你把“准备下周的客户会议”交给 AI，它不再只回一份建议清单，而是自己拆任务：找邮件和文档、核对日历、整理资料，再把需要审批的步骤交给对应同事。Google 正把 Gemini 从聊天助手推向这种工作方式——它要做企业里的通用 Agent，也就是能规划步骤、调用外部系统并实际执行操作的 AI 助手。
据 TechCrunch 报道，Google 在一场 Google Cloud 活动上发布了这套统一 Agent；Bloomberg 也独立报道了 Google 推出面向工作场景的“Universal” Gemini Agent。不过，“Universal”究竟是正式产品名还是定位用语，目前材料不足以确认。具体功能、接入范围和使用数据主要来自 Google 及其高管的现场表述，尚缺少独立验证。
不只听指令，而是接下目标
Google Cloud CEO Thomas Kurian 的说法是，用户可以交给 Gemini “目标，而不只是指令”。区别在于：普通助手等你逐步吩咐，Agent 则尝试自己规划工作、加载所需技能、调用工具，并连接企业内部系统完成任务。
例如，一项工作可能同时涉及邮件、文档、代码和数据库。Google 称，新 Agent 可连接 Google Workspace、Microsoft 365、Slack、Jira、Confluence、Git，以及 BigQuery、Databricks、Postgres、Snowflake 等系统。这里的“连接器”，可以理解为 AI 进入现有软件、读取数据或执行操作的接口。没有这些接口，Agent 再聪明，也只能隔着玻璃给建议。
它还支持连接企业网络内外的 MCP server。MCP，即 Model Context Protocol，是让模型接入外部数据和工具的一套协议。对企业而言，这意味着 Gemini 不必只在 Google 自己的软件里工作，也可能接入公司已有的业务能力。
一个主管，调度多个模型和Agent
复杂任务不会全部塞给一个模型。主 Agent 可以把检索、分析或执行交给专门的子 Agent，再汇总结果。这就是“子 Agent 委派”，类似一名协调者把不同工作分给不同岗位。
模型也不必固定。Google 称，系统默认会为任务自动选择模型，用户也可以手动指定。首批第三方选项包括 Anthropic 的 Claude，未来还计划加入开源模型和其他私有模型。这种“跨模型执行”把 Gemini 推到了编排层：Google 想管理任务如何拆分、由谁处理以及怎样衔接，而不只是提供自己的模型。
不过，“自动选择最适合的模型”仍是公司口径。Google 没有在材料中给出“最适合”的评测标准，也没有披露不同模型在成本、速度和质量之间如何取舍。
Agent开始拥有“工位”
这套设计更值得注意的地方，是 Agent 被赋予了类似同事的身份。Google 称，它可以拥有独立的 Workspace 账号、邮箱和上下文。用户能通过 @、邮件、文件分享或群聊调用它；它执行操作时，也会以 Agent 而非某位员工的名义留下审计记录。
用户可在“tasks inbox”里查看任务进度、子 Agent 的委派、技能加载和代码等信息。TechCrunch 将其中一项描述为查看 Gemini 的“thinking process”，但更稳妥的理解是任务轨迹、状态或摘要，而不是模型完整的内部推理。
这套 Agent 将首先面向企业，之后再扩展到消费者。Google CEO Sundar Pichai 给出的理由是，企业场景能先处理安全、规模和性能等更困难的问题。Google 还称，Agent 可从手机、桌面端、命令行以及 Workspace、Microsoft 365、ServiceNow 和 Slack 等入口使用；具体上线日期、地区、价格和开放范围，现有材料没有披露。
为什么它可能改写办公软件入口？
过去，办公入口通常是某个应用：先打开邮箱，再进入文档、日历或业务系统。通用 Agent 提供了另一种入口——用户先说目标，再由平台决定调用哪些软件、Agent 和模型。谁掌握这个入口，谁就可能掌握任务分发和工作流编排。
Google 已有可观的分发基础。Pichai 在现场称，Gemini 月活跃用户超过 10 亿，近 90% 的 Fortune 100 企业已在工作中使用 Gemini Enterprise。但这两个数字都缺少统计口径：所谓“使用”可能覆盖不同深度，也不能直接证明企业会把关键流程交给 Agent。
局限与未知
- 现有材料没有给出实际任务的成功率、错误率、耗时或与其他 Agent 的对比，能力上限仍无法判断。
- Agent 能跨系统行动，也让权限、误操作和责任归属更重要；Google 提到了审计记录，但材料没有说明具体审批与风险控制机制。
- 多数功能细节来自 Google 单方介绍。早期测试者包括 On、Shopify 和 PayPal，但材料没有提供它们的量化测试结果。