跨国深谈← 返回←给AI智能体一间自己的屋子：Google DeepMind谈沙盒环境

给AI智能体一间自己的屋子：Google DeepMind谈沙盒环境

关联

人物 Philipp Schmid

公司 Google DeepMind

概念 Gemini API · 智能体 · 沙箱 · Interactions API · 智能体 API · anti-gravity · AI Studio · Managed Agents · 函数调用

Philipp Schmid来自Google DeepMind，主要做AI Studio和Gemini API相关的工作。

这场演讲的核心主张写在标题里：AI智能体应该有自己专属的沙盒——一个由服务方管理的运行环境。

他把这个想法背后的新产品讲了一遍，还现场跑了个演示。

AI智能体是怎么一步步走到今天的？

Schmid先快速回顾了大模型的演进。

在ChatGPT出现之前，最早的BERT和GPT模型让人兴奋的地方，是能接着句子往下写——给几个词，模型就能连贯地续写一首诗。

有意思，但没什么实际用处。

之后模型学会了执行指令，能回答问题了。ChatGPT出现后，人机交互变成了你一句我一句的对话。

再后来加上函数调用，模型可以替你执行动作。

而现在到了新阶段：

你不再一步步下指令，而是给模型一个目标，告诉它怎么验证目标有没有达成，然后让它自己跑几个小时甚至几天，回来交结果 。

新API的核心变化：不再有“用户回合”

传统的大模型API都遵循“用户回合”结构：用户发一句，模型回一句。Schmid认为这在智能体时代已经不合适了。

比如模型调用函数后，函数的返回结果要硬塞进一个“用户”角色发回去。可这个结果明明来自运行环境，不是来自用户，「for me always felt a little bit weird」。

于是新的Interactions API把对话改成了一条由“步骤”组成的时间线：每个动作、每次生成都是独立的类型，想加新能力也容易扩展。

这套API还有服务端状态管理——多轮对话只需要传上一轮的ID，服务器会自动拼接历史。

另外支持长时间运行的异步任务，比如视频生成很耗时，你可以先拿到一个ID，等生成完再来取结果。

重点来了：每个智能体配一个沙盒

在Google I/O上发布的anti-gravity智能体，带来了关键的environment（环境）字段。

你在API请求里指定remote，Google的后端就会启动一个云上沙盒，智能体可以在里面跑代码、创建文件、装依赖、调用你自己的API 。

关键在于：这一切由Google托管，无状态，你不用管任何基础设施。用他的话说，你不用碰Terraform，不用想Kubernetes、微服务这些事 。

环境还能跨回合复用，甚至可以让多个智能体共享同一个环境——3个智能体可以通过文件系统交换上下文，或者让子智能体接手前一个智能体的工作。

【背景】沙盒指隔离的独立运行环境，程序在里面随便折腾也不会影响外部系统。

智能体就是一堆文件

演示环节，Schmid展示了一个AI电台应用。它本质上是套在托管智能体上的一层界面：

智能体先用Python装依赖、读技能文件，然后自己研究话题、写台词、生成语音和音乐，最后混音出成品。

现场播放了一段关于“早餐麦片该先倒还是先倒牛奶”的电台节目，主持人Paul连线波士顿的David和悉尼的Sarah，两人一本正经地辩论，David还打了个肉汁土豆泥的比方。

有意思的是，打开这个智能体的内部，它就是几个文件：一个agent.md写指令，几个Python文件封装具体能力，比如调用语音合成模型。

想把它从界面搬到自己的后端，复制文件、创建智能体就行 。

智能体甚至能造智能体

Agents API让你把一个智能体的“大脑”、指令和环境打包定义好，团队之间可以共享。

更妙的是可以让智能体先搭建自己的环境——比如装好GitHub命令行工具、放入技能文件、做完检查——得到一个环境ID，再基于这个预装好的环境创建新智能体，每次调用都从这里起步 。

现场演示中，Schmid问沙盒里的智能体“你在哪运行”，几秒后得到回答：Ubuntu系统、8个vCPU、16GB内存、Python和pip都装好了。

环境里的文件还可以随时下载出来分享。

本集带走

• Interactions API把传统的“用户-模型回合”改成了步骤时间线，函数结果不再伪装成用户输入。
• 托管智能体自带云上沙盒，能跑代码、装依赖、读写文件，开发者不用管任何基础设施。
• 沙盒环境可复用、可共享，多个智能体能通过文件系统协作。
• 智能体本质上就是一组文件（agent.md加技能脚本），可以打包分享，甚至用智能体来搭建环境再创建新智能体。
• 想上手可以去 ai.studio 或 ai.dev，用Gmail账号即可免费试用。

而 Gemini API 里的 anti-gravity 智能体仍然是同一个 harness,意思是如果我们改进 Gemini 使它在那个 harness 下变得更好，我们在 anti-gravity 里受益，但我们在 Gemini API 里也受益。
Then the anti-gravity agent we have in the Gemini API, but it’s still the same harness, meaning if we improve Gemini to become better with that harness, we benefit inside anti-gravity, but we also benefit inside of the Gemini API.
—— Philipp Schmid · [08:51]

我们的智能体其实就是文件。
And our agent is just files.
—— Philipp Schmid · [16:47]