這篇文章整理 2026 Google Cloud Day Taipei 開發者場的現場筆記,重點不是逐頁重述簡報,而是回答一個工程問題:Google 如何把模型、工具與資料,接成可部署、可治理的 Agent 平台?
本文已於 2026 年 8 月 29 日用 Google Cloud 官方文件重新查核。現場提及、但無法從公開文件確認的數字與實作細節不再當成既定事實;產品介面與支援範圍仍可能持續變動。
從模型清單轉向完整生命週期
Gemini Enterprise Agent Platform 官方總覽把平台能力分成四個面向:Build、Scale、Govern 與 Optimize。這比「選哪個模型」更接近正式環境真正要解的問題:
- Build:以 Agent Development Kit(ADK)或其他框架定義 Agent、工具與協作流程。
- Scale:把 Agent 部署到受管 Runtime,並管理 session 與 memory。
- Govern:使用 Agent Identity、Registry、Gateway 與政策控制存取邊界。
- Optimize:透過評估與可觀測性理解品質、成本及失敗路徑。
模型仍然重要,但只是這條鏈上的一個可替換元件。平台團隊更該先確認資料權限、工具副作用、追蹤紀錄與回滾方式。
ADK 的正確定位:框架,不是魔法層
ADK 官方文件將它描述為開源、code-first 的 Agent 開發框架,支援 Python、TypeScript、Go 與 Java。它可組合工具、workflow agent 與多 Agent 協作,也能接到評估及部署流程。
以下是依照官方 Python 介面縮小後的示意;工具函式與資料皆為教學用途,不代表 Google Cloud Day 的實際展示系統:
from google.adk.agents import Agent
def fetch_night_market_data(market_name: str) -> dict:
"""Return approved, read-only market data."""
return {
"market": market_name,
"traffic_status": "high",
"top_stalls": ["stall-a", "stall-b"],
}
agent = Agent(
name="market_analyzer",
model="gemini-3.5-flash",
instruction="Use the approved tool and state uncertainty clearly.",
tools=[fetch_night_market_data],
)
Google Cloud 的 Agent Runtime ADK quickstart在 2026 年 8 月的版本使用 google.adk.agents.Agent 與 gemini-3.5-flash。這只能證明該文件當時的示例介面,不表示每個區域、帳戶或工作負載都有完全相同的可用條件。
工具協定不能取代授權
MCP 與 A2A 解決的是互通方式;它們不會自動決定「誰可以做什麼」。一個工具即使採用標準協定,仍需要最小權限、輸入驗證、輸出過濾、逾時、配額與人工核准。
對企業平台而言,可以把責任拆成四層:
- 發現與註冊:有哪些 Agent、工具與版本可以被使用。
- 身分與授權:每次呼叫代表誰,以及可讀寫哪些資源。
- 執行與隔離:程式在哪裡跑,如何限制網路、檔案與憑證。
- 評估與觀測:輸出是否正確,工具軌跡與成本是否可追溯。
會議訊號如何轉成採用判斷
如果團隊正評估 Google Cloud Agent 技術棧,建議不要從產品展示直接跳到正式上線。先做一個可驗證的最小切片:
- 選擇一個唯讀、低副作用工具。
- 定義成功條件、拒答條件與人工接手點。
- 在本地測試後,再驗證 Runtime 的身分、session、記錄與區域限制。
- 最後才擴充到多工具、多 Agent 或具有寫入權限的流程。
延伸閱讀與來源
- 先用 AI Agent 完整指南理解模型、工具、狀態、評測與治理的整體分工。
- 實作 ADK 可接著讀 Agent Development Kit 2.0;正式環境的控制面則參考 Enterprise Agentic AI 治理。
- 官方資料:Gemini Enterprise Agent Platform、Agent Development Kit、ADK Runtime quickstart。
- 會議脈絡:2026 Google Cloud Day Taipei 開發者技術專場現場筆記;本文未把無公開佐證的簡報數字列為事實。