谷歌用Agent“武装”Android：从写代码的助手到掌管工具链的智能体

作者：李嘉佑 52分钟前

一、事件回顾：Android Dev Summit 2026发布全景

根据谷歌官方开发者博客，本届峰会的发布沿三条主线展开：一是“任意智能体+任意模型+Android Studio”，将开发者自选的编码智能体和模型接入IDE，并与Android Studio对Android项目的深入理解相结合；二是“使用Android CLI随时随地构建和部署”，让任何智能体、终端或CI流水线都能以一流方式访问Android工具链，包括真实的物理设备；三是“更快、更有信心地交付性能更出色的应用”，在Android Studio或命令行中借助智能体，从生产信号到经过验证的修复一气呵成。

从发布节奏看，此次峰会并非孤立事件，而是谷歌2026年Android智能体化路线的延续。2026年5月谷歌I/O大会期间，谷歌提出Android正从“操作系统”转向“智能系统”，安卓生态高管萨米尔·萨马特（Sameer Samat）在接受CNBC采访时作出上述表述；当时处于实验性预览阶段的AppFunctions API，已可让应用作为设备端模型上下文协议（MCP）服务器为智能体提供服务，Gemini Nano则运行于Android的AICore系统。10月28日的峰会，正是把这一系统级愿景落到了开发者工具与应用接口两个层面。

具体而言，本次发布的核心组件包括：Android Studio Rabbit 2（BYOA稳定支持）、Change Review代码审查、Android Bench 2.0评估基准、Android CLI（远程真机、终端Compose预览、性能分析、生产信号）、30多项官方Android Skills、官方智能体插件（Google Antigravity、Claude Code、OpenAI Codex），以及面向应用侧的AppFunctions API（Beta）、Android MCP、Connected Apps Platform、A2UI（Alpha）和ML Kit基于Gemini Nano 4的智能体API（Alpha）；XR方面，XR眼镜、音频眼镜、显示眼镜模拟器进入稳定阶段，谷歌还与XREAL合作发布了首款由Android XR驱动的有线XR眼镜XREAL AURA。值得注意的是，谷歌并未要求开发者统一使用某个AI模型，而是将平台知识、编译测试、真实设备和性能分析能力开放给不同智能体；部分功能已经稳定发布，另一些仍处于Alpha、Beta或Canary阶段。

图1 2026年谷歌Android智能体化关键节点时间轴

二、问答速览：五个关键问题的简答

问：这次谷歌到底发布了什么？答：10月28日Android Dev Summit 2026上，谷歌围绕“AI参与构建、测试、调试、优化”发布了贯穿开发全生命周期的更新——IDE层的BYOA与Change Review，工具链层的Android CLI与真实设备接入，质量层的LeakCanary集成、性能分析器与生产信号命令，以及应用侧的AppFunctions、Android MCP、A2UI等新API。

问：BYOA是什么，为什么重要？答：BYOA即“自带智能体”（Bring Your Own Agent）。Android Studio Rabbit 2现已稳定支持该功能，开发者可通过开放的智能体客户端协议（ACP）在IDE内接入40多个兼容智能体，包括Claude Agent、OpenAI Codex、Google Antigravity等，并可安装多个、按任务切换，不必绑定某一家模型供应商。

问：Android CLI让智能体能做什么？答：智能体可以不开IDE，直接在终端、自动化脚本和CI流水线中调用Android工具：通过android device remote申请谷歌设备实验室的真实设备安装测试应用，用android preview在终端渲染Jetpack Compose预览，用性能分析与生产信号命令排查线上问题。谷歌称，内部测试中使用预览命令的智能体完成UI任务的速度提高了77%，Token使用量最多减少约三分之二。

问：AI参与后，应用质量怎么保证？答：谷歌把质量工具链也向智能体开放——android profiler leakcanary分析堆转储排查内存泄漏，Android Performance Analyzer分析冷启动、卡顿与后台唤醒，android signals把Android vitals与Firebase Crashlytics生产数据带入终端，R8配置分析与Compose 1.13重组追踪定位性能根源。内部测试中，能力较强的模型借助CLI完成泄漏排查流程的速度接近原来的两倍、Token消耗最多减少25%。

问：应用如何接入Gemini等系统级AI？答：三条路径——AppFunctions（Beta）作为Android统一的工具调用层，向系统级或应用内智能体开放应用功能；Android MCP让应用能力接入不同智能体，配套的Connected Apps Platform支持接入Gemini等系统级AI入口；A2UI（Alpha）让智能体用应用自身的组件返回可交互界面而非纯文字。设备端方面，ML Kit新增基于Gemini Nano 4的智能体API（Alpha），支持函数调用、对话历史管理与执行流程控制。

三、技术解析·IDE层：BYOA与ACP协议

过去，开发者使用AI编程工具往往需要在产品间来回切换：先让AI生成代码，再回到Android Studio编译运行，遇到问题后重新整理日志和项目上下文交给AI分析。BYOA要解决的正是这种割裂。Android Studio通过开源的智能体客户端协议（ACP，Agent Client Protocol）接入编码智能体，兼容智能体已超过40个；BYOA随10月28日发布的Android Studio Rabbit 2正式稳定。开发者从“设置>工具>AI>智能体”入口即可浏览和安装市场中的智能体，安装多个后按任务切换。

接入方式的价值在于上下文。接通后，智能体可以调用Android Studio已有的开发能力——对项目结构与构建配置的深度理解、符号解析、Jetpack Compose界面预览、模拟器和Logcat日志等。The New Stack的报道将此概括为：连接的智能体“继承”了IDE对项目的完整认知，包括结构、构建配置、符号与工具，而这本是通过代码搜索和终端猜测难以重建的上下文。相比只向通用大模型提供代码片段，这种方式让智能体获得更多与实际项目有关的信息。

配套两项机制补齐了“智能体大规模改代码”之后的信任环节。其一是Change Review：开发者可针对智能体生成的代码修改或Git变更发起审查，系统生成潜在问题报告，也可通过“/review”命令让智能体检查较大规模的代码变更并继续修复发现的问题。其二是Android Bench 2.0：这一评估基准用于衡量不同模型及智能体组合完成真实Android开发任务的能力，任务包括根据设计稿构建应用、迁移界面等，其中部分任务的设计参照了需要Android工程师数天才能完成的工作量；评估不只看代码能否编译，还会检查最终功能是否正常，并衡量完成任务所需的时间和成本。这意味着开发者不仅可以自行选择模型，也能通过实际开发任务比较不同模型的表现。

四、技术解析·工具链层：Android CLI与真实设备

Android Studio主要服务于日常开发，而Android CLI的目标是让Android开发能力进入终端、自动化脚本和持续集成流水线。首先是真实设备测试：通过android device remote，开发者可以从谷歌设备实验室申请真实Android设备，安装和测试应用；Android Device Hub（官方表述为android device hub）则提供统一界面，用来查看和操作本地、远程设备及模拟器。模拟器能覆盖大量测试场景，但真实设备的硬件差异和系统行为仍可能暴露模拟环境无法复现的问题；将真实设备纳入智能体工作流，有助于自动执行更多测试任务。

其次是界面预览：新增的android preview命令可以直接在终端渲染Jetpack Compose预览，无须启动模拟器或打开IDE。智能体修改界面后，可以立即检查不同屏幕尺寸下的显示效果再继续调整。谷歌称，在内部测试中，使用该命令的智能体完成UI任务的速度提高了77%，Token使用量最多减少约三分之二（官方英文表述为“最多减少3倍”）（The New Stack同时指出，谷歌未披露这些内部数据的测量细节）。

图2 谷歌官方内部测试：智能体使用Android CLI的效率提升与Token降幅

谷歌还推出了官方Android智能体插件：Google Antigravity插件整合Android CLI、官方技能和平台知识，并支持在智能体对话窗口中查看Compose预览、操作虚拟及真实设备；Claude Code和OpenAI Codex也有相应的官方插件，覆盖创建Android项目、管理模拟器与虚拟设备、检查实时UI布局、运行Journeys、浏览安装技能、检索Android知识库等操作。与此同时，谷歌提供了30多项Android Skills，覆盖20多个领域，包括Compose性能优化、相机API和权限安全审查等，且经评估验证、聚焦模型易错的快速发展领域；开发者可按需安装，让智能体在执行特定任务时调用相应的操作规范和专业知识。

五、技术解析·质量层：性能工具接入AI工作流

代码生成得更快，并不意味着应用质量自然提高；内存泄漏、启动缓慢、界面卡顿和线上崩溃，仍然需要开发者花时间定位。谷歌此次更新的一条重要主线，就是让智能体直接参与这些工作。内存泄漏排查方面，Android CLI新增了与开源泄漏检测工具LeakCanary集成的分析能力：通过android profiler leakcanary，开发者可以分析堆转储文件，查找异常对象及其引用关系，且分析在电脑端而非设备端进行，不拖慢应用本身。

在峰会演示中，Claude Code接收任务后在多台设备上并行执行关键用户操作，利用LeakCanary寻找内存泄漏、追踪问题代码，修改后重新运行测试以确认问题解决。谷歌表示，在内部测试中，能力较强的模型使用Android CLI完成这一流程时，速度接近未使用CLI时的两倍，Token消耗最多减少25%。相关功能正在逐步提供，Android Studio Canary版也在推进内存泄漏分析与AI修复能力的整合。

性能分析与线上诊断同样被接入智能体工作流。Android Performance Analyzer（APA）驱动Android Studio的性能分析器，现在也可通过Android CLI的android profiler子命令调用，智能体能够采集系统跟踪数据，分析应用冷启动延迟、界面卡顿和后台唤醒等问题，再提出修改建议并测量修复效果；新版跟踪数据（androidx.tracing 2.0）可以关联源文件、代码行号及参数信息，方便把性能问题定位到具体代码。线上问题诊断方面，新增的android signals命令将Android vitals和Firebase Crashlytics等生产环境数据带入终端，方便智能体查询崩溃、应用无响应（ANR）和内存问题；Crashlytics还将支持收集真实设备发生内存溢出时的堆转储，结合R8映射文件进行反混淆，再通过Perfetto查看。

工具链的“长尾”也在补齐：谷歌更新了R8配置分析工具（R8 Configuration Analyzer内置于Android Gradle Plugin 9.3），帮助开发者发现影响代码压缩与优化的配置问题；Jetpack Compose 1.13将加入重组追踪功能，帮助开发者查明界面组件为何重新执行组合、触发变化的状态来源是什么。这些工具把问题发现、原因定位、代码修改和修复验证连接起来——AI能否真正提高开发效率，不仅取决于它写代码的能力，也取决于它能否使用这些工具完成后续工作。

六、应用侧：AppFunctions、Android MCP与A2UI

除了开发工具，谷歌也在调整Android应用与系统级AI之间的关系。此次公布的AppFunctions API、Android MCP和A2UI，分别从应用功能调用、智能体工具接入和界面呈现三个方面，为AI与Android应用协作提供支持。

AppFunctions是Android统一的工具调用层，目前处于Beta阶段，开发者可以通过它向智能体开放应用功能，让系统级或应用内智能体调用相应服务。Android MCP则为应用能力接入不同智能体提供支持；谷歌同时推出Connected Apps Platform——开发者可通过Android MCP或remote MCP原生构建，用Gemini dev mode做原型，准备就绪后经Google Connected Console预览计划注册上线，让应用服务接入Gemini等系统级AI入口。未来，用户可能直接向AI提出需求，由智能体调用应用功能完成任务，而不必每次都手动打开应用、寻找入口。事实上，AppFunctions在2026年5月I/O大会时即以实验性预览形态出现，可让应用作为设备端MCP服务器为智能体提供服务，从预览到Beta的推进显示该方向在持续加码。

A2UI（Agent-to-UI）目前处于Alpha阶段，允许智能体通过Jetpack Compose原生渲染器，将回复转化为可交互界面，并使用应用自身的组件，而不只是返回文字；对于需要表单、操作按钮或动态信息展示的场景，这提供了新的交互方式。设备端智能体同样是布局方向：ML Kit新增基于Gemini Nano 4的智能体API（Agentic API），目前处于Alpha阶段，可自动执行函数、保存对话历史、管理编排循环并内置自动护栏，开发者可据此探索更多在设备端运行的智能体体验。

多形态设备方面，随着Android应用覆盖手机、平板及XR眼镜等不同形态，谷歌正在推进基于Jetpack Compose的自适应开发能力（官方博文另提及AppState以Alpha版本提供、Compose 1.13稳定版将内置自适应布局支持）。Android XR方面，谷歌宣布眼镜模拟器进入稳定阶段，覆盖XR眼镜、音频眼镜和显示眼镜，开发者可在Android Studio中创建相应模拟设备测试应用表现；谷歌还与XREAL合作发布了首款由Android XR驱动的有线XR眼镜XREAL AURA。

图4 本次发布主要功能的成熟度阶段分布

七、公司观察：谷歌为何选择开放

从企业经营视角看，本次发布中最值得注意的并非某项功能，而是谷歌的战略取向：它把Android Studio和Android CLI同时向第三方智能体开放——包括Anthropic的Claude Agent（Claude Code）和OpenAI的Codex这类与Gemini直接竞争的产品，而不是引导开发者统一使用自家智能体。The New Stack评价称，谷歌此举相当于“把钥匙交给了对手”，产品负责人马修·麦卡洛（Matthew McCullough）则持续强调给开发者选择模型和编码智能体的自由。

开放的商业逻辑可以概括为“用选择权留住开发者”。对开发者而言，BYOA意味着不必被绑定在某一家工具上，工作流可以沿用已经习惯的那一套；对企业开发者而言，还可以基于成本或既有企业协议选择特定供应商。与之配套的是真金白银的基础设施投入：谷歌设备实验室向智能体开放远程真机、官方维护三大智能体插件、30多项Skills持续用最新前沿模型重新评估调整，这些均是平台级投入。

开放的底气来自生态位与市场空间。据Research and Markets数据，2025年全球AI编程相关工具市场规模已达295.7亿美元，预计到2030年将攀升至646.8亿美元。德勤亦预测，2025年约25%的企业将部署生成式AI驱动的智能体，2027年这一比例将升至50%。在这样的赛道上，操作系统的价值在于让尽可能多的智能体和模型都能顺畅工作——接入的智能体越多，Android作为开发平台的粘性越强；而应用侧的AppFunctions与Android MCP，则让Gemini在系统级入口的地位随应用功能的开放而自然强化。开放开发者工具与强化自家AI入口，并不矛盾。

图3 全球AI编程相关工具市场规模：2025年与2030年（预测）

八、影响与展望：Android应用服务对象的变化

从此次更新看，谷歌并没有要求开发者统一使用某个AI模型，而是将平台知识、编译测试、真实设备和性能分析能力开放给不同智能体。部分功能已经稳定发布，另一些仍处于Alpha、Beta或Canary阶段，实际效率提升也会因项目和任务而异。需要说明的是，官方给出的77%、两倍、25%等数据均为谷歌内部测试结果，第三方媒体已提示谷歌未披露测量细节，开发者宜以自身项目实测为准。

短期来看，智能体能否可靠调用工具、理解项目上下文，并在修改代码后验证结果，将决定这些更新的实际价值。第三方观察同样提醒：自主查找问题的速度可能快于自主修复，自动化产出仍需人工审查把关。这也是谷歌在BYOA之外配套Change Review、Android Bench 2.0等“审查与度量”机制的原因——当智能体承担越来越多的实现工作，审查与评估就成为质量的基本盘。

更长远的变化在于交互范式：用户对设备端AI的期待，正在从“打开应用、逐步操作”转向“向AI提出需求、由智能体完成任务”；相应地，Android应用不仅要服务于直接操作手机的用户，也需要逐步具备向AI智能体开放功能的能力。AppFunctions从2026年5月的实验性预览到10月的Beta推进、Connected Apps Platform的上线筹备，都指向同一个方向：应用的功能边界正在从“界面可达”扩展到“智能体可调用”。对开发者而言，尽早审视哪些功能适合以AppFunctions等形式向智能体开放、如何在开放的同时守住安全与权限边界，将是下一阶段Android开发的新命题；对行业而言，移动操作系统的竞争维度，正在从应用数量的比拼，转向“应用与智能体协作能力”的比拼。