为什么企业虽然能快速构建智能体，却还停留在演示阶段？

• 2026-08-19

在上海举行的 Google I/O Connect China 开发者大会上，我亲眼目睹了一个精彩的展示：Google Cloud 的开发者关系经理 Ankur Kotwal 使用 Antigravity CLI，通过自然语言输入，在几分钟内创建并部署了一个实时语音翻译智能体。他在将这个智能体部署到 Gemini Enterprise Agent Platform，并通过 Cloud Run 连接 Web 前端时，没有写一行代码。他总结了整场活动的核心信息：“我们已经成功构建并部署了智能体。那么接下来呢？这正是 Agent Platform 显示其独特价值的时候，我们需要有能力治理这些智能体以应对大规模的需求。”但值得思考的是，虽然仅需几分钟便可以创建一个智能体，为什么在实际生产环境中却面临如此多的挑战？这正是2026年企业 AI 面临的最大焦虑：简易构建并不意味着能够顺利推向生产环境。绝大多数企业的智能体依然停留在演示阶段，究其原因，从“能运行”到“稳定运行”之间似乎隔着一道无形的鸿沟。

三个月前，在拉斯维加斯的 Google Cloud Next 26 会议上，我们讨论过 Google Cloud 的建设内容。而在上海的这次体验让我意识到，有必要探讨从演示到生产之间究竟隐藏着怎样的障碍。这并不是单一问题，而是一系列相互叠加的工程挑战，包括治理、运行时管理、安全性、可观测性和数据管理等。每一个问题都显得不够吸引人，但却可能致命。对于正在快速国际化的中国开发者来说，这些挑战在全球化背景下显得更为严峻。

构建智能体的问题已不再存在，首先必须承认这个事实：如今构建一个智能体确实变得简单。Google Cloud 提供了三种工具，能够覆盖企业内的各类角色：Agent Designer 针对无需编码的业务人员，Agent Studio 面向低代码的技术和业务混合角色，而 ADK 2.0 则是为全栈开发者设计，用于图形化的工作流编排。同时，配合 Agent CLI，一个“为智能体开发智能体”的工具，开发者甚至可以仅通过自然语言完成智能体的构建、评估、部署和监控全过程。Google Cloud 的解决方案架构师及 AI 专家史洁在下午的演讲中表示这个阶段可被称作“Vibe Coding”，即人和 AI 的协作提升了工作效率，几乎能做到任何事情。但她随即强调：“Vibe Coding 是一个起点，而非终点。”当一百个人各自使用不同的智能体、提示词和数据源进行工作时，组织层面将会面临怎样的挑战？最终的结果并不会是效率的百倍提升，而是出现了一百种互不兼容的工作方式，组织知识变得支离破碎，安全政策难以统一实施，产出也无法共享。

她从五个维度分析了 Vibe Coding 和 AI 原生组织之间的区别：个人提升效率与团队协作网络；知识散落于个人的提示词中与结构化、可检索且可推导的组织知识图谱；缺乏控制的无序状态与可观测、可审计和可回滚的管控体系；一次性使用的代码与可复用的跨部门智能体资产；依赖经验的个体与数据驱动的持续迭代。“这不是一个渐进式的改变，而是一次质的飞跃。”因此，真正的问题并不在于“是否能构建智能体”，而是在有一百个或一千个智能体同时运作时，企业该如何管理。

治理问题则涉及到谁来管理这些数字员工。Ankur Kotwal 在演示后展示了 Gemini Enterprise Agent Platform 的管理界面，展示了四大核心治理功能：每个部署的智能体拥有独立身份凭证，可自动配置、可追踪和可审计，他形象地比喻这是“智能体舰队的通用护照”；集中注册的 Agent Registry 让所有智能体、MCP 服务器和模型端点一目了然，确保没有“影子智能体”的出现；Agent Gateway 负责执行进出企业边界时的安全政策，他演示了如何限制特定智能体对于高成本模型的访问权限，以及对财务数据的 MCP 服务器设置只读策略；Agent Observability 可视化智能体协作的有向无环图，展示智能体之间的拓扑关系以及与 MCP 服务器的连接，提供每一步的耗时、 Token 使用、工具调用和错误追溯。史洁最终总结道：“企业 AI 的瓶颈从来不是模型的能力，而是信任、控制及管理的挑战。”