打造專屬的託管代理團隊 — Google DeepMind 的 Jack Wotherspoon

Google DeepMind 的 DevEx 工程師 Jack Wotherspoon 主張，只要一次 API 呼叫，就能在雲端沙箱裡執行編碼代理，省去原本讓代理部署變得不可行的基礎設施、安全與擴充工作。整場演講大部分是 Gemini 託管代理的產品導覽：Interactions API、Antigravity harness、可重複使用的沙箱環境、憑證代理、排程觸發，以及多代理交接，並以 NVIDIA 的 SEC 申報檔案研究和一個股票分析應用做示範。「打造你自己的團隊」這個框架說得通——多代理工作流程確實佔了實質篇幅——但這一集是研討會現場示範，不是關於取捨或成本的討論。

Wotherspoon 以 Gemini API 為開發者工具的身分講話，所以這場 session 也兼作發表宣傳：他說 Gemini 4 Argon 在演講前一天才剛推出，並請聽眾到 AI Studio 免費試用。讀者得到的是託管代理如何組裝的具體地圖——哪些基礎元件是有狀態的、金鑰存放在哪裡、一個代理如何把工作交給下一個——外加 Google 對新模型輸出上限的具體說法。

一次 API 呼叫取代容器設定、harness 工程與防火牆規則

核心論點是：自己架設代理之所以繁瑣，繁瑣之處根本與代理本身無關。Wotherspoon 列出這些步驟：開一個容器或 VM、載入並管理它、在裡面自己打造 harness，然後處理網路、防火牆規則與安全。託管代理把這些全部收斂成一次呼叫。除了方便之外，他還給了兩個理由。第一，在本機驗證會幹擾工作——他說在自己的筆電上跑，「有時候它會搶走瀏覽器，開始幫你執行東西，開始跳出彈窗。」第二，「你的筆電無法擴充」：自訂技能與個人化的編碼代理，若不跑在你自己的訂閱上，就無法分享給同事，也無法放進面向客戶的應用程式裡。改用託管代理後，應用程式裡多一個代理，就只是多一次 API 呼叫。

這次呼叫用的是 Interactions API，Wotherspoon 稱它是取代舊有輸入／輸出模型 SDK 的代理優先方案，自 2026 年初起正式可用。你不再指定模型，而是指定代理——基礎的 Antigravity 代理——並設定 environment=remote，告訴服務把它當成託管雲端代理來執行。

flowchart TD
    A["使用者端應用程式或 SDK 呼叫"] --> B["Gemini API"]
    B --> C["伺服器端工具：Google 搜尋、檔案讀寫、程式碼執行"]
    B --> D["自訂函式與遠端 MCP 伺服器"]
    B --> E["Google Cloud 上的沙箱"]
    E --> F["Antigravity harness"]
    E --> G["掛載檔案：AGENTS.md、技能、GitHub 儲存庫"]
    H["憑證代理"] --> E
    H --> I["僅在對外呼叫時注入真實 token"]

Interaction 與 environment 是兩個各自獨立的有狀態基礎元件，這個拆分讓多代理交接得以實現

Wotherspoon 稱這是託管代理的兩大核心基礎元件，兩者在 Google 伺服器上都是有狀態的。interaction 儲存對話：你把某個 interaction 的 ID 傳進下一次呼叫，就能延續同一條對話串。environment 則是沙箱檔案系統——代理寫入的檔案、圖片與其他產物——可以透過 API 下載或上傳。

因為兩者分開，第二個代理可以重用同一個環境，同時從全新的上下文視窗開始。Wotherspoon 的例子是：一個代理抓取第三季財報與年報並存檔；新的代理接續同一個 environment ID 進行分析，而不必繼承第一個代理的對話。他主張這也能提升多代理架構的可靠性，因為只負責單一目的的窄範圍代理——撰寫筆記、做研究——可以針對那個目的來衡量，不像「把一個超廣泛的任務丟給代理」，卻「沒辦法衡量它到底在做什麼」。

現場示範在 NVIDIA 上跑這個模式。一個 SEC 申報檔案研究代理產出各項指標；一個量化代理重用同一個環境，讀取 metrics.json、執行 Python 分析，並寫出股價預測的 markdown；第三個代理則把研究結果整理成報告。每個動作都記錄成步驟軌跡——Wotherspoon 指出檔案寫入與程式碼執行的函式結果——因此整個工作流程可以被檢視與最佳化。

金鑰永不進入沙箱；由代理在對外呼叫時注入

Wotherspoon 把憑證處理定位為安全功能，而非便利功能。沙箱與 API 之間有一個代理。沙箱只會拿到一個佔位用的假 token，所以代理不可能在環境裡找到一個真的 GitHub token 拿去別處使用。當代理呼叫 GitHub API 時，代理會比對目的地並注入真正的金鑰。憑證也涵蓋 MCP OAuth token，讓代理能觸及外部服務，自己卻不持有金鑰。

觸發器讓代理變成排程工作，儲存的代理 ID 則讓它們可重複使用

觸發器能排定託管代理自行執行並輸出結果，也可選擇透過 webhook 送出。Wotherspoon 舉的例子是：早上 8:30 開盤前的財務分析，以及每天早上查詢團隊的 Jira 看板，並把「大家現在在做什麼」貼到 Slack。另外，agents API 讓你儲存一次調校好的設定，之後用代理 ID 呼叫。

他列出的組成要素：

Gemini 4 Argon 的共用 100 萬 token 額度，瞄準長篇財務輸出

Wotherspoon 說 Gemini 4 Argon 在演講前一天——2026-10-25——推出，是新的前沿模型，只要在代理設定裡加一行引數就能選用。他把模型選擇定位成調校旋鈕：Gemini Flash 處理快速、有效率的工作；像 Argon 這樣更深入的模型則用於吃重的分析。他對 Argon 的說法是：它在財務任務以及跨多份檔案的資料分析上特別強；Gemini 模型在多模態工作上依然強勁；它的「長解碼」拉高了輸出上限。他說，一般情況下輸出上限大約是 64K token；有了 Gemini 4，100 萬 token 的上下文由輸入、思考與輸出共用，因此多頁財務模型與延伸的數學推理都放得下。他說這正在推進數學與財務基準，但沒有點名任何一項。

「有了 Gemini 4，我們實際上把上限提高了，現在 100 萬的上下文視窗或 token 上限是由輸入、思考和輸出共用。」

個人編碼代理上的任何東西都能掛載進沙箱

可攜性的說法很字面：啟動時上傳 AGENTS.md、技能或一個 GitHub 儲存庫，代理就會對著你的程式碼工作——Wotherspoon 建議用來檢查 bug——而且不會有覆寫你本機檔案的風險。內建工具涵蓋程式碼執行、檔案讀寫與 Google 搜尋；遠端 MCP 伺服器則加入 Google Docs 或 Slack 等服務，讓代理能在工作流程的最後一步寫檔案或發訊息。

收尾的示範展示同一項能力如何用在產品裡。一個連上 Google Drive 的託管代理讀取一個裝滿公司收據的資料夾，並在上傳技能的引導下做出互動式報表視覺化。第二個 AI Studio 展示範例——一個股票代號代理——接收像 VOO 這樣的代號，分派給數個託管代理做研究，串流它的推理步驟，最後產出一份 PDF 報告，內含圖表與它所讀取的 Vanguard 檔案連結。Wotherspoon 指出，正式上線的應用程式可能不會想公開那段步驟串流；它存在是為了展示代理在做什麼。

這場發表避談成本、延遲與失敗模式

這場 session 是示範，而缺口值得點名。Wotherspoon 沒有給定價、沒有延遲數字，也沒有討論排程觸發失敗、或代理把壞檔案寫進共用環境時會怎樣。他描述的多代理模式——全新上下文、重用檔案系統——仰賴代理透過檔案而非對話來協調，這就把重量壓在像 metrics.json 這類檔案慣例上，而他並未討論要將其標準化。安全主張範圍窄但力道強：代理的設計意味著一個被入侵或行為失常的代理，無法外洩它從未持有的 token。至於這是否適用於 GitHub token 與 MCP OAuth 以外的每一種憑證型別，則未提及。接下來值得觀察的是：Gemini 4 Argon 長輸出說法的獨立基準測試結果，以及環境重用模式是否會成為代理編排的事實標準。