Google Agent Platform 是什麼？功能與入門

Google Agent Platform 是 Google Cloud 提供的企業 AI 代理開發與管理平台，正式名稱為 Gemini Enterprise Agent Platform。它讓團隊把 AI 模型、公司資料與工具接在一起，建立能執行任務的代理，再處理部署、權限、監控與品質評估。Google 官方平台總覽把這套能力分為建立、擴展、治理與優化四個部分。

想像客戶問：「我的訂單為什麼還沒到？」AI 可以寫出禮貌的回覆，但要真的處理問題，還得查訂單、確認物流、讀懂公司的處理政策，必要時轉給客服。Google Agent Platform 要協助企業建立的，就是這種能串接資料與行動的工作系統。

理解它的關鍵，在於分清楚「模型的能力」和「把能力放進公司流程」之間，還有哪些工作。以下從產品名稱、主要功能、使用情境與費用，說明這個平台適合解決什麼問題。本文產品資訊查核日期為 2026 年 9 月 9 日。

Google Agent Platform 與 Vertex AI 有什麼關係？

如果你查資料時同時看到 Vertex AI 和 Agent Platform，原因是 Google 正在用新的平台定位承接原有服務。Google 在 2026 年 4 月 22 日宣布 Gemini Enterprise Agent Platform，說明它延續 Vertex AI 的模型選擇、模型建置與代理開發能力，並加入代理整合、協作、維運與安全功能。官方發布公告也指出，後續 Vertex AI 服務與產品路線將透過 Agent Platform 提供。

因此，看到舊教學裡的 Vertex AI，不必立刻認定內容失效；但操作入口、功能名稱與設定方式，應對照目前文件。這段沿革也不代表每個既有專案都要立刻重做，是否需要調整，仍取決於實際使用的服務與遷移說明。

名稱背後的重心很清楚：企業除了需要模型回答問題，也需要一套能讓代理持續工作的環境。如果對「代理」還不熟悉，可以先讀AI Agent 的運作原理與組成；本篇則聚焦 Google 如何把這些能力整合成平台。

Google Agent Platform 的四個主要功能

把一個 AI 示範做出來，和讓整個團隊每天使用，會遇到不同問題。前者可能只要成功回答一次，後者還得處理流量、例外狀況、資料權限與版本更新。Google 用四個方向整理這段生命週期，理解每個方向的工作，比一次記住全部工具名稱更有用。

建立：把模型、資料與工具組成代理

建立代理時，要先決定它接受什麼任務、能讀哪些資料，以及可以使用哪些工具。Google 提供 Agent Studio 作為低程式碼的視覺工作環境，也提供 Agent Development Kit（ADK）讓開發者以程式碼控制較複雜的邏輯。ADK 是開源的代理開發框架，和整個雲端平台的範圍不同。ADK 官方文件說明了它從單一代理到多代理系統的用途。

模型也有選擇空間。平台的 Model Garden 包含 Google、第三方與開放模型；挑選時應看任務需求、輸出品質和成本。至於公司資料與外部工具，仍要實際完成連接，不能只在提示詞裡寫「去查公司的訂單」，就期待 AI 自動取得資料。官方產品頁提供模型與開發能力的現行說明。

擴展：讓代理有穩定的執行環境

代理建立後，需要有地方接收請求並執行。Agent Runtime 提供受管理的部署與執行環境；Sessions 用來保留一次互動的歷史與脈絡，Memory Bank 則支援跨互動階段的長期記憶。這些服務解決的是「工作怎麼接著做」的問題，但記憶要保存什麼、保存多久，仍需要團隊規劃。擴展與執行環境文件列出了相關服務。

治理：知道代理是誰、能做什麼

當代理開始操作公司系統，權限就不能只靠一句「請小心」。Agent Identity 讓代理具有可管理的身分，團隊可以透過 IAM（身分與存取權管理）授予特定資源的權限。例如查詢訂單的代理，不應因此得到刪除整個資料庫的能力。官方 Agent Identity 文件提供了授權與限制存取的做法。

其他治理元件各有分工：Agent Registry 幫助團隊掌握有哪些代理與工具；Agent Gateway 管理工具呼叫與政策執行；Model Armor 協助檢查有風險的內容互動。平台提供這些控制能力，實際規則和允許範圍仍要設定。代理總覽文件可用來核對各元件的角色。

優化：檢查結果，也檢查執行過程

代理最後說「處理好了」，不能直接當成驗收成功。團隊還要確認它查對資料、叫對工具，並且真的完成指定動作。Google 的 Agent Evaluation 能以測試案例和執行軌跡評估品質，協助找出問題並改善指令或工具；這些紀錄也能幫助定位失敗發生在哪一步。官方評估流程涵蓋案例設計、執行、評分與修正。

和 Gemini、Gemini Enterprise app 差在哪？

這幾個名字都包含 Gemini，但使用者接觸的層次不同。Gemini 可以指模型，也可以指日常使用的 AI 助理介面；Gemini Enterprise app 面向企業員工；Agent Platform 則面向需要建立、部署和管理代理的團隊。先從自己的任務出發，才不會把不同產品的費用和功能混在一起。

Gemini Enterprise app 本身也有連接企業資料、使用預建代理和建立無程式碼工作流程的能力，所以不能簡化成「app 只能聊天」。更準確的差別，是 app 提供員工工作的入口，Agent Platform 提供更底層的開發與管理環境；兩者可以整合，適用功能仍受版本與設定影響。Gemini Enterprise app 官方說明列出了目前的工作流程與連接能力。

如果只是想寫信、整理資料或理解一般 Gemini 的操作，從Gemini 新手使用教學開始通常更直接。等到需求變成「要接自己的系統，而且讓一群人持續使用」，再來評估企業平台，問題就會具體得多。

工商時間

如果你想要更系統化、更輕鬆的學好 SEO 與 AI SEO，歡迎參考我與知識衛星合作的 SEO 線上課程：《SEO 排名攻略學》、《AI SEO 流量變革》。

透過《SEO 排名攻略學》獲得穩定的 SEO 流量與實戰經驗。
再搭配《AI SEO 流量變革》看懂 AI 搜尋趨勢，搶佔 AI 搜尋紅利。

用客服案例，理解代理怎麼完成一件事

以下是一個用來解釋架構的假設情境，並非 Google 預裝的客服功能，也不是實測案例。假設公司希望代理協助處理「商品還沒收到」的詢問，可以把任務設計成四個階段。

1. 取得必要資訊：依公司的身分核對流程，確認客戶與訂單，資料不完整就先補問。
2. 呼叫查詢工具：透過已授權的訂單、物流系統取得最新狀態，保留資料來源與查詢時間。
3. 依政策提出處理方式：把查到的情況和公司的客服規範放在一起，草擬能回答問題的回覆。
4. 處理例外並確認結果：遇到退款、補償或資料矛盾時，依流程交由人員核准，再核對實際執行結果。

在這個例子裡，模型協助理解問題與整理回覆，工具負責取得或更新真實資料，權限設定則限制代理可以做的事。平台的價值，是讓團隊有一套地方開發、運行與觀察這些步驟。至於訂單查詢、退款介面和核准流程，都必須由公司或整合團隊接好。

如果工具支援 MCP，可以用這種協議讓代理以一致方式連接工具；但支援 MCP 仍不等於已取得公司的資料權限。想理解這一層，可以延伸閱讀MCP 如何連接 AI、資料與工具。把「能連接」和「獲准操作」分開，才有辦法設計清楚的工作邊界。

Google Agent Platform 怎麼開始？先選一個小任務

對第一次評估的團隊，起點可以是一張任務說明：目前誰在做、需要哪些資料、最後要交付什麼，以及哪些情況必須停下來交給人。以客服為例，先做「查詢並草擬回覆」，會比一次要求「處理所有客訴」更容易測試，也更容易算出效益。

接著才選開發路徑。希望用視覺介面驗證流程，可以評估 Agent Studio；需要自訂工具、複雜條件或多代理協作，則由開發者評估 ADK 等開發方式。低程式碼能降低部分建置門檻，但帳單、資料連接、身分驗證和權限設定，仍需要有人負責。

甚至不是每個 Gemini 開發專案都需要從 Agent Platform 開始。Google 的兩種 API 比較文件建議，多數開發者若沒有特定企業控制需求，可先使用 Gemini Developer API。若主要目的是替現有程式加上文字生成能力，就先確認 API 能否滿足需求，再決定是否增加整套平台。

選定路徑後，再準備 Google Cloud 專案、計費與必要權限，以小量測試資料建立代理。測試除了正常問題，也應包含找不到訂單、工具逾時、資料互相矛盾等情境；通過後再部署並持續觀察。這裡描述的是導入順序，實際設定步驟應依所選服務的官方快速入門文件進行。

Google Agent Platform 費用怎麼算？

Agent Platform 涉及多項雲端服務，用量會隨模型、運算、儲存及工具而變動。不能把某個 Gemini 訂閱價格，直接當成整個代理平台的費用。估算時，至少要區分下列幾層，才知道帳單可能從哪裡產生。

Google 的Agent Platform 價目表說明，Runtime 與 Sandbox 等執行資源涉及 Agent Compute（vCPU 小時）和 Agent Memory（GiB 小時）計費；模型生成則需另外看生成式 AI 價目表。這些單位代表不同資源，不能把其中一項起價當成整個任務的總價。

比較實用的方式，是先以一小批有代表性的任務試跑，記錄平均模型用量、工具呼叫、執行時間與失敗情況，再估算擴大使用後的支出。例如一個回答如果需要查三套系統、經過多輪模型判斷，其成本結構就會和單次文字生成不同；這是估算方法，實際金額仍以當日方案和帳單計量為準。

工商時間

如果你想要更系統化、更輕鬆的學好 SEO 與 AI SEO，歡迎參考我與知識衛星合作的 SEO 線上課程：《SEO 排名攻略學》、《AI SEO 流量變革》。

透過《SEO 排名攻略學》獲得穩定的 SEO 流量與實戰經驗。
再搭配《AI SEO 流量變革》看懂 AI 搜尋趨勢，搶佔 AI 搜尋紅利。

哪些企業適合用？導入前要看什麼？

當任務需要跨系統資料、多人使用、細緻權限或持續監控時，Agent Platform 的管理能力比較有機會派上用場。例如行銷月報代理需要讀取不同報表並整理差異，客服代理需要串接訂單與政策；這些都是可規劃的應用，能做到什麼仍取決於資料、工具和流程是否準備好。

反過來說，如果只是偶爾整理一份文件，或公司還不知道哪個流程要改善，可以先使用現成 AI 工具驗證需求。若資料散亂、規則經常互相衝突，直接加入代理只會讓排錯更困難。導入的第一步，往往是把原本依靠員工默契的判斷寫清楚。

也要留意三件事：安全控制需要正確設定，模型仍可能誤判，服務可用地區和資料處理條件則要逐項確認。使用 Google Cloud 不代表每個服務都在相同地區提供，也不代表任何公司資料都能直接匯入。應由負責人依所選功能與公司的資料規範核對，避免只看平台總覽就推定全部適用。

最後，誰負責驗收與維護要先決定。可以追蹤任務成功率、人工接手比例、單次成本，以及錯誤是否能被發現並回復。這些是本篇建議的導入判斷指標，比只看代理回答得多流暢，更接近企業實際需要的成果。若想補上整體觀念，可再讀Agentic AI 的運作、應用與風險。

把平台價值放回具體工作來看

Google Agent Platform 提供企業把模型、資料、工具與管理機制接在一起的能力。認識它時，先記住正式名稱 Gemini Enterprise Agent Platform，再分清楚模型、員工使用的 app，以及開發管理平台各自負責什麼，就不容易被相近名稱混淆。

真正要開始使用，先選一件邊界清楚、結果可以驗收的工作，確認資料來源、工具權限、人工介入方式和成本。當這個小流程能穩定運行，再考慮擴大範圍，平台提供的部署與治理能力才有明確的使用目的。