Google Cloud的顶点和模型提高了Enterprise AI代理的采用

在当今迅速发展的AI景观中，企业需要可靠的平台，这些平台将强大的模型与实际部署功能相结合。

Google Cloud对顶点AI和Gemini Model Family的最新增强功能为企业提供了一种综合解决方案，用于建立，部署和管理以前所未有的速度和效率管理AI应用程序。Vertex AI是Google Cloud的平台，可以协调生产AI的三个支柱：模型，数据和AI代理。

Google Cloud大大增强了其顶点AI平台，其新功能以推理模型和代理生态系统为中心，从而提高了企业构建和部署人工智能应用程序的能力。Vertex AI平台现在还支持200多个型号。云提供商最新的Gemini 2.5模型代表了从简单响应生成到Google所说的“推理模型”的基本转变 - AI系统在产生输出之前证明了透明的逐步思维。推理模型可以通过跨多个信息源进行复杂的分析来起作用，并根据企业数据和

Google提供了针对不同业务需求的两个互补模型。Gemini 2.5 Pro专为使用百万令牌上下文窗口而设计的复杂问题解决，可以对广泛的文档和代码库进行复杂的分析。同时，Gemini 2.5 Flash为大量，成本敏感的应用提供了优化的性能，在该应用中，规模效率至关重要。

组织在不了解AI如何得出结论的情况下面临着无法克服的AI输出信任的障碍。此过程的第一步是列出了响应中使用的源AI。尽管如此，推理模型通过证明其思维过程来增强这一点，这标志着需要适合AI的企业的关键进步，以适应合规性和治理要求。

提供成本，性能和透明度的解决方案的可用性是朝着支持广泛企业AI要求的正确方向迈出的一步。早期采用者报告令人信服的结果。穆迪的主张是Google提供的解决方案超过95％的精度和80％的降低在处理复杂财务文档分析的时间中。Box已经实施了AI提取代理，用于跨采购和报告工作流程中的非结构化数据处理，从而证明了信息管理中的实际应用。但是，建立强大的策略不仅需要AI模型。

通过新工具加强AI代理功能

企业买家对洛佩兹研究表示的第一代理AI关注的关注是担心代理商会做出并执行错误的决定。许多组织对AI编排解决方案进行了半熟的关注，并且担心代理无法正常运行，因为完成任务所需的数据和工作流跨越了多个应用程序和服务。为了解决这个问题，公司正在寻找强大的AI编排来协调和管理各种AI系统，模型或组件，以无缝地解决复杂的任务。最后，它并不像单击按钮并部署一组代理商那样容易。公司需要工具，以更轻松地帮助他们更快地构建和部署定制和开箱即用的代理商。

新解决方案旨在克服企业AI部署问题

为了解决这些问题，Google在其顶点AI中宣布了一波新的多种生态系统功能这使多个AI系统可以共同完成复杂的任务。该公司介绍了几个组件以启用这种方法，包括代理开发套件（ADK），代理2agent协议，代理引擎以及对代理空间的更新。

使用Agent2Agent协议最大程度地减少数据协作问题

大多数供应商声称他们可以提供完全自主的AI代理。尽管如此，大多数买家还是更喜欢半自治地部署这些代理商，以减少对过程故障或不准确性的担忧。为了解决企业买方在各种应用程序中的数据访问和执行问题，Google介绍了Agent2Agent协议这是实现在不同框架和供应商上建立的代理之间通信的开放标准。Google在50多个行业合作伙伴的支持下启动了该协议，包括Salesforce，ServiceNow和Uipath。Agent2Agent计划涉及企业AI采用的最重要的障碍之一：痛苦的整合挑战，以在各种系统之间创造互操作性。

使所有技能水平的开发人员更容易构建AI

同时，代理开发套件（ADK），代理发动机以及顶点AI平台的其他进步有助于引导代理的开发。代理开发套件是一个开源框架，允许开发人员构建具有大约100行代码的复杂代理，从而大大降低了开发复杂性。它还通过代理花园提供预先建造的样品，以进一步加速开发。ADK与拟人，元和Mistral AI等提供商的200多个型号提供了兼容性。

伴侣代理引擎提供了完全管理的部署运行时，消除了传统挑战，例如重建代理商从原型转变为生产。Agent Engine还提供评估工具来衡量和提高代理质量。

安全性和数据集成功能完善了平台，具有可配置的内容过滤器，身份控件和Google Cloud的虚拟私有云（VPC）服务控件提供多层保护。同样有价值的是平台通过各种方法（包括标准协议和直接API集成）将代理连接到企业数据的能力。

改善对AI代理商的访问权限

一旦公司可以设计，管理和保护代理商，成功的最大障碍就是使企业中无处不在的代理商采用。代理空间旨在帮助员工查找，发布和消费代理。代理空间，于2024年12月推出，允许员工（和代理商）从组织中找到来自组织的信息，与双子座的多模式智能合成并理解它，并与AI代理一起采取行动。企业可以通过代理画廊快速，轻松地发现并采用代理商，并使用Google的无代理设计师创建代理商。公司还可以部署Google制造的代理商，例如其新的深入研究和想法生成代理，以帮助员工产生和验证商业思想并综合密集的信息。

在会议上，Google宣布，Adgentspace与Chrome Enterprise集成在一起，使员工从Chrome搜索框中利用Agentspace的统一搜索功能。将代理空间直接带入Chrome将帮助员工轻松安全地找到其现有工作流程中的信息，包括数据和资源。

也许最令人惊讶的是要了解实际业务今天正在部署代理商。主题演讲期间和Google Cloud网站上的客户报价表明，各种行业之间的业务影响已经很明显。例如，Revionics已实施了一种用于优化零售定价的多基因系统，而雷诺集团（Renault Group）开发了使用地理分析来战略性地对EV充电基础架构进行策略性的代理。Gordon Food Service使用代理空间来改变其在Google Workspace和ServiceNow等其他来源的数据中基于其数据依次访问企业知识的方式。这些早期的例子表明了以前人力密集型分析工作流程复杂自动化的潜力。

关键要点：AI特工将发生

该策略为必须找到和使用代理来改善工作流程的成熟开发人员，新手设计师和员工提供了要素。模型，连接器和开箱即用的代理的可用性将有助于消除模型能力，企业集成和生产准备的痛苦权衡。结果不仅是更快的发展，而且要为关键任务企业工作流准备的更可靠的代理。

随着推理模型和多代理系统从实验概念到生产现实的发展，组织不仅应评估单个模型的功能，而且还应评估负责任的企业部署所需的更广泛的基础架构。评估AI投资的高管的主要考虑因素不是个人的技术能力，而是投资组合和生态系统的广度，以加速时间价值，同时保持治理要求。Google对顶点AI和AI代理工具的最新增强表明，一种成熟的方法着重于实用企业的采用，而不是仅仅推进技术基准。