当Anthropic和OpenAI的战争新闻充斥着更强的模型、更长的上下文、更低的推理成本时，谷歌在2026年7月7日悄悄放出了一个看似平淡的API更新。Managed Agents for Gemini API新增了后台执行、远程MCP集成、自定义函数调用和跨交互凭证刷新。但如果你把这条新闻放在2026年夏天的AI产业坐标里看，它传递的信号远不止又发了一个新功能那么简单。当整个行业还在争论哪个模型最聪明时，谷歌做了一个不太像谷歌的决定，不再试图证明自己的模型比别人强，而是直接把Agent的运行时塞进API里，让开发者把Agent当作一个可托管、可异步、可远程连接的基础设施来使用。这不是功能更新，这是平台战争。
四次补刀：Managed Agents到底升级了什么
谷歌的这次升级，从技术文档上看是四个能力的集合，但每一个都指向一个具体的生产落地痛点。
后台执行。在AI Agent的工程实践中，最让开发者头疼的问题是一个Agent任务到底要跑多久。传统API调用依赖HTTP长连接，一个数据分析Agent可能需要跑几十秒甚至几分钟，连接随时可能因为超时、网络抖动、客户端重启而中断。谷歌的解决方案简单粗暴，在Interactions API调用中传入background: true，服务器立即返回一个任务ID，客户端可以随时用这个ID轮询状态、流式查看进度，或者断线后重新连接。本质上，谷歌把Agent从同步RPC变成了异步任务队列。
远程MCP服务器集成。MCP（Model Context Protocol）是2026年AI Agent领域最热门的标准之一，它定义了Agent如何接入外部工具和数据源。到目前为止，Anthropic的Claude Code和OpenAI的Agent SDK都支持MCP，但基本都是客户端侧的，Agent在本地机器上启动MCP服务器，连接本地的文件系统、数据库或API。谷歌的版本不同，它允许Agent在谷歌的云端沙箱里直接连接远程MCP服务器。这意味着开发者不需要在本地运行任何基础设施，Agent就能访问企业内部的数据库、SaaS工具的API，甚至第三方数据市场。
自定义函数调用。谷歌进一步开放了Managed Agents的工具链，允许开发者在Agent的沙箱环境中注入自定义函数。这听起来是最平淡的功能，但结合后台执行和远程MCP，它就变成了一个可编程Agent的基础。开发者可以定义自己的业务逻辑函数，让Agent在沙箱中按需调用，而函数本身可以部署在谷歌的云基础设施上。
跨交互凭证刷新。这是最容易被忽视但可能最具战略意义的一个功能。长期运行的Agent任务需要持续访问外部系统，包括数据库、API、企业内部平台。传统方案下，凭证过期后Agent就会挂掉。谷歌的Managed Agents现在支持自动刷新凭证，让Agent可以连续运行数小时甚至数天而不中断。
为什么是现在
这四条能力不是拍脑袋想出来的。它们来自一个更宏大的背景。Interactions API在2026年7月正式达到GA，而Managed Agents正是在这次GA中首次完整亮相。Interactions API的定位很明确，一个统一的端点，同时服务Gemini模型和Agent。你传一个模型ID就是推理，传一个Agent ID就是自主任务，设置background=True就是异步执行。
换句话说，谷歌正在把Agent当成和模型同等级别的一等公民来提供。这不是一个SDK，不是一个工具链，而是一个托管服务。你不需要自己搭建Agent运行环境，不需要管理服务器、容器、网络，不需要处理凭证过期。谷歌的承诺是，把Agent交给我，你在客户端拿结果就好。
平台战争的本质：谁控制Agent的运行时
要理解谷歌这步棋的战略意义，需要先理解2026年AI Agent领域的竞争格局正在发生什么变化。
截至2026年7月，AI Agent市场已经形成了三个清晰的竞争层次。
第一层是模型层。OpenAI、Anthropic、谷歌、Meta、Z.ai以及中国的DeepSeek在模型能力上激烈竞争。但一个明显的趋势是模型之间的能力差距在快速缩小。Z.ai的GLM-5.2被知名投资人Marc Andreessen称为第一个匹配并经常击败美国顶级公开模型的中国AI模型。模型的差异化窗口正在关闭。
第二层是工具和Agent层。Anthropic有Claude Code和Claude Cowork，OpenAI有Agent SDK和Deep Research，谷歌有Managed Agents和Gemini Spark。这一层的竞争焦点是开发者用谁的工具来构建Agent应用。
第三层是基础设施和平台层。这是最隐蔽但也是最决定性的一层。Agent需要在哪里运行，如何管理状态，如何处理异步任务，如何连接外部系统。谁控制这个运行时，谁就掌握Agent生态的入口。
谷歌的Managed Agents直接瞄准的是第三层。它不是在和Anthropic比Claude Code的代码生成能力，也不是在和OpenAI比Agent SDK的灵活性。它在提供一个你不需要关心Agent在哪里跑的托管服务。
Tirias Research在2026年7月6日发布的一份报告中精准描述了这一趋势。报告指出AI的使用正在从聊天转向Agent工作负载，挑战从获取AI基础设施转向如何有效利用这些基础设施。运行模型主要是一个计算问题，但运行Agent是一个系统性问题。
谷歌的答案是把系统性问题丢给谷歌云。
MCP标准之争：谷歌的中心化路线
MCP协议的战场在2026年已经不再是要不要用MCP，而是MCP服务器在哪里。
Anthropic作为MCP协议的发起者，设计思路是去中心化的。每个Agent在本地启动MCP服务器，连接本地资源。这对个人开发者和小团队很友好，但到了企业级场景，问题就暴露了。MCP服务器需要管理、需要认证、需要权限控制、需要监控。这些是企业IT部门的基本要求，但在客户端侧MCP模式下几乎不可能统一管理。
谷歌的远程MCP集成走的是中心化路线。Managed Agents在云端沙箱中运行，可以直接连接远程MCP服务器。这意味着企业可以把MCP服务器部署在自有基础设施上，通过标准协议暴露给谷歌托管的Agent，同时保持对数据访问的完全控制。
这不仅是技术选择，更是一个商业判断。如果MCP最终成为Agent连接外部世界的标准协议，那么谁控制了MCP服务器的路由层，谁就掌握了Agent生态的流量入口。谷歌的路线是让MCP服务器留在企业手里，但让Agent的运行和数据流通都在谷歌云上完成。
Anthropic在2026年7月2日发布的Claude Sonnet 5和自托管Claude Code网关走的是另一条路。它让企业可以在自己的基础设施上运行Claude Code，兼容Amazon Bedrock和Google Cloud Vertex AI。两条路线正在形成。谷歌想让你把Agent交给他托管，Anthropic想让你自己运行Agent但用他的模型。
后台执行：从演示到生产的最后一道坎
如果你看过任何一个AI Agent的演示视频，你看到的画面通常是Agent接收到任务，开始思考，一步步执行，最终给出结果。整个过程在一个流畅的对话窗口中完成。
但真实的生产环境不是这样的。
一个自动生成周报的Agent，可能需要先连接数据库查询数据，再调用API抓取外部信息，然后运行Python脚本做分析，最后生成图表和文字。整个过程可能持续5到10分钟。如果用户需要保持浏览器窗口打开、等待HTTP连接不断开，这根本不是可用的产品。
谷歌的background: true解决的正是这个问题。Agent在服务器端异步运行，用户可以在Agent运行期间做其他事情，甚至关闭客户端。任务完成后，Agent可以通过轮询或流式接口通知用户。
这个看似简单的功能，实际上是Agent从Demo玩具变为生产级工具不可或缺的一步。Anthropic的Claude Cowork在2026年7月7日宣布扩展到移动端和Web端时，也强调了后台工作能力。这说明整个行业都意识到，异步执行是Agent落地的关键瓶颈。
谷歌的迟到优势：为什么Managed Agents可能后来居上
谷歌在AI Agent领域的动作一直被认为慢半拍。Anthropic的Claude Code在2025年就引爆了AI编程Agent市场，OpenAI的Agent SDK也早已开放，而谷歌的Managed Agents直到2026年7月才随Interactions API GA正式亮相。
但慢不等于劣势。
谷歌手中握着一张其他AI公司没有的牌，谷歌云。Managed Agents的底层是谷歌的云基础设施。每个Agent在一个隔离的Linux沙箱中运行，可以执行代码、安装包、管理文件、浏览网页。这意味着谷歌不需要说服开发者再部署一套基础设施，Agent直接在谷歌的机器上跑。Interactions API还提供了Flex和Priority层来优化成本，Flex层可降低50%的费用。
相比之下，Anthropic的Claude Code需要开发者在本地或自己的服务器上运行。OpenAI的Agent SDK提供了一个框架，但基础设施仍然需要开发者自己解决。只有谷歌能把Agent的代码运行和基础设施托管打包成一个API调用。
Vercel CEO Guillermo Rauch在2026年7月6日接受TechCrunch采访时谈到一个核心观察。他说模型正在从Agent中分离出来。他的意思是，未来的AI应用架构中，模型只是一个组件，而Agent是编排层。谁能控制编排层，谁就拥有最高的商业价值。
谷歌的Managed Agents本质上就是这个编排层的托管版本。
谁在赢，谁在危险
从2026年7月的竞争格局来看，AI Agent平台战争至少有三个明确的参与者。
Anthropic走的是模型加工具的路线。不断迭代Claude模型，同时通过Claude Code和Claude Cowork控制Agent的开发者体验。最大的优势是模型能力，但最大的短板是没有自己的云基础设施。
OpenAI走的是模型加SDK的路线。Agent SDK让开发者可以自由选择Agent的运行环境，但这种灵活性也意味着没有锁定效应。
谷歌走的是模型加托管的路线。Managed Agents把Agent运行、工具调用、状态管理、凭证刷新全部打包成一个托管服务。最大的优势是基础设施闭环，但最大的风险是，如果开发者不想被锁定在谷歌云上，这个模式就失去了吸引力。
短期来看，谷歌的路线对两类开发者最有吸引力。一是已经使用谷歌云的企业客户，可以把Agent无缝集成到现有云基础设施中。二是希望快速构建Agent原型但不想管理基础设施的创业团队。
长期来看，Agent平台战争的胜负手不是模型能力。这是所有参与者迟早会追平的。真正的胜负手是开发者迁移成本。如果谷歌能把Managed Agents的体验做到足够好，让开发者在谷歌云上构建的Agent应用难以迁移到其他平台，那它就复制了AWS在云计算时代的成功路径。
Agent平台战争的风向标，不是谁的模型更聪明，而是谁的Agent不用开发者操心它在哪里跑。谷歌赌的是，在AI时代，开发者最想要的不是更聪明的模型，而是可以忘记服务器存在的Agent。这场赌注的结局，将决定AI应用基础设施的下一张版图。
快报