发布的 Agent Gateway 扮演了企业级智能体控制平面的角色,集中管理并规范所有的智能体网络流量,允许管理员设定工具访问权限等细粒度策略,并保持完全可扩展性以满足特定的自定义合规逻辑。
Google Cloud 将治理视为从原型构建贯穿至生产落地的“开箱即用(Batteries Included)”底层能力,而不是事后打补丁的附加组件。其平台愿景是让开发者无需成为安全治理专家,就能直接交付值得组织信赖的高可靠智能体,从本质上解决智能体对齐(Agent Alignment)问题。关于平台对端到端安全治理的定位,Aman Khan 强调:“We think governance should span from prototype to production, and it includes the perimeters and boundaries to define what your agent can and cannot do in your environment.”
```mermaid flowchart TD accTitle: Enterprise Agent Governance Architecture accDescr: Diagram showing the flow from incoming traffic through Model Armor and Agent Gateway to the Agent Runtime and Agent Registry.
subgraph SecurityControl["安全管控平面 (Control Plane)"] A["客户端 / 用户请求"] --> B["Agent Gateway (流量与工具策略网关)"] B --> C["Model Armor (实时注入防御与防泄漏)"] C --> D["主动威胁管理 (Proactive Threat Management)"] end
subgraph ExecutionPlane["执行与资产平面 (Execution Plane)"] D --> E["Agent Runtime (身份认证与沙箱容器)"] E --> F["Agent Identity (GA 细粒度鉴权)"] E --> G["Agent Registry (工具与服务资产清单)"] end ```
---
[13:43](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=823s) 评估与持续优化:承袭 DeepMind 研究的 Auto-Raters 与统一闭环
优化(Optimization)是智能体成熟度模型中的最后一块基石。Google Cloud 将 Google DeepMind 顶尖研究团队在评估领域的研究沉淀直接产品化,为开发者提供覆盖线上、线下评估与持续监控的整套专业工具,使企业无需雇佣庞大的专职科研团队即可获得前沿评估能力。平台内置了 Auto-Raters(自动评分器),为离线和实时评估提供开箱即用的质量评分指标;同时还推出了评估专家技能(Evaluation Expert Skill),开发者只需将其赋予 Coding Agent,智能体即可自动在系统中配置完整的评估流程。
在性能优化方面,平台提供了基于提示词优化(Prompt Optimization)的调优方案。当前制约生产级智能体响应速度的往往不再是底层基础模型本身,而是繁琐的工具调用与冗长的上下文处理开销。通过在单一平台上闭环实现智能体的构建、治理、部署与持续优化,企业能够获得不间断的反馈循环,从而推动智能体在生产环境中持续进化。Aman Khan 总结道:“The things slowing down your agents today aren't the model its tool calls its context.”
- **DeepMind 评估技术下沉**:内置 Auto-Raters 实现离线评测与在线监控两套指标体系。 - **Evaluation Expert Skill**:赋能辅助编程智能体,实现评估流水线的一键自动化配置。 - **闭环迭代架构**:构建、治理、部署与提示词优化统一在单个管理视图(Single pane of glass)下,摆脱多供应商软件拼接。
---
[15:14](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=914s) 现场实操演示:探索 Agent Studio、Agent Garden 与统一构建栈
Aman Khan 结束宏观讲解后,Lavi Nigam 登台开始在 Google Cloud 控制台进行实时功能演示。控制台中的 Vertex AI 现已全面整合并呈现为全新的 Agent Studio,集成了智能体、应用构建器(App Builder)与媒体套件。在 Agent Studio 中,开发者既可以通过无代码的可视化 UI 设计器(UI Designer)直观拖拽编排复杂的工作流,也可以选择纯代码模式进行精细控制。
```mermaid flowchart LR accTitle: Agent Studio Build and Discovery Workflow accDescr: Flowchart illustrating the components within Agent Studio including Agent Garden, UI Designer, SDK 2.0, and Search/RAG backends.
subgraph AgentStudio["Agent Studio 开发中心"] direction TB G["Agent Garden (现成智能体资产)"] D["UI Designer (低代码/无代码设计器)"] S["SDK 2.0 (基于图的工作流与文档)"] end
subgraph KnowledgeBackend["统一知识与连接层"] direction TB M["MCP 服务器集中管理"] V["Vector Search & RAG 引擎"] K["企业文档搜索 (Custom/Media Search)"] end
AgentStudio --> KnowledgeBackend ```
除了自主构建,平台还推出了 Agent Garden(类似于已有的 Model Garden)。开发者不仅能调用 Gemini 等大模型,还能在 Agent Garden 中直接选用由 Google 或第三方生态构建的预制智能体,以此为基础二次开发或直接开箱运行。演示还展示了最新推出的 SDK 2.0,其文档已直接内嵌在控制台中,并正式支持基于图(Graph-based)的复杂工作流编排。在知识与连接能力方面,构建阶段无缝集成了外部 MCP(Model Context Protocol)服务器的集中管理入口、向量搜索(Vector Search)、检索增强生成(RAG)语料库管理,以及针对企业私有文档和媒体资料的定制化检索组件。
---
[18:14](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=1094s) 运行时监控与调试:Agent Engine、指标追踪与交互式 Playground
构建完成之后,智能体需要借助 Agent Engine 这一强大的运行时进行高并发扩展部署。Lavi Nigam 在控制台中展示了自己在实验阶段运行的智能体,点击后即可展开全方位的运行时健康指标:从会话总数、自动评估打分、模型调用频次(演示样例中接近 100 次调用),到每个工具的具体调用分布与资源总消耗,为生产环境运维提供了全透明的可观测性。
智能体在遇到逻辑异常或工具报错时,排查复杂度极高。Agent Engine 深度整合了由 ADK 生成的 Session ID,支持完整的分布式链路追踪(Traces 与 Spans)。开发者能够调出任何历史会话的调用链细节,精准定位工具调用失败或模型回复偏差的环节。针对终端用户的真实运行数据,控制台支持对成千上万个独立 Session 进行切片回溯。此外,平台还内置了交互式测试沙盒 Playground,开发者无需局限于本地命令行测试,在云端界面中即可直接与智能体进行多轮对话测试,验证其最新的记忆(Memory)功能与工具执行表现。
- **Agent Engine 全局观测指标**:实时汇总会话数、评估结果、模型与工具调用次数(样例超 100 次模型调用)。 - **Trace 与 Span 级排错**:利用 ADK 的 Session ID 串联智能体思考、检索与工具执行的完整分布式追踪。 - **内置 Playground 与记忆机制**:控制台原生集成交互测试沙盒,直观复盘多轮交互历史并实时验证长效记忆机制。
[20:36](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=1236s) 代理平台的治理中心、评估体系与 Gemini Enterprise 前端交互
在展示完会话管理之后,Lavi Nigam 深入介绍了代理平台中至关重要的记忆银行(Memory Bank)与治理层。对于企业级智能代理而言,长期记忆是实现个性化体验的核心,无论是用户自行编写的记忆逻辑,还是通过特定技能与算法抽取的记忆信息,如今都可以沉淀在一个标准化的统一位置中,供代理按需存取。紧接着呈现的治理模块则依托 Agent Registry 构建起全局视图,企业内部所有可用的智能代理、MCP(Model Context Protocol)服务器及其内部注册的工具数量都一目了然;每个组件均分配有独立唯一的标识符,从而能够无缝串联起一整套可审计、可追溯的治理调用链。安全与访问控制方面,管理者可以在组织或用户层级统一设定策略(Policies)与网关(Gateways),精细化定义访问路径,对越权行为进行物理级阻隔;系统甚至提供了主动合规扫描能力,在控制面板底部直接以预警形式标出潜在的失败与违规风险。
在代理运行周期的优化环节,平台内置了全面的评估(Evaluation)套件。开发者不仅可以配置在线监视器(Online Monitors),沿着调用跨度(Span)与分布式追踪链(Traces)实时排查触发节点与运行状态,还能自由定制评估指标——既支持以自然语言 Prompt 的形式快速定义评测标准,也支持直接嵌入业务逻辑代码执行硬性校验。最后,Lavi 展示了作为统一前端交互入口的 Gemini Enterprise。在这个界面中,企业后端构建的所有代理都可以像聊天指令一样被即时唤出,例如直接输入“@”即可选择调用贷款代理(Loan Agent),代理在响应过程中会自动受制于底层绑定的策略与防护栏,使终端用户在极简的体验下享受全套合规保障。
- **记忆与会话中心(Memory Bank & Sessions)**:集中化管理和抽取长期记忆与对话上下文,支持自定义技能逻辑提取个性化信息。 - **全栈治理注册表(Agent Registry)**:集中登记所有智能代理、MCP 服务器与终端工具,赋予独立 ID 并构建端到端的治理链条。 - **网关与安全策略(Gateways & Policies)**:支持高颗粒度访问控制与审计,主动预警合规违规与运行失败项。 - **可编程评估套件(Evaluation)**:支持基于 Trace/Span 的在线监控,以及通过 Prompt 或纯代码灵活构建量化指标。 - **统一业务前端(Gemini Enterprise)**:支持在对话流中通过 `@代理名称`(如 `@loan agent`)直接联动后端经过安全治理的多智能代理。
---
[24:26](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=1466s) 欧莱雅的 AI 跃进:从自研工具到拥抱平台的“自制转采购”战略
欧莱雅(L'Oréal)技术团队的 Thomas Menard 随后登台分享。作为全球最大的美妆集团,欧莱雅拥有 40 个全球知名品牌,业务遍及 150 个国家,年销售产品超过 70 亿件,同时也是全球第四大广告主。回顾其 AI 历程,欧莱雅早在 2023 年 12 月便推出了面向内部员工的安全 AI 助手“L'Oréal GPT”,上线初期即获得了 2,000 名周活跃用户。然而技术团队很快意识到,单一孤立的聊天机器人无法承载庞大跨国集团的业务需求,必须将自研的后端解构并开放为可复用的 AI 服务底座,以便各业务线技术团队能够统一、规模化地孵化具体场景应用。这一架构重组在 2024 年迅速开花结果,至 2025 年 9 月,平台周活跃用户激增至 30,000 人,支撑了超过 50 个生产环境用例,月消息处理量达到 1,500 万条,员工甚至开始借助零代码方式创建个性化智能体。
业务规模的爆炸式扩张将团队推到了一个十字路口:继续在企业内部纯自研防弹级、企业级的底层 AI 基础设施,不仅会消耗巨大的工程资源,而且难以及时跟上业界技术演进的脚步。面对这一瓶颈,Thomas 坦言团队作出了果断抉择:“So we made a bold strategic decision from make to buy.”(因此我们做出了一个大胆的战略决策:从自建转向采购。)他们决定不再重复造轮子,而是全面依托 Google Cloud 的代理技术栈来构建全新的“欧莱雅美妆科技平台”(L'Oréal Beauty Tech Platform)。在 Next '26 大会召开之际,该平台已经迎来了令人瞩目的成效:L'Oréal GPT 的周活跃用户跃升至 41,000 人,企业员工基于 ADK 与 Agent Engine 累计构建了多达 30,000 个零代码智能代理。Thomas 兴奋地比喻道,他们不仅为奔向月球做好了准备,更已经坐上了正在全速飞行的火箭。
- **欧莱雅业务体量**:覆盖 150 个国家、40 个全球品牌,年销量 70 亿件,全球第四大广告主。 - **内部 AI 发展三阶段**: 1. *2023 年 12 月*:推出内部门户 L'Oréal GPT,首期周活达到 2,000 人。 2. *2025 年 9 月*:解构为可复用 AI 服务,周活达 30,000 人,50+ 生产环境用例,月处理 1,500 万条消息。 3. *Next '26 当下*:基于 Google Cloud 平台,周活突破 41,000 人,员工自主搭建 30,000 个零代码代理。 - **技术底座迁移**:底层全面跑在 Google Cloud 的 ADK(Agent Development Kit)与 Agent Engine 框架之上。
---
[27:42](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=1662s) 欧莱雅美妆科技平台架构:网关核心、开放互联与全面可观测性
在深入剖析美妆科技平台的内在结构时,Thomas Menard 将其形象地描绘为一座全局统一的“控制塔”(Control Tower)。处于最顶层的是企业日常运转的核心业务系统,既包括内部自研应用,也覆盖了外部采购的商业 SaaS 平台(如 Salesforce、ServiceNow、SuccessFactors 等)。这些异构应用统一接入平台并享受底层 AI 能力赋能,而整个平台的心脏则是一个高可用的企业级网关(Gateway)。该网关作为绝对的治理层,对流经的每一个基础模型、每一款调用工具以及每一个代理实例施加内置的安全防护栏与人工介入审核机制,确保在业务调用中“无控制,不通过”。
```mermaid flowchart TD accTitle: L'Oreal Beauty Tech Platform Architecture accDescr: Top business apps connect via API gateway with guardrails down to models, MCP tools, BigQuery, and external SaaS agents.
subgraph Apps["顶层应用层 (Business Applications)"] A1["自研应用 (Internal Apps)"] A2["SaaS 软件 (Salesforce / ServiceNow)"] end
subgraph Core["核心治理网关 (Beauty Tech Gateway)"] GW["统一网关与防护栏 (Built-in Guardrails & Human Oversight)"] end
subgraph Engine["开发与数据资产 (Agent Engine & Assets)"] T1["开发引擎 (ADK / Agent Engine)"] T2["标准协议 (MCP / UCP / A2A)"] T3["数据知识库 (BigQuery & Data Lake)"] end
subgraph Ext["开放生态互联 (Open External Ecosystem)"] E1["外部模型 (Anthropic 等)"] E2["外部厂商代理 (SaaS Vendors)"] end
Apps --> GW GW <--> Engine GW <--> Ext ```
在网关之下,平台为工程师们提供了完整的代理工程环境:不仅可以通过 ADK 和 Agent Engine 训练与部署代理,通过 MCP 打造专属工具,还能无缝接入以 BigQuery 为主的企业数据湖与私有知识库。极具战略意义的是,该平台具备完全的开放性,支持行业标准协议(如双向 MCP、UCP 等),使得第三方 SaaS 供应商的原生代理以及外部领先大模型(如 Anthropic 系列)能够即插即用式接入。此外,平台还配备了两大核心超能力——提供全链路透视的“可观测性”(Observability)与支持资产跨部门沉淀的“可发现性”(Discoverability)。Thomas 用一句极为凝练的断言总结了这套体系的核心价值:“One platform, every agent, full control.”(一个平台,统管所有代理,全权在握。)
- **顶层集成**:打通自研软件与主流商业 SaaS(Salesforce、ServiceNow、SuccessFactors)。 - **网关核心职能**:对模型、工具与代理全流量进行合规拦截与自动化 Guardrails 过滤,严格保障 Human-in-the-loop 人工介入机制。 - **协议与知识底座**:采用 MCP、UCP 及 A2A 协议连接外部生态(含 Anthropic 模型与外部 MCP Server),核心知识依托 BigQuery 知识底座。 - **平台双超能力**:端到端排障的可观测性(Observability),以及让全集团按需检索历史资产的可发现性(Discoverability)。
---
[29:38](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=1778s) 推动全员进入代理时代:五大支柱与网关治理实践
随后,Gauthier Debuiche 上台展开技术细节,他指出开发智能体只是万里长征的第一步,对于拥有数万员工的庞大企业而言,真正的挑战在于组织维度的转型:“The real question is, how do you move an entire company into the agent era.”(真正的问题是,你如何推动整家公司跨入智能代理时代。)为此,欧莱雅确立了“技术架构”与“组织人才”并重的五大支柱模式:技术侧依托 Agent Toolkit(开发工具包)与 API Gateway;组织运营侧则构建起卓越中心(Center of Excellence)、治理工作组(Governance Task Force)以及内部开发者社区。谈及选择 Google Cloud 技术栈的根本原因,Gauthier 强调,在企业内部 AI 需求指数级膨胀的背景下,自身团队绝不能沦为业务交付的瓶颈;依托公有云生态,平台能够在不依赖内部基础设施团队的情况下自主迭代与演进,技术人员得以第一时间直接使用 Google DevOps 最新优化的组件与工业标准,甚至新招聘的工程师在入职第一天就能直接投入实战。
在谈到网关如何支撑组件规模化复用时,Gauthier 用三个动词高度提炼了其业务闭环——“发现、复用、治理”(Discover, Reuse, Govern)。在统一注册表的支持下,全集团所有团队不仅能跨部门秒级检索已注册的模型、代理和防护规则,还能基于标准协议复用沉淀的技术资产;而在治理层面,平台能够实时监测各业务线的资源消耗,核准每一次生产发布,并在底层模型调用上形成显著的规模经济效益。针对具体项目的实施路径,Gauthier 描述了一个标准作业流:工程师在生态库中按需拣选所需模型与存量代理,以 Google Cloud 的 ADK 为骨干中枢将多代理逻辑编排串联,随后通过标准化接口挂接会话管理与底层云端服务,即可完成复杂业务场景的端到端落地。
- **组织转型五大支柱(Five Pillars)**: - *技术侧(Tech Stack)*:Agent Toolkit(代理工具包)、API Gateway(统一网关)。 - *组织人才侧(Human Stack)*:Center of Excellence(卓越中心)、Governance Task Force(治理任务组)、Community(实践社区)。 - **全托管生态红利**:底层技术栈自主快速演进,内部平台团队脱离关键路径阻塞,开发者掌握行业通用标准,新员工实现“首日即可上手开发”(Ready from day one)。 - **网关核心方法论**: - *发现(Discover)*:集中化资产目录,一站式检索模型、防护栏与已有业务代理。 - *复用(Reuse)*:基于标准化协议,全面打通集团内各技术平台与业务系统的资产共享。 - *治理(Govern)*:实时全链路用量监控、生产环境准入审批,以及跨部门模型资源的规模化成本摊薄。 - **典型开发流程**:以 ADK 为编排骨架,从网关拉取注册好的模型与代理进行拼接组装,一键挂接 Google Cloud 的托管会话与状态服务。
[32:50](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=1970s) 人力架构与赋能转型:从集中构建到全员赋能
在完成了底层技术栈的梳理后,演讲者深入探讨了如何摆脱专有框架的束缚。通过将 Memory 与 RAG 直接部署在 Agent Engine 之上,开发人员无需维护任何繁重的专有框架,也彻底告别了对中央 IT 团队排期审批的漫长等待。团队能够即时获取前沿的基础模型、打通内部与外部工具链,并迅速组装出可运行的智能体。然而,单纯的技术底座不足以支撑全公司的规模化落地,企业必须同步搭建起“人力架构”(Human Stack)。
这一架构的核心是卓越中心(Center of Excellence,简称 CoE)。CoE 团队扮演着平台专家的角色,为全公司提供全局性开发工具包(Starter Packs)与专家级技术支持,同时统一统筹管理与 Google、Anthropic 等外部顶级模型及技术提供商的战略合作。更重要的是,整个团队的职能定位发生了根本性的范式跃迁:演讲者强调,“关键的转变在于,我们从为所有人构建服务,变成了赋能所有人去构建。”(“The key shift is that we went from building services for everyone to empowering everyone to build.”)这种工作模式的重塑,被视为在超大规模企业内实现全面扩展的唯一路径。
伴随着构建权限的下放,治理体系也必须随之升级。当智能体的自主性与复杂性激增,治理团队的工作不能再停留在过去只监督少数几个特定项目的阶段,而是必须建立起全覆盖的防线。
- 治理覆盖范围:确保全公司范围内创建的每一个智能体都严格契合企业架构(Enterprise Architecture)、网络安全(Cybersecurity)、可信 AI(Trustworthy AI)、数据隐私(Data Privacy)以及法律合规性(Legal Compliance)标准。 - 研发敏捷性提升:彻底移除了等待中心团队支持的交付瓶颈,一线业务团队得以直接调用生态内的内外部工具。
---
[34:15](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=2055s) 社区驱动与无边界协同:“Lineup”先锋网络与全员 AI 学习
为了将全球中心团队的能力真正辐射到企业内所有的 IT 团队与一线业务场景,社区生态的建立成为了关键抓手。演讲团队在组织内部设立了一个名为“Lineup”的精英网络。这些成员是经过严格挑选的 AI 先锋(AI Champions),他们既是具备深厚技术底蕴、能够攻克极端复杂应用场景的工程师,又是深刻理解所在部门商业运作与组织脉络的业务专家。
“Lineup”构成了连接技术中枢与庞大业务部门的中继网络(Relay Network),确保 AI 的落地实践能够无死角地覆盖全公司。与这一机制并行的是全员参与的 AI 学习热潮。在生成式 AI 与智能体技术的推动下,传统意义上阻隔在 IT 人员与业务人员之间的壁垒正在迅速瓦解。员工学习高级技术概念并将其转化为业务价值的门槛被空前降低。针对这场转型,演讲者坚定地表达了包容普惠的理念:“AI 不仅仅属于 IT,我们鼓励每个人都参与学习并做出贡献。我们的目标是:不让任何一个人掉队。”(“The goal. Let no one behind.”)
```mermaid flowchart TD accTitle: 企业 AI 人力架构与赋能网络 accDescr: 展示从卓越中心到 Lineup 先锋网络再到业务与 IT 全员的赋能架构
subgraph Central["核心枢纽层"] CoE["卓越中心 (CoE)<br/>平台工具包 / 专家支持 / 供应商管理"] Gov["全方位治理体系<br/>架构 / 安全 / 隐私 / 合规"] end
subgraph Community["中继社区层"] Lineup["Lineup 先锋网络 (AI Champions)<br/>深厚技术实力 + 深刻商业洞察"] end
subgraph Execution["业务触达层"] IT["各业务 IT 团队"] Biz["一线业务专家与员工"] end
CoE -->|"标准化支持与赋能"| Lineup Gov -.->|"合规与安全标尺"| Lineup Lineup -->|"用例落地与技术扩散"| IT Lineup -->|"无缝技能转移"| Biz IT <-->|"打破壁垒·协同创新"| Biz ```
---
[35:20](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=2120s) 超越 GCP 控制台:以智能体为内核的平台 Web 应用
为了让这套体系真正触达所有员工,平台不能仅停留在 GCP 控制台(GCP Console)的界面内。尽管原生控制台对专业开发者十分友好,但企业需要一个更具普适性、面向所有员工开放的统一门户。为此,团队构建了专属的平台 Web 应用(Platform Web App)。该门户充当整套平台的统一入口大堂(Front Door),集成了可探索网关内所有资产的目录库、清晰的新人培训路径、内部审批流程指南、全局监控仪表盘,以及追踪全球 AI 生态最新动态的行业资讯流。
在这套平台设计中,最令人振奋的突破在于底层架构的哲学变化。演讲者指明:“我们不仅仅是用平台来构建智能体,智能体本身就是平台的核心。它直接在智能体之上运行。”(“We don't just build agents with the platform, but agents are at its core the platform. It runs on agents.”)
通过现场界面的初次实机亮相,演讲者系统演示了平台的核心功能模块:
- 统一组件与智能体目录:用户可以浏览各类基础组件及即将上线的前沿资源,随时复用内部构建或第三方引入的成熟智能体。 - 工具与模型连接器:清晰罗列各类工具与模型上下文协议(MCP)的详情,指导开发者如何快速将其绑定到自己的实际业务场景中。 - 模型多维比对面板:提供直观的模型对比工具,辅助开发者根据延迟、成本与能力边界,为特定任务精准挑选最适配的底层基座模型。 - 全局共享 Guardrails:集中发布并沉淀经过验证的安全防护栏规则,支持跨多个团队、多业务场景直接复用,保障输出内容的安全与合规。
---
[37:17](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=2237s) 总结与展望:端到端一体化企业级 Agent 平台
在演讲者向平台建设背后的全体团队致谢并收获全场掌声后,会议主持人重返讲台对整个分享进行了精辟的串联。主持人由衷感慨道:“你之前说的那句话让我产生了深刻的共鸣——从构建服务转向赋能团队去构建产品,这真是太棒了。”(“That line that you had earlier really resonated with me, from going from building services to enabling teams to be able to build products. That was really amazing.”)
为了帮助参会者将大会的技术收获落地到日常工作中,现场给出了后续行动指引与资源通道。通过扫描大屏幕上的二维码,参会者可获取两大核心资源:左侧通道直达 Google Cloud 智能体平台的官方技术文档,供开发者快速开始动手构建;右侧则提供了一份深度指南手册,详尽阐述了如何利用该平台全方位赋能企业内部团队。
主持人最后对 Google Cloud 智能体平台的全面升级进行了终结性概括:平台在今年实现了更深入的生态系统互操作性投入,通过极致的易用性让不同角色的团队成员能够在同一套环境内高效协作,并赋予系统极高的客制化能力,确保智能体能够贴合千行百业的独特业务逻辑。从构建、规模化、治理到优化,Google Cloud 提供了打通全生命周期的一站式平台,期待开发者们在未来一年的创新成果,并在下届大会上展示全新的技术变革。
## Notable quotes > [32:50](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=1970s) The key shift is that we went from building services for everyone to empowering everyone to build. — Gauthier Debuiche
> [12:27](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=747s) We think governance should span from prototype to production, and it includes the perimeters and boundaries to define what your agent can and cannot do in your environment. — Aman Khan
> [29:38](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=1778s) The real question is, how do you move an entire company into the agent era. — Gauthier Debuiche
> [10:39](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=639s) Together, you go from a chatbot that answers questions to an autonomous system that remembers what it's supposed to be doing. — Aman Khan
> [03:51](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=231s) Gemini app enterprise is the doorstep for everyone in your organization to get started with AI, and agent platform is where your developers build. — Aman Khan
> [06:34](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=394s) Graph based orchestration means you can model real business processes, real work branches and loops, and conditional paths. — Aman Khan
> [35:20](https://www.youtube.com/watch?v=FxnjRYo3fpU&t=2120s) We don't just build agents with the platform, but agents are at its core the platform. It runs on agents. — Gauthier Debuiche
## Mentioned Google Cloud, Gemini Enterprise, Agent Development Kit (ADK), Agent Engine, Agent Runtime, Agent Registry, Agent Gateway, Agent Identity, Agent Studio, Agent Garden, Memory Bank, Model Armor, Google DeepMind, Auto-Raters, Vertex AI, Model Context Protocol (MCP), Vector Search, L'Oréal, L'Oréal GPT, BigQuery, Anthropic, Salesforce, ServiceNow, SuccessFactors, Aman Khan, Lavi Nigam, Thomas Menard, Gauthier Debuiche
## Video description Explore the next evolution of Google Cloud’s agent platform, designed to empower developers and enterprises to build, scale, and govern sophisticated AI agents. Discover our new, unified Gemini Enterprise Agent Platform Agent Builder, featuring a streamlined UX and a no-code/low-code Agent Designer to simplify the creation of complex, multi-agent workflows. Find out how our new Agent Registry, coupled with the agent marketplace, enables organizations to securely curate and distribute reusable components. Learn how we’re delivering enterprise-grade governance and quality at scale with a unified governance layer, new agent management capabilities, advanced observability with time-travel debugging, an integrated evaluation suite, and a managed simulation platform to ensure your agents are secure, reliable, and continuously improving. From a richer Agent Development Kit (ADK) with expanded language support to native agent-to-agent communication and a secure code execution sandbox, Google Cloud provides a comprehensive ecosystem for the entire agent life cycle.
Watch more Google Cloud Next 2026 Sessions → https://goo.gle/gcloud-next-2026 Subscribe to Google Cloud Tech → https://goo.gle/GoogleCloudTech
Speakers: Aman Khan, Lavi Nigam, Gauthier Debuiche, Thomas Menard
BRK2-093 #GoogleCloudNext
[Source](https://www.youtube.com/watch?v=FxnjRYo3fpU)