GCP AI
企業級 GenAI 一站式中樞：Vertex AI 平台、Model Garden 與 Agent Builder
企業級 GenAI 一站式中樞：Vertex AI 平台、Model Garden 與 Agent Builder
Vertex AI 在 2026 年 4 月的 Cloud Next 大會上正式更名為 Gemini Enterprise Agent Platform，同時把主打員工助理場景的 Agentspace 也整合了進來。既有的工作負載與 API 端點不受影響，換的主要是敘事順序：從「一個模型平台，附帶一些代理人功能」，變成「代理人優先，模型訓練與部署變成底層的子功能」。平台裡的 Model Garden 讓你能瀏覽、比較、直接調用多款基礎模型，不限 Google 自家；Agent Builder（現稱 Agent Studio）則讓你用低程式碼甚至無程式碼的方式組出能執行任務的智慧代理人。
這篇文章會照這個順序講：Vertex AI 原本要解決的問題、2026 年這次更名代表什麼，以及 Model Garden 與 Agent Builder 這兩個核心功能現在該怎麼用。
你將學到什麼
一站式生成式 AI 平台
模型訓練、部署到代理人開發整條生成式 AI 產線，都收在同一套帳務、身分與資料體系裡，不必來回搬資料。
2026 年的更名
Google 在 Cloud Next 2026 大會上把 Vertex AI 更名為 Gemini Enterprise Agent Platform，既有 API 端點照常運作。
Model Garden 選模型
同一個目錄就能比較 Google 自家、開源與合作夥伴模型的用途與定價，不必分別申請帳號金鑰。
Agent Builder 搭代理人
現稱 Agent Studio，用低程式碼介面搭配代理人開發套件（ADK），組出能查資料、呼叫外部系統的代理人。
記住新名字之前，先弄懂這次更名改變的是敘事順序，不是底層架構：代理人變成主角，模型訓練與部署退居成支撐它的子功能。
企業想把模型搬進正式產品，中間卡在哪裡？
在生成式 AI 之前，企業想把機器學習模型從實驗室搬進正式產品，中間要處理資料準備、訓練、版本管理、部署、監控一整串流程。
這些工具往往各自為政，團隊得在不同系統之間手動搬資料。Vertex AI 的定位，就是把這整條流程收進同一個平台：
- AutoML：不寫模型程式碼，用既有資料自動訓練可用的模型。
- 自訂訓練：用自己的程式碼與框架，在代管的運算資源上訓練模型。
- 模型登錄檔：統一管理模型版本，追蹤哪個版本正在正式環境服務。
- 線上服務端點：把訓練好的模型部署成可呼叫的 API，處理即時推論請求。
這讓資料科學家與工程團隊可以在同一套介面裡走完模型的一生，不用為了串接不同階段的工具再另外搭一層資料搬運邏輯。
Vertex AI 為什麼要改名叫 Gemini Enterprise Agent Platform？
2026 年 4 月的 Cloud Next 大會上，Google 正式把 Vertex AI 更名為 Gemini Enterprise Agent Platform。
同時，原本主打員工助理場景的 Agentspace 也整合進來，統一收進 Gemini Enterprise 這個產品家族。
官方說明既有的 Vertex AI 工作負載會在新名字底下照常運作，API 端點也維持不變。換的主要是敘事順序，從「一個模型平台，附帶一些代理人功能」變成「代理人優先，模型訓練與部署變成底層的子功能」。如果你手上有既有專案，建議直接查官方公告當下對你版本的實際影響，不要憑印象猜測。
Model Garden 要怎麼幫你選對模型？
Model Garden 是一個模型目錄頁面，讓你在動手寫程式之前，先瀏覽、比較不同模型的用途說明與定價方式。
裡面收錄的不只是 Google 自家的 Gemini 系列，也包含開源社群釋出的模型，以及部分合作夥伴的商用模型，一個介面涵蓋多個來源。
| 面向 | 傳統做法 | 透過 Model Garden |
|---|---|---|
| 找模型 | 分別到各家官網查文件、各自申請金鑰 | 同一個目錄比較、同一套帳務體系 |
| 部署 | 自行架設推論服務 | 一鍵部署到受管的服務端點 |
| 模型來源 | 通常綁定單一供應商 | 涵蓋 Google 自家、開源與合作夥伴模型 |
常見的誤區，是把 Model Garden 裡的所有模型都當成跟 Gemini 一樣直接算進同一組配額與帳單。實際上部分合作夥伴或開源模型可能有各自獨立的授權條款、額外的使用限制，甚至需要另外申請存取權，選型時建議先看清楚該模型頁面上標示的授權與計費方式，不要假設規則跟 Google 自家模型完全一樣。
Agent Builder（Agent Studio）怎麼把模型變成會做事的代理人？
如果說 Model Garden 解決「用哪個模型」，Agent Builder 想解決的是「怎麼把模型變成一個會做事的代理人」，例如查資料、呼叫外部系統、跟其他代理人分工，這些都不是單靠一個模型 API 就能直接搞定的事：
- 工具呼叫：讓代理人能查資料庫、呼叫外部 API、執行程式碼。
- 多代理人協作：透過代理人對代理人（A2A）協定，讓不同代理人互相呼叫、交換任務結果，官方已把這套協定推進到正式生產階段。
- 視覺化編排：用低程式碼介面組合流程，背後是代理人開發套件（ADK），官方也把它推進到穩定版本，支援多種主流程式語言。
這個工具現在叫 Agent Studio，提供視覺化、低程式碼的建置介面，適合先做出可用的原型，再依需求決定要不要交給工程團隊深度客製。
代理人怎麼避免憑空捏造企業內部的答案？
純粹只靠模型回答，容易在企業自己的內部資訊上出現似是而非的內容，這也是企業導入生成式 AI 最擔心的風險之一。
平台內建檢索增強生成相關工具，可以把企業自己的文件、資料庫接進來，讓代理人回答前先去檢索真實資料，再依據檢索結果生成回應，降低憑空捏造的機率。實務上這類設計通常還會要求回應附上引用來源，方便使用者回頭核對答案是不是真的有依據，而不是照單全收模型給出的內容。
這套平台適合什麼樣的團隊？
- 已經在用 Google Cloud 其他服務的團隊。 帳務、身分權限、資料儲存都在同一套體系裡，串接成本相對低。
- 需要同時比較多家模型的團隊。 Model Garden 讓你不用各自申請帳號就能先比較，省下前期評估的時間。
- 想快速做出代理人雛形的團隊。 Agent Studio 的低程式碼介面適合先做出可用的原型，再依需求決定要不要交給工程團隊深度客製。
- 正在觀望要不要導入 AI 助理的中大型組織。 Gemini Enterprise 家族把員工助理與開發平台整合在一起，適合一次評估兩種需求。
延伸學習
寫給升國一的你的筆記術
寫給剛升上國中的你：筆記不是寫給老師看的，是寫給考前的自己看的。18 章 85 課圖文，從「為什麼要寫」講到七科各自怎麼記，附 78 份可以印出來寫的練習單，以及 80 課家長專區與 34 張三年筆記養成路徑圖。沒有閱讀期限，國一買、國三還在。
NT$ 3,599
做出你的第一個 Skill
一場快閃直播的完整重製。從搞懂 Skill 的五個層級開始，帶你把一件你每天在做的重複工作，寫成一支 AI 真的會照做的 Skill ── 命名、description、輸入拆解、Workflow 訪談、Output 與 Checks，最後組成一份能通過格式檢查的 SKILL.md。
NT$ 999