Google: агента проектируют в Claude Code, а запускают на Gemini Agent Platform

· 6 минут чтения · Любовь Черемисина · Google AI MCP AI-агенты

17 июля 2026 Google Cloud опубликовала 13 практических демонстраций Gemini Enterprise Agent Platform — от MCP-инструментов и проверки человеком до развёртывания, безопасности и автоматических оценок. Особенно заметен Agents CLI: его можно установить в Claude Code, Codex или другой coding agent, и агент получит семь Skills для сборки, оценки и мониторинга решения на платформе Google. Для бизнеса это разделение среды разработки и production-инфраструктуры — меньше привязки к одному поставщику.

Два чертёжных стола на cream-бумаге соединены красным мостом с шестерёнкой — метафора сборки агента в Claude Code и запуска на Gemini Agent Platform

Что изменилось

17 июля 2026 Google Cloud опубликовала 13 практических демонстраций платформы Gemini Enterprise Agent Platform. Набор охватывает полный цикл корпоративного агента:

  • подключение инструментов через MCP — запросы к BigQuery, поиск по файлам, вызовы API;
  • проверку человеком (human-in-the-loop) — агент останавливается, пока сотрудник не подтвердит решение;
  • динамические интерфейсы Agent-to-UI — агент собирает нужные элементы экрана по ходу диалога;
  • память между сессиями через Memory Bank;
  • развёртывание на Agent Runtime с автоматической регистрацией, логированием и трассировкой;
  • безопасность — шлюз доступа, проверка содержимого, блокировка рискованных действий до выполнения;
  • мониторинг и автоматические оценки результата (evals) прямо из coding agent.

Отдельный акцент — Agents CLI. Его можно установить в Claude Code, Codex или другой coding agent. Инструмент добавляет семь Skills: агент в редакторе получает экспертизу по ADK и Agent Platform, может описать задачу на обычном языке и получить каркас приложения, прогнать оценку, развернуть решение и подключить мониторинг — не выходя из привычной среды разработки.

Google прямо пишет: «Install Agents CLI into your favorite coding agent (Antigravity, Claude Code, Codex, whatever you use)». То есть сценарий не «переезжайте в Google IDE», а «останьтесь в Claude Code, а production отдайте Gemini».

Почему это важно для бизнеса

На практике AI-проекты часто застревают на двух вопросах: где проектировать агента и где он будет работать с вашими данными. Google предлагает явное разделение слоёв:

  • Среда разработки — Claude Code, Codex или другой coding agent, где команда быстро собирает логику и подключает инструменты.
  • Production-инфраструктура — Gemini Agent Platform: масштабирование, сессии, безопасность, реестр агентов, аналитика.

Это снижает зависимость от одного поставщика. Можно проектировать в Claude, выполнять отдельные задачи на Gemini, а MCP использовать как переносимый слой инструментов между моделями и платформами.

Для маркетинговых и аналитических команд важнее не название CLI, а шаблоны из демо: агент, который читает данные, находит аномалию, формирует объяснение и отправляет результат человеку на проверку — до финального действия. Именно так устроен, например, демо «ambient expense agent» с порогами автоматического одобрения и паузой на ревью.

Что меняется для маркетинга

  1. Аномалии в данных. Демо с BigQuery показывает типовой сценарий: агент подключается к хранилищу, ищет отклонения в расходах или метриках, готовит вывод — и только после human-in-the-loop отправляет рекомендацию. Для вас это ближе к «еженедельный контроль Метрики и рекламных кабинетов с паузой на согласование», чем к очередному чат-боту.
  2. MCP как общий язык инструментов. Инструменты, собранные по протоколу MCP, в демо Google позиционируются как переносимые между вендорами. Если вы уже подключали CRM или аналитику через MCP Panel, логика коннекторов не должна жёстко зависеть от Claude или Gemini.
  3. Evals вместо «на глаз». Платформа предлагает цикл оценки: подготовить кейсы, прогнать агента, автоматически оценить ответы, найти кластеры ошибок и точечно улучшить промпт. Для маркетинга это способ не спорить «кажется, стало лучше», а сравнивать версии агента на одном наборе отчётных задач.
  4. Долгие процессы. Отдельные демо — агенты, которые работают неделями, сохраняют состояние и продолжают после перезапуска. Для онбординга клиентов или многоэтапных кампаний это важнее, чем разовый ответ в чате.

Мой вывод

Индустрия движется к сборке агента там, где удобно команде, и запуску там, где живут данные и политики доступа. Google не просит отказаться от Claude Code — наоборот, делает его точкой входа через Agents CLI.

Если вы уже используете MCP Panel, практический смысл простой: коннекторы к Метрике, CRM и рекламным кабинетам проектируйте один раз, а меняйте модель или облако под задачу — без переписывания всей интеграции с нуля. Новость не отменяет необходимость проверять, где именно выполняется код и какие данные покидают вашу инфраструктуру — но снимает ложный выбор «либо Claude, либо Google».

Что проверить сейчас

Соберите один пилотный агент через Agents CLI в Claude Code по сценарию из демо Google:

  1. Данные — выгрузка из BigQuery, маркетингового хранилища или таблицы с кампаниями.
  2. Задача — найти аномалию (скачок CPA, просадка конверсии, необычный расход).
  3. Объяснение — короткий вывод с указанием периода и метрик.
  4. Human-in-the-loop — отправка результата руководителю или аналитику на подтверждение до любого «действия».

Сравните с текущей ручной разработкой по пяти параметрам:

  • время до первого рабочего прототипа;
  • объём кода, написанного вручную;
  • качество встроенных evals на ваших кейсах;
  • сложность подключения MCP-инструментов;
  • переносимость решения на другую модель без переписывания коннекторов.

Если прототип собирается быстрее, но evals ловят мало ошибок — проблема не в «не той модели», а в качестве тестовых сценариев и данных. Это нормальный управленческий результат пилота.

Источники

← Все новости AI и MCP