Google zamyka erę Vertex AI. Gemini Enterprise Agent Platform przejmuje całą infrastrukturę dla agentów

Google ogłosił podczas konferencji Cloud Next '26 w Las Vegas nową platformę, która całkowicie zastępuje Vertex AI jako centralne środowisko do budowania i wdrażania agentów AI w przedsiębiorstwach. Gemini Enterprise Agent Platform jest dostępna od 22 kwietnia 2026 roku i od tej chwili przejmuje wszystkie dalsze aktualizacje i plany rozwojowe Vertex AI.

Najważniejsze w skrócie

Google ogłosił Gemini Enterprise Agent Platform jako następcę Vertex AI — wszystkie przyszłe aktualizacje tej platformy trafią wyłącznie do nowego środowiska
Platforma udostępnia ponad 200 modeli za pośrednictwem Model Garden, w tym własne modele Google (Gemini 3.1 Pro, Lyria 3, Gemma 4) oraz modele firm zewnętrznych, m.in. Claude Opus 4.7 od Anthropic
Cztery filary architektury platformy to: budowanie agentów, skalowanie do produkcji, zarządzanie z poziomem bezpieczeństwa klasy korporacyjnej oraz narzędzia do optymalizacji i obserwacji
Wśród pierwszych wdrożeń produkcyjnych znalazły się Comcast, PayPal, L'Oréal i Geotab
Agent Development Kit (ADK) przetwarza miesięcznie ponad sześć bilionów tokenów

Vertex AI odchodzi. Platforma przejmuje całość

Vertex AI, który Google uruchomił w 2021 roku jako środowisko do trenowania, dostrajania i wdrażania modeli AI, zostaje teraz włączony w szerszą strukturę nowej platformy. Nie jest to zwykły rebranding — wszystkie usługi Vertex AI i kolejne etapy jego planu rozwojowego będą od teraz dostarczane wyłącznie w ramach Agent Platform, a nie jako odrębna usługa.

Ogłoszenie padło w trakcie przemówienia CEO Sunndera Pichaia. Nowa platforma ma zapewnić bezpieczną, pełnostackową infrastrukturę łączącą dane, ludzi i cele organizacji — „centrum dowodzenia dla agentycznego przedsiębiorstwa", jak ujął to Pichai. Istniejące interfejsy API pozostają kompatybilne wstecznie, a dotychczasowi klienci Vertex AI widzą nową markę bezpośrednio w konsoli bez konieczności ręcznej migracji — wynika to z dokumentacji opublikowanej przez Google.

Cztery filary: budowanie, skalowanie, zarządzanie, optymalizacja

Architektura platformy opiera się na czterech wyraźnie wyodrębnionych warstwach, z których każda adresuje inny etap cyklu życia agenta.

Pierwsza warstwa, poświęcona budowaniu agentów, obejmuje dwa podstawowe narzędzia: Agent Studio (środowisko wizualne oparte na kodzie niskiego poziomu, przeznaczone dla pracowników niezwiązanych z programowaniem) oraz Agent Development Kit — rozbudowane środowisko dla zespołów inżynierskich. ADK przeszedł istotną modernizację: nowy, oparty na grafach mechanizm orkiestracji pozwala projektować sieci współpracujących agentów z wyraźną logiką wzajemnych zależności, a tryb multimodalnego strumieniowania obsługuje w czasie rzeczywistym zarówno audio, jak i wideo.
Druga warstwa odpowiada za długoterminowe działanie agentów w środowiskach produkcyjnych. Agent Runtime zapewnia agentom ciągłość działania przez dni lub tygodnie. Memory Bank umożliwia utrzymywanie stanu przez całą długą sekwencję kroków, a Memory Profiles pozwalają budować trwałe profile kontekstowe dla poszczególnych użytkowników i sesji.
Trzecia warstwa adresuje problem, który jest najczęściej wskazywanym hamulcem korporacyjnych wdrożeń AI — brak kontroli i audytowalności. Agent Identity przypisuje każdemu agentowi kryptograficzny identyfikator. Agent Registry tworzy katalog zatwierdzonych agentów dostępnych dla całej organizacji. Agent Gateway egzekwuje polityki bezpieczeństwa, chroniąc m.in. przed zatruciem narzędzi i wyciekiem danych. Uzupełnia to warstwa Model Armor — zabezpieczenia na poziomie modelu.
Czwarta warstwa skupia narzędzia do obserwacji i doskonalenia: Agent Simulation do testowania przed wdrożeniem, Agent Evaluation do bieżącej oceny zachowania oraz Agent Optimizer, który — zgodnie z opisem Google — korzysta z połączonego modelu LLM jako „sędzi" oceniającego jakość odpowiedzi.

Model Garden: ponad 200 modeli, otwarte ekosystemy

Platforma oferuje dostęp do ponad 200 modeli za pośrednictwem Model Garden. Na liście znajdują się najnowsze modele własne Google — Gemini 3.1 Pro, Gemini 3.1 Flash Image i Lyria 3 — obok otwartych modeli Gemma 4 oraz modeli zewnętrznych dostawców: Claude Opus 4.7, Sonnet i Haiku od Anthropic. Platforma obsługuje protokoły A2A (Agent-to-Agent) i MCP (Model Context Protocol), co umożliwia integrację z systemami i narzędziami firm trzecich bez niestandardowego programowania.

Równolegle Google zaktualizował aplikację Gemini Enterprise — interfejs skierowany do pracowników wiedzy. Nowości obejmują narzędzie Agent Designer do tworzenia automatyzacji w naturalnym języku, skrzynkę odbiorczą agentów do monitorowania długo działających procesów oraz obsługę Google Workspace, Microsoft 365 i systemów firm zewnętrznych przez łączniki BYO-MCP.

Pierwsze wdrożenia: Comcast, PayPal, L'Oréal

Kilka dużych organizacji już uruchomiło produkcyjne wdrożenia na nowej platformie. Comcast przebudował za pomocą ADK swojego asystenta Xfinity, przechodząc od prostej automatyzacji opartej na skryptach do generatywnej obsługi klientów z możliwością samodzielnego rozwiązywania problemów. PayPal używa platformy do skracania czasu składania wniosków finansowych i do autonomicznych interakcji handlowych za pośrednictwem Agent Payment Protocol. L'Oréal zbudowała wewnętrzną platformę agentową połączoną z systemami danych firmy.

Kontekst konkurencyjny: AWS kontra Google

Nowa platforma trafia na rynek, na którym zarysowuje się wyraźny podział filozoficzny. Jak wskazują analizy opublikowane przez VentureBeat, Google i Amazon Web Services przyjmują fundamentalnie różne podejścia do zarządzania agentami. Google stawia na centralną warstwę kontrolną na poziomie systemu — Gemini Enterprise Agent Platform pełni rolę sterowania i audytu dla całego środowiska agentów. AWS z kolei koncentruje się na przyspieszeniu poprzez harness na poziomie wykonania — Bedrock AgentCore upraszcza uruchamianie i wdrażanie agentów, delegując więcej decyzji na poziom projektu. Oba podejścia odpowiadają na realne potrzeby, ale adresują różne punkty bólu: Google — sprawowanie kontroli nad flotą agentów, AWS — szybkość dotarcia do produkcji.

Microsoft z platformą Azure AI Foundry oraz Amazon z Bedrock AgentCore stanowią bezpośrednią konkurencję dla oferty Google. Pozycjonowanie wobec nich jest widoczne wyraźnie w modelu dystrybucji: Google wskazuje na własność pełnego stosu — układy, modele, środowisko uruchomieniowe chmury i przestrzeń roboczą — jako przewagę, której żaden z konkurentów nie może w pełni odtworzyć. Ponad połowa inwestycji Google w obliczenia uczenia maszynowego w 2026 roku ma trafiać do produktów chmurowych.

Dlaczego to ważne?

Zamknięcie Vertex AI jako odrębnego produktu to sygnał strategiczny wykraczający poza samą zmianę nazwy. Google przestaje budować platformę dla deweloperów AI i zaczyna budować infrastrukturę operacyjną dla przedsiębiorstw, które mają zarządzać setkami lub tysiącami działających agentów jednocześnie. To zasadniczo inny problem niż uruchomienie jednego modelu czy jednego chatbota.

Warstwa zarządzania — Agent Identity, Registry i Gateway — odpowiada na pytanie, które hamowało korporacyjne wdrożenia: kto i jak nadzoruje to, co agent robi w imieniu organizacji? Bez kryptograficznych tożsamości agentów, centralnego katalogu zatwierdzonych narzędzi i polityk bezpieczeństwa egzekwowanych automatycznie, każde wdrożenie agenta w środowisku regulowanym wymaga kosztownego audytu ręcznego.

Równie istotne jest wsparcie dla Claude Opus 4.7 od Anthropic bezpośrednio w Model Garden. To sygnał, że Google woli budować otwarty ekosystem modeli niż zamknięty wertykał, który wymagałby od klientów rezygnacji z preferowanych dostawców. Jeśli to podejście utrzyma się, platforma może przyciągać organizacje, które nie chcą się uzależniać od jednego dostawcy modeli.

Co dalej?

Nowe możliwości Gemini Enterprise mają trafiać do użytkowników stopniowo przez najbliższe miesiące — Google nie podał szczegółowego harmonogramu dla poszczególnych funkcji
Kluczowym testem będzie efektywność długo działających agentów w środowiskach regulowanych (finanse, opieka zdrowotna, prawo), gdzie wymagania dotyczące audytowalności są najwyższe
Warto obserwować, jak platforma radzi sobie z problemem dryftu stanu u długo działających agentów — kwestią techniczną wskazywaną przez VentureBeat jako nową klasę awarii w systemach agentowych