Robocikowo>ROBOCIKOWO
Platforma AIAI-natywny

Gemini Enterprise Agent Platform

Kompleksowa platforma Google Cloud do budowania, skalowania, zarządzania i optymalizacji agentów AI klasy enterprise; następca Vertex AI.

Producent:GoogleChmura zarządzana · HybrydowySOC 1 Type II · SOC 2 Type II · SOC 3Wydano:22 kwi 2026
Dostępność regionalna·42 regiony
  • us-central1 (Iowa)
  • us-east1 (South Carolina)
  • us-east4 (N. Virginia)
  • us-east5 (Columbus)
  • us-south1 (Dallas)
  • us-west1 (Oregon)
  • us-west4 (Las Vegas)
  • northamerica-northeast1 (Montréal)
  • southamerica-east1 (São Paulo)
  • europe-west1 (Belgium)
  • europe-west2 (London)
  • europe-west3 (Frankfurt)
  • europe-west4 (Netherlands)
  • europe-west6 (Zurich)
  • europe-west9 (Paris)
  • europe-west12 (Turin)
  • europe-north1 (Finland)
  • europe-southwest1 (Madrid)
  • europe-central2 (Warsaw)
  • me-west1 (Tel Aviv)
  • me-central1 (Doha)
  • me-central2 (Dammam)
  • asia-east1 (Taiwan)
  • asia-east2 (Hong Kong)
  • asia-northeast1 (Tokyo)
  • asia-northeast2 (Osaka)
  • asia-northeast3 (Seoul)
  • asia-south1 (Mumbai)
  • asia-south2 (Delhi)
  • asia-southeast1 (Singapore)
  • asia-southeast2 (Jakarta)
  • australia-southeast1 (Sydney)
  • australia-southeast2 (Melbourne)
  • africa-south1 (Johannesburg)
Data ResidencySovereign Cloud
Gemini Enterprise Agent Platform
Wspierane modele
17SLM/LLM
Regiony
42totalRegions
SDK / Języki
4python, javascript…
Uptime SLA
99.5%
Robotics-Ready

Opis

Gemini Enterprise Agent Platform to zunifikowane środowisko Google Cloud ogłoszone 22 kwietnia 2026 roku podczas konferencji Cloud Next '26. Platforma stanowi ewolucję i bezpośredniego następcę Vertex AI — wszystkie dotychczasowe usługi i przyszłe aktualizacje Vertex AI są dostarczane wyłącznie przez Agent Platform. Platforma zapewnia deweloperom i zespołom technicznym pełnostosunkową infrastrukturę do budowania, wdrażania, zarządzania i optymalizacji agentów AI klasy enterprise.

Cztery filary architektury

Platforma jest zorganizowana wokół czterech obszarów funkcjonalnych: budowanie agentów (Agent Studio, Agent Development Kit, Agent Garden), skalowanie do produkcji (Agent Runtime ze startem poniżej sekundy, Memory Bank, Memory Profiles), zarządzanie i bezpieczeństwo (Agent Identity, Agent Registry, Agent Gateway, Model Armor) oraz optymalizacja i obserwacja (Agent Evaluation, Agent Simulation, Agent Observability, Agent Optimizer).

Model Garden i obsługiwane modele

Platforma udostępnia ponad 200 modeli przez Model Garden. Obejmuje modele własne Google (Gemini 3.1 Pro, Gemini 3.1 Flash Image, Lyria 3, Gemma 4, Veo 3.1, Imagen 4), modele zewnętrzne dostępne jako zarządzane API (Claude od Anthropic, Grok, Mistral) oraz modele open-weight (Llama, DeepSeek, Mistral, Qwen). Agent Development Kit (ADK) przetwarza ponad 6 bilionów tokenów miesięcznie.

Protokoły i integracje

Platforma obsługuje protokoły Agent-to-Agent (A2A) i Model Context Protocol (MCP), w tym tryb BYO-MCP dla integracji z własnymi narzędziami firm. Natywnie integruje się z Google Workspace i Microsoft 365 oraz ekosystemem partnerów (Oracle, Salesforce, ServiceNow, Accenture, Adobe, Workday). Obsługuje Colab Enterprise, Vertex AI Workbench i Google Cloud CLI.

MLOps LifecycleMLOps LifecyclePełny cykl życia modelu: rejestr, feature store, prompt management, monitoring i human-in-the-loop.

13/17 wspieranych

Rejestr modeli

Wersjonowanie — wersjonowanie artefaktów modelu
Przepływy zatwierdzania — przepływ zatwierdzania przed produkcją
Niezmienne artefakty — niezmienność zapisanych wersji
Śledzenie rodowodu — śledzenie powiązań danych i modeli
3 / 4 wspierane · 1 niespełnione ukryte

Magazyn cech

Serwowanie online — serwowanie cech w czasie rzeczywistym
Przechowywanie offline — przechowywanie cech dla treningu
Ingestia strumieniowa — ingestia strumieniowa (Kafka, Flink)
3 / 3 wspierane · brak niespełnionych

Zarządzanie promptami

Rejestr promptów — centralne repozytorium promptów
Wersjonowanie — wersjonowanie i historia promptów
Frameworki testowe — A/B testing i ewaluacja promptów
3 / 3 wspierane · brak niespełnionych

Monitoring

Wykrywanie dryftu danych — wykrywanie dryftu danych wejściowych
Wykrywanie dryftu koncepcyjnego — wykrywanie dryftu koncepcyjnego
Monitorowanie halucynacji — monitorowanie halucynacji LLM
Ewaluacja stronniczości — narzędzia do ewaluacji stronniczości
3 / 4 wspierane · 1 niespełnione ukryte

Human-in-the-Loop

Usługi etykietowania — narzędzia do etykietowania danych
RLHF — reinforcement learning from human feedback
Ręczne przesłonięcia — ręczne przełączanie decyzji modelu
1 / 3 wspierane · 2 niespełnione ukryte

Dane i wiedzaZarządzanie danymi i wiedząKonektory danych, integracja z bazami wektorowymi, native vector search i mechanizmy zarządzania danymi (PII, provenance, dane syntetyczne).

ZastosowaniaZastosowania AIDziedziny i scenariusze zastosowania, do których platforma jest najlepiej dopasowana – od RAG i fine-tuningu po zastosowania naukowe.

9

BezpieczeństwoBezpieczeństwo EnterpriseZestaw certyfikacji, kontroli dostępu oraz funkcji ochrony danych, kluczowych dla wdrożeń korporacyjnych i zachowania prywatności w chmurze.

Ekosystem deweloperskiEkosystem DeweloperskiZasoby wspierające programistów: dostępne biblioteki SDK, wspierane języki programowania oraz funkcje infrastrukturalne i metody wdrażania modeli.

Języki SDK
PyPythonJSJavaScriptTSTypeScriptGoGo
Typ API
RESTgRPC
Społeczność i zasoby
Biblioteka szablonów
Szybki start
Dokumentacja API
Samouczki
$

Cennik i model biznesowyCennik i model biznesowyModele rozliczeń (usage-based, provisioned throughput), limity zasobów oraz parametry SLA (uptime, poziomy wsparcia).

Modele cenowe

Płatność za użycie
Na podstawie tokenów

Limity zasobów

Per projekt
Per użytkownik
Alerty kosztów

SLA i wsparcie

99.5%uptime SLA
StandardowyEnterprise 24/7

Wspierane modele AI

17

Robotics & Humanoids ExtensionRobotics & Humanoids ExtensionSilniki symulacji (Isaac Sim, Gazebo, MuJoCo), protokoły komunikacji (ROS2, MQTT, Zenoh), standardy robotyczne (URDF, OpenUSD) i edge orchestration.

Robotics-Ready
Standardy robotyczne
  • Wsparcie URDF
  • Interoperacyjność OpenUSD
  • Potoki Sim-to-Real
Edge Orchestration
  • Aktualizacje OTA (over-the-air)
  • Wsparcie jądra czasu rzeczywistego

ŹródłaArchiwum DokumentacjiScentralizowana baza linków do oficjalnych źródeł, instrukcji technicznych, repozytoriów oraz notatek wydawniczych (release notes).

Zrównoważony rozwójZrównoważony rozwójŚlad węglowy, udział energii odnawialnej w zasilaniu centrów danych oraz metryki efektywności energetycznej (np. PUE).

Śledzenie śladu węglowego
64% odnawialna energia
Średnia roczna efektywność energetyczna (PUE) data center Google wynosi 1,09 (vs średnia branżowa ~1,56). Cel: działanie wszystkich data center i biur w 100% bezemisyjnej energii 24/7 do 2030 roku (operacja carbon-free 24/7).

Dane zweryfikowane: 27 kwi 2026