Marico's space

Google Cloud Next 2026 上，Gemini Enterprise Agent Platform 正式登场——这不只是 Vertex AI 换个名字那么简单，它意味着 Google Cloud 整个 AI 开发面的重心，从「模型托管」正式转向「企业级 Agent 治理」。

简单说：以后 Google Cloud 的 AI 新功能，全部从 Agent Platform 出，不再从 Vertex AI 出。 对还在用 Vertex AI SDK 的团队，6月24日前必须完成迁移。

这篇文章说说到底变了什么，为什么变，以及怎么迁。

为什么 Vertex AI 这个品牌被放弃了？

Vertex AI 最初是为 ML 团队设计的——上传数据、训模型、做推理。但 2026 年的企业实际在建的，是多步骤、跑几小时甚至几天、协调几十个工具、跨多个专业 Agent 协作的工作流。

Gemini Enterprise Agent Platform 正是对这个 Gap 的回答。它不是 Vertex AI 上面加一层，而是把整个开发面重新组织，核心问题只有一个：如何在企业规模下构建、部署、治理和观测 AI Agent？

现有 Vertex AI 服务全部继续运行，Google 没有破坏任何东西。但路线图已经全部转移到 Agent Platform 了。

平台架构：8个核心组件

Gemini Enterprise Agent Platform 把之前分散的工具整合成一个完整栈，核心组件有这些：

• Agent Studio：低代码可视化画布，用来设计 Agent 推理循环和工作流。非技术用户也能审查 Agent 逻辑。比之前的 Agent Builder 界面丰富得多。
• Agent Runtime：处理长期运行 Agent 的部署，支持状态保持数天。这个能力对单轮交互之外的一切场景至关重要——比如跑一整夜的销售线索挖掘，或者花一周处理一堆合同的合规审查 Agent。
• Agent Memory Bank：持久化长期上下文，跨会话保持。Agent 自动构建「记忆画像」（Memory Profiles），检索延迟很低。每次唤起 Agent 不再是「从零开始」。
• Agent Gateway：Agent 网络层，负责安全策略执行和 Model Armor 防护，统一连接各种环境（云、混合、本地）。可以理解为 Agent Mesh 的反向代理。
• Agent Identity：每个 Agent 都有唯一加密 ID，Agent 的每个操作都被记录并映射到授权策略。这是合规审计的基础——你能准确知道哪个 Agent 在什么时间做了什么、获得了谁的授权。
• Agent Registry：内部 Agent 生态目录。所有内部 Agent、工具和 Skill 都在这里索引。新 Agent 需要委托任务时，通过 Registry 发现可用能力，而不是硬编码引用。
• Agent Observability：整个 Agent Mesh 的结构化日志、分布式追踪和性能指标。类似于 APM 工具为微服务提供的观测能力，但针对 Agent 模式构建。
• Agent Simulation：在生产前用合成环境测试 Agent。可以注入故障场景、模拟工具不可用、压力测试多 Agent 协作，不用碰真实系统。

A2A 协议：框架无关的 Agent 互操作层

Agent2Agent（A2A）协议是让这一切可组合的关键。Google 最初开发了 A2A，然后在 2026 年初捐赠给 Linux Foundation。1.2 版本在 2026 年 3 月发布，截至 2026 年 4 月已有超过 150 个组织在生产环境运行。

核心概念很简单：A2A 对于 Agent 的意义，类似于 HTTP 对于 Web 服务。 它定义了标准「信封」格式，用于描述一个 Agent 如何向另一个 Agent 请求工作——不管两个 Agent 各自用什么框架构建。用 LangGraph 构建的 Agent，可以把子任务委托给用 CrewAI 构建的 Agent。框架选择不再重要，因为 A2A 抽象了通信层。

A2A 补充了 MCP（Model Context Protocol）：MCP 负责 Agent 连接工具，A2A 负责 Agent 连接 Agent。

主流框架对 A2A 的支持

框架	A2A 支持	MCP 支持	ADK 集成
Google ADK	原生内置	原生内置	第一方
LangGraph	原生	社区版	官方连接器
CrewAI	原生	原生	官方连接器
LlamaIndex Agents	原生	原生	官方连接器
Semantic Kernel	原生	原生	官方连接器
AutoGen	原生	原生	官方连接器

这意味着：如果你已经在用这些框架，你的 Agent 已经天然具备参与 A2A 网络的能力。不需要重写任何东西，就能连接到 Gemini Enterprise Agent Platform 上的 Agent。

ADK v1.0：四种语言构建 Agent

Agent Development Kit（ADK）在 2026 年初四个支持语言全部达到稳定 v1.0：Python、TypeScript、Go 和 Java。每个语言 SDK 在协议层面功能完全对等。这对企业团队很有意义——一个 Java 团队不再需要维护一个 Python 服务来构建 Agent。

Python ADK 仍然是最成熟的，社区资源最丰富。但 Go 和 Java SDK 都已生产就绪，Google 承诺长期维护。

用 Python 构建最小 A2A Agent

from google.adk.agents import Agent
from google.adk.runners import Runner
from google.adk.sessions import InMemorySessionService
from google.adk.tools import ToolContext

# 定义一个简单工具
def lookup_order_status(order_id: str, tool_context: ToolContext) -> dict:
    """根据订单ID查询状态"""
    # 实际实现会查数据库
    return {"order_id": order_id, "status": "shipped", "eta": "2026-04-28"}

# 创建 Agent
agent = Agent(
    name="order-status-agent",
    model="gemini-3.1-flash",
    description="查询订单状态，用于客服咨询",
    tools=[lookup_order_status],
)

# 运行，A2A 服务器启用
runner = Runner(
    agent=agent,
    app_name="order-service",
    session_service=InMemorySessionService(),
)

# 在 8080 端口启动 HTTP 服务器，带 A2A 协议端点
runner.serve(host="0.0.0.0", port=8080, enable_a2a=True)

加上 enable_a2a=True，这个 Agent 立即对其他 A2A 兼容 Agent 可发现。任何知道这个 Agent 端点的 LangGraph、CrewAI 或 AutoGen Agent 都可以把订单查询委托给它，无需任何额外胶水代码。

部署到 Agent Runtime：

gcloud agent-platform agents deploy order-status-agent \
  --source . \
  --region us-central1 \
  --runtime-type long-running \
  --a2a-enabled

--runtime-type long-running 启用多天持久状态运行；--a2a-enabled 自动在 Agent Registry 注册并暴露 A2A 端点。

从 Vertex AI SDK 迁移

从 Vertex AI SDK 迁移到 Google Gen AI SDK，在大多数情况下路径很清晰——API 设计相似，Google 还发布了 Python、Java、JavaScript 和 Go 的专项迁移指南。

关键截止日期：废弃的 Vertex AI SDK 模块在 2026 年 6 月 24 日后不再收到更新。不是说代码立即坏掉，但会运行在不再修复的 SDK 上，而这块技术还在快速演进。

Python 迁移示例

# 迁移前（Vertex AI SDK）
import vertexai
from vertexai.generative_models import GenerativeModel

vertexai.init(project="my-project", location="us-central1")
model = GenerativeModel("gemini-3.1-pro")
response = model.generate_content("解释 Google Cloud Next 2026 的变化")

# 迁移后（Google Gen AI SDK）
from google import genai

client = genai.Client(project="my-project", location="us-central1")
response = client.models.generate_content(
    model="gemini-3.1-pro",
    contents="解释 Google Cloud Next 2026 的变化"
)

功能差异很小。新客户端是无状态的，在无服务器环境更容易使用。认证仍然用 Application Default Credentials（ADC）。

对于更大的迁移团队，Google 官方迁移指南中有自动化 codemod，可以处理大多数重命名级别的变更。主要是更新流式响应处理方式和安全设置的配置方式，这两块新 SDK 接口略有不同。

常见错误

• 把 Agent Runtime 当无服务器函数用。长期运行运行时专为有状态、持久化 Agent 设计。如果你的 Agent 无状态且 60 秒内跑完，部署到 Agent Runtime 只有开销没有收益。短期无状态 Agent 用 Cloud Run 或 Cloud Functions。
• 跳过 Agent Identity。为「只和内部系统对话」的 Agent 设置加密身份看起来多余。但 Agent Identity 是 Agent Gateway 执行授权策略的基础。没有它，内部 Agent 实际上绕过了治理层——一旦需要审计 Agent 行为，这就成了问题。
• 混淆 A2A 和 MCP。A2A 处理 Agent 间的委托。MCP 处理 Agent 连接工具。查询数据库用 MCP；把子任务委托给专业 Agent 用 A2A。真实系统通常两个都需要。
• 期待 Memory Bank 的极低延迟。Memory Bank 优化的是检索准确率，不是亚 10ms 读取。它适合在会话开始时加载的温热上下文，不适合在单次响应生成内部做热路径查询。用它给 Agent 预热，不要用它替代缓存。
• 不部署到 Agent Registry。Registry 在开发环境可选，但在生产是必须的。如果 Agent 没有注册，就无法被 Mesh 中其他 Agent 发现。这是「孤立 Agent」和「可组合服务」之间的区别。

FAQ

Vertex AI 会被关停吗？

不会。所有现有 Vertex AI 服务继续运行。品牌变更意味着新能力只会从 Gemini Enterprise Agent Platform 出，不再作为 Vertex AI 更新。唯一需要立即行动的是：在 2026 年 6 月 24 日前迁移废弃的 SDK 模块。

必须用 ADK 才能在 Agent Platform 上构建吗？

不需要。ADK 是 Google 第一方工具包，是集成最快的路径，但平台是框架无关的。LangGraph、CrewAI 等框架都有原生 A2A 支持和 Agent Platform 官方连接器。Agent Gateway 接受任何 A2A 兼容请求，不管来自哪个框架。

Agent Memory Bank 和向量数据库有什么区别？

Memory Bank 是抽象层，不是替代品。底层用 Google Cloud 基础设施，但接口更高级——你不需要写嵌入或查询语句。Memory Bank 自动从 Agent 会话中构建记忆画像并处理检索。对于自定义 RAG 管道或结构化知识库，仍然直接用 Pinecone 或 Qdrant 这类向量数据库。Memory Bank 管对话上下文层，向量数据库管知识检索层。

什么时候用 A2A vs 直接调另一个 Agent 的 API？

想让调用经过 Agent Gateway 的安全和观测层时用 A2A——这意味着会被记录、限速和策略检查。原型阶段或者 Agent 间调用在单一部署上下文内部时，直接 API 调用即可。在生产环境，几乎所有 Agent 间调用都应走 A2A，这样 Agent Identity 和 Agent Observability 才能完整观测整个 Agent Mesh 的运行情况。

我的看法

这次品牌升级背后是真实的架构变化，不只是改名。Google 显然在把整个路线图押注在 Agent 方向上，8个组件中真正区分「Demo Agent」和「企业级生产部署」的，是 Memory Bank、Identity 和 Registry 这三个。

对已经在用 Google Cloud 做 AI 的团队，这次迁移不是可选项——是必选题。ADK v1.0 多语言支持加上 A2A 协议的生态覆盖，让它成为目前最完整的企业 Agent 技术栈之一。早点动身，别拖到最后。

行动项：检查团队是否还在用 Vertex AI SDK，如果是，今天就开始跑迁移指南。6月24日并不远。