Google Cloud startet Gemini Agent, ein universeller Agent für Unternehmensarbeit

Google Cloud hat den Google Cloud Gemini agentvorgestellt, einen einzelnen Agenten für Unternehmensarbeit. Der Gemini agent ist ein in der Cloud gehosteter Agent von Google Cloud, der Fragen beantwortet, Wissensarbeit erledigt, Medien erstellt sowie Code schreibt und ausführt. All dies geschieht über 1 Prompt-Feld und 1 API. Für Entwickler ist der Agent das Produkt, und das Modell ist eine Routing-Entscheidung.

TL;DR

• Läuft auf: Google Cloud (AI Hypercomputer). Erreichbar über Web, Mobilgerät, Desktop, CLI, Workspace, Microsoft 365, Slack oder headless.
• Am besten: Bloomberg Media steigerte die SQL-Abfragegenauigkeit um 63%, indem Datenagenten im Knowledge Catalog verankert wurden.
• Fazit:
  • Beste Fall: 1 regulierter Agent mit Cloud-Speicher, Sub-Agenten und harten Ausgabenlimits.
  • Schlechteste Fall: Käufer müssen es anhand von Kundenanekdoten bewerten, nicht anhand reproduzierbarer Zahlen.

Was ist der Google Cloud Gemini agent?

Es ist eine Delegationsschicht, kein Chatbot. Man gibt ihm Ziele, keine Anweisungen. Er plant die Arbeit, wählt Fähigkeiten und Werkzeuge aus, verbindet sich mit Unternehmenssystemen und liefert fertige Ergebnisse zurück.

Google nennt 6 architektonische Prinzipien:

• Einheitlicher Agent: Chat, autonome Ziele und Codegenerierung teilen sich 1 Schnittstelle.
• Allgegenwärtiger Zugriff: jedes Gerät oder jeder Kanal, plus Einbettung in Drittanbieter-Apps.
• Persistente Ausführung: er läuft in der Cloud mit 1 Satz von Erinnerungen und 1 Personalisierungsgraph. Aufgaben, die Stunden oder Tage dauern, laufen weiter, nachdem du den Laptop geschlossen hast.
• Multi-Agenten-Orchestrierung: er erstellt temporäre Sub-Agenten, jeder mit eigener Identität, und führt parallele oder sequenzielle Schritte aus.
• Tief kontextbezogen: er lernt mit der Zeit deine Werkzeuge, Daten und deinen Arbeitsverlauf.
• Flexibilität bei der Modellwahl: jede Aufgabe läuft auf dem am besten passenden Modell.

Wie erinnert und argumentiert der Gemini-Agent?

Er verfügt über 4 Arten von Gedächtnis. Das Sitzungsgedächtnis umfasst die aktuelle Aufgabe, sogar über Tage hinweg. Das semantische Gedächtnis ist eine strukturierte Wissensbasis, die er aus Dokumenten und Personen aufbaut. Das prozedurale Gedächtnis speichert, wie Aufgaben erledigt werden, einschließlich Fähigkeiten, die er selbst schreibt. Das episodische Gedächtnis zeichnet alles auf, was er zuvor getan hat.

Skills sind modulare Prompts, die in einer gemeinsamen Unternehmens-Registry gespeichert sind. Tools stammen aus einer Enterprise-Tools-Registry. Connectors decken Slack, Jira, Salesforce, ServiceNow, BigQuery, Snowflake, Desktop-Dateien und jeden Model Context Protocol Server ab.

Welche Modelle verwendet er?

Heute orchestriert er über Googles Gemini-Modelle und Claude-Modelle von Anthropichinweg, weitere private und offene Modelle sind geplant. Googles eigene Palette umfasst Argon für Frontier-Reasoning, Flash für Geschwindigkeit und Volumen, Omni für generative Medien und Gemma für Open-Weights-Edge-Arbeiten.

Was sind Coworker-Agents?

Ein Coworker-Agent ist ein dauerhafter Teamkollege mit einer definierten Rolle. In Workspace erhält er sein eigenes Konto: E-Mail-Adresse, Kalender, Drive und einen Verzeichniseintrag. Kollegen erwähnen ihn per @ in Chat oder Docs, und seine Änderungen erscheinen unter seinem eigenen Namen im Versionsverlauf. Er sieht nur, was mit ihm geteilt wird.

Der Agent arbeitet auch inline über Gmail, Docs, Sheets, Slides, Chat und Calendar hinweg und bietet 1-Click-Delegation von Aufgaben, die er erkennt.

Was fügt er für Data-Teams hinzu?

Data- und ML-Engineers beschreiben Ergebnisse in natürlicher Sprache. Der Agent schreibt dann PySpark-Code, stellt Notebooks bereit, trainiert Modelle und behebt Pipeline-Probleme. Business-User erhalten gespeicherte BigQuery-Berichte, die ohne Token-Kosten erneut ausgeführt werden.

Drei Dienste untermauern die Antworten. Der Knowledge Catalog bildet Geschäftsdefinitionen einmal für jeden Agenten ab. Smart Storage reichert unstrukturierte Objekte direkt an Ort und Stelle an; Google sagt, 90% der Unternehmensdaten seien unstrukturiert. Die Borderless Lakehouse fragt Amazon S3 und Azure Data Lake ohne variable Egress-Gebühren ab.

Wie wird der Agent kontrolliert?

Google rahmt Governance als 4 Fragen: wer, was er tun darf, was er getan hat und was er niemals anfassen darf.

• Identität: jeder Agent erhält eine kryptografisch attestierte Identität mit Least-Privilege-Berechtigungen.
• Autorisierung: rollenbasierter Zugriff, über Standards wie OAuth an externe Systeme angebunden.
• Auditing: jede Aktion wird dem Agenten protokolliert, nicht einer Person.
• Policy: Agenten laufen in einer Agent Sandbox. Der gesamte Verkehr läuft durch den Agent Gateway, eine KI-Netzwerk-Firewall, die 1 Policy auf jeden Agenten anwendet.

Wie kontrolliert Google die Kosten?

Drei Hebel: Multi-Model-Orchestrierung, Smart Routing, das Workloads an das günstigste geeignete Modell verteilt, und Echtzeit-Ausgabenlimits. Teams legen ein hartes Projektlimit in der Cloud Billing Console fest. Wenn es ausgelöst wird, pausiert der Agent des Projekts, bis jemand ihn fortsetzt. Dahinter gibt das Google-Team an, dass sein TPU 8i System 80 % besseres Preis-Leistungs-Verhältnis als die vorherige Generation liefert.

Wie ist der Vergleich?

Kernpunkte

• 1 Agent, 1 API: Q&A, Wissensarbeit, Medien und Code.
• Verteilt Aufgaben heute über Gemini- und Claude-Modelle.
• Coworker-Agents erhalten ihre eigene Workspace-Identität.
• Harte Ausgabenlimits pro Projekt stoppen außer Kontrolle geratene Agents.
• Noch keine Benchmarks, kein Preis und kein GA-Termin.

Schauen Sie sich die Google Cloud Ankündigungan. Alle Credits gehen an die Forscherin/den Forscher dieses Projekts. Folgen Sie uns außerdem gerne auf Twitter und vergessen Sie nicht, unserem 150k+ML SubReddit beizutreten und unseren Newsletter zu abonnieren. Moment! Sind Sie auf Telegram? jetzt können Sie uns auch auf Telegram beitreten.

Der Beitrag Google Cloud bringt Gemini Agent auf den Markt, einen universellen Agenten für die Unternehmensarbeit erschien zuerst auf MarkTechPost.