Philipp Schmid：打造 AI 同事需要的七样东西

两年前，我们主要向聊天机器人提简单问题。后来助手开始使用工具，编程智能体也能替我们写代码。现在，我们可以给智能体一台自己的电脑和一项任务，几小时后再回来查看成果。我想展示如何打造一位自主的华尔街 AI 同事。

一位同事需要大脑、用来保存成果并反复修改的电脑、帮助熟悉工作流程的手册、工具、凭证、行为规则和工作日程。数字员工同样需要这七样东西。接下来我会用 Gemini 构建一个例子，逐项介绍。

在此之前，我们最近发布了 Gemini 4。我重点介绍了统一的百万 token 上下文窗口，以及模型处理复杂数学问题时可使用的额外推理空间。Interactions API 提供了一个简短的入门方式：获取 API 密钥并发送请求。演讲时我给出的价格是输入 2 美元、输出 10 美元。

Google 团队此前已在内部测试该模型。我介绍了 Chromium 相关工作、提升开放模型 Gemma 的运行效率、改进 ADK 框架以及内部代码方面的应用。一位同事还通过提示让 Gemini 用 Python 构建了一个 3D 光线追踪器，并用生成的旁白解释其工作原理。这些例子鼓励我们大胆尝试更有挑战的问题。

在传统的工具调用循环中，模型返回函数调用，应用负责执行，再将结果交还模型。Managed Agents 提供远程沙箱，让 Gemini 能直接运行工具并处理文件。调用 Interactions API 时，可以指定智能体 ID、提供提示，并使用这个托管环境。

我们的数字同事叫 Buck。创建 Buck 时，需要指定智能体 ID、基础智能体和模型，并提供系统指令。远程智能体使用与 Antigravity 相同的运行框架。之后，我们就能通过 Interactions API 用自己的智能体 ID 发起调用。

电脑还需要工作环境。Managed Agents 可以接收内联文件、包含技能的公开或私有 GitHub 仓库，也可以连接 Google Cloud Storage 存储桶。技能、钩子和系统指令都以文件形式存在；智能体也可以在环境里创建技能，保存之前会话中获得的经验。

我按知识的使用时机进行区分。系统指令会随每次请求发送，因此保持简洁对成本很重要。技能通过简短描述告诉智能体何时读取。与其把技能写成冗长密集的文档，不如把详细背景拆进可按需加载的参考资料和脚本。

例如，我们的投资组合审计技能会告诉智能体何时以及如何运行附带的 Python 脚本，如何处理结果，以及将结果保存在哪里。它为新同事提供了一套可重复的工作手册，又不必在每次任务中加载全部细节。

接下来是工具。智能体可以使用 Google Search、代码执行等内置能力，也可以调用 MCP 服务器或自定义函数。Managed Agents 可以连接 Workspace 的 MCP 工具，例如 Gmail 和 Sheets；开发者也能提供自己的服务器或函数。

自定义函数仍遵循熟悉的模式：智能体发出调用，应用返回结果。当某项能力需要在智能体沙箱之外运行时，这种方式很有用。

凭证尤其容易处理出错。我介绍了三种支持的方式：用于 API 的 bearer token、用于服务和 MCP 工具的 OAuth，以及供命令行工具使用的环境变量。托管环境通过外部网络代理将凭证与沙箱隔离。

你在沙箱外创建凭证，并规定它可以在哪些位置使用，例如某个特定域名。凭证是只写的：设置后可以替换，但无法取回。智能体看到的环境变量只包含占位值；当请求发往获准的目标时，代理再把占位值替换成真实凭证。

我认为，按域名限制的凭证替换有助于防止恶意提示或 MCP 服务器直接读取真实令牌并将其发往别处。例如，让智能体打印环境文件时，看到的是占位值，而不是保存在外部的密钥。保护效果依赖于代理以及所配置的凭证使用限制。

钩子为行为规则提供了另一层约束。匹配器可以识别需要监控或人工批准的工具调用和命令，再由钩子执行确定性的检查。钩子文件受到保护，智能体不能直接修改它们来绕开规则。

同事还需要日程。我介绍的触发方式是 cron 计划任务：在同一环境中用指定输入运行智能体，例如定期开展尽职调查或审计。我们也在开发 webhook，让外部服务能够触发工作流程。

在演示中，我请 Gemini 帮我构建了一个基于浏览器的 Google Sheets 模拟界面，并模拟计划任务触发。一次真实的 Managed Agents API 调用让 Buck 使用投资组合审计技能。智能体读取技能、调用金融服务、检查市场和股价变化，然后更新表格。

同一个触发器可以设为每天早上 8:30 运行。如果拥有 Slack 访问权限，智能体还能在交易频道发布变化摘要。我还展示了一次建议请求：它利用此前对话的上下文讨论三个持仓，同时遵守系统指令，不直接采取行动。

这位数字同事所需的基础设施都在托管环境中：Gemini 提供大脑，沙箱提供电脑，技能和工具提供工作手册与能力；凭证、钩子和触发器分别支持受控访问、行为规则和主动执行。这就是我想搭建的完整 AI 同事。