7 Things Your AI Coworker Needs - Philipp Schmid, Google DeepMind
三句話摘要
如何利用Google Gemini 2.0和Managed Agents API構建完全自主的AI同事,在隔離沙箱中獨立執行複雜的金融和商業任務。 透過Gemini 2.0和Managed Agents組合,任何人都可構建完全自主的AI同事在安全沙箱環境中獨立處理複雜的金融分析和商業決策任務。 AI同事架構的七大基礎要素對應人類員工需求:需要強大的大腦(Gemini模型)來思考、個人電腦(Managed Agents沙箱)來儲存和迭代工作成果、工作手冊(技能文檔)以理解公司流程、工具集合、身份憑證、明確規則(鉤子系統)、工作時間表(定時觸發)。完整架構讓AI具備真正的工作自主性。
重點整理
AI同事架構的七大基礎要素對應人類員工需求:需要強大的大腦(Gemini模型)來思考、個人電腦(Managed Agents沙箱)來儲存和迭代工作成果、工作手冊(技能文檔)以理解公司流程、工具集合、身份憑證、明確規則(鉤子系統)、工作時間表(定時觸發)。完整架構讓AI具備真正的工作自主性。
知識分層設計降低運營成本。系統指令每次請求都計費因此需保持簡潔,技能採用按需加載機制讓代理自行判斷何時使用,參考資料和指令碼獨立存儲形成分散上下文切片,既確保代理掌握必要資訊又避免冗餘計費。
網路代理憑證管理是核心創新,憑證從不存入沙箱而由外部代理管理。代碼執行時僅獲得虛擬值,向定義的域名發送請求時代理自動替換為真實憑證,即使發生提示詞注入攻擊也無法竊取真實憑證,完全隔絕惡意MCP伺服器的竊密風險。
實際演示驗證了完整工作流:代理自動執行投資組合審計技能、更新Google Sheets數據、在Slack發佈摘要,整個流程無需人工幹預基礎設施即可在托管環境中自動運行。
實用技巧與重點
- Gemini 2.0 Argon規格
- 100萬token統一上下文窗口,64K+思考token用於數學推理
- 定價:$2/百萬輸入token、$10/百萬輸出token
- API取得:ai.studio.com/apikey(4行代碼快速開始)
- Managed Agents核心組件
- Agent ID、基礎代理選擇、模型指定、系統指令
- 文件系統支援:skills、hooks、系統指令、記憶、自創技能
- GitHub倉庫集成(公開/私有)、GCS儲存桶啟動
- 憑證管理三模式
- Bearer Token(API調用)、OAuth(消費者MCP服務)、環境變數(CLI工具)
- 網路代理機制:虛擬值替換、域名級限制、防止洩露
- 凭证一旦寫入即唯讀,無法檢索只能覆蓋
- 工具整合方式
- 內建工具:Google Search(無需配置)
- MCP伺服器:Gmail、Spreadsheets、自訂服務
- 外部函數:函數呼叫循環、代理外執行
- 其他機制
- 鉤子系統:正則匹配工具呼叫、受保護文件、人工審批流程
- 觸發器:Cron定時(每月特定時間)、Webhook(第三方服務集成規劃中)
- Google內部案例
- Chrome團隊加速Chromium解耦、Gemma開源模型效率提升
- Gemini生成完整3D光線追蹤器Python程式碼+TTS語音解說
結論
透過Gemini 2.0和Managed Agents組合,任何人都可構建完全自主的AI同事在安全沙箱環境中獨立處理複雜的金融分析和商業決策任務。
完整解析
從聊天機器人到今日的自主型AI同事,AI能力經歷三個進化階段。兩年前AI只能回答「法國首都是哪裡」的簡單問題,隨後學會使用電腦工具並編寫代碼執行任務,而今天的突破在於能夠給AI分配獨立電腦和任務,數小時後獲得成果。就像招聘新員工一樣,AI同事需要七大要素才能有效工作:大腦處理任務、電腦保存迭代成果、工作手冊理解流程、工具集合、身份憑證、明確規則、工作時間表。
Google最近宣布推出Gemini 2.0 Argon這次重大升級。新模型支援100萬token的統一上下文窗口,能生成高達100萬輸出token。對數學和推理任務擁有64K+token用於思考推導,性能獲得顯著提升。價格極具競爭力:輸入2美元/百萬token、輸出10美元/百萬token。Google員工已廣泛應用於Chrome瀏覽器解耦、Gemma開源模型優化等項目。甚至有工程師讓Gemini從零生成複雜的3D光線追蹤器,完全由Gemini編寫的Python代碼構成,並透過Gemini文本轉語音功能添加語音解說。
Managed Agents API簡化了傳統代理的繁瑣工具呼叫循環。不再需要重複發送請求、接收JSON函數呼叫、本地執行、返回結果的迴圈,而是提供遠端沙箱讓Gemini直接執行所有操作。系統架構上知識需分層管理控制成本:系統指令每次請求計費需簡潔,技能採選擇性加載讓代理按需使用,參考資料獨立存儲形成分散上下文切片,既保證必要資訊又避免冗費。
安全憑證管理是創新核心。API支援三種憑證方式:Bearer Token用於API、OAuth用於消費者MCP服務、環境變數用於CLI工具。關鍵創新是網路代理機制:憑證不存沙箱而由外部代理管理。沙箱代碼只獲虛擬值,當向特定域名發送請求時代理監控流量並替換為真實憑證。這完全防止了提示詞注入攻擊——即使攻擊者要求列印.env檔案也只獲虛擬值,無法竊取真實憑證。鉤子系統允許透過正則表達式守護特定工具呼叫並實現人工審批,觸發器則支援Cron定時任務與即將推出的Webhook集成。
現場演示展現完整工作流程:代理根據投資組合審計技能自動分析市場數據、更新Google Sheets資訊、在Slack發佈摘要,整個流程在托管環境中自動完成無需人工管理基礎設施。


