谷歌旗下人工智能实验室 DeepMind 近日为 Gemini API 的托管代理（Managed Agents）带来了四项重要更新，其中最引人注目的当属后台执行和远程 MCP 服务器连接。这看似只是一次开发者工具的迭代，但背后折射出的趋势，对分布式团队和数字游民的工作方式会产生深远影响。

从实时到异步，AI 代理真正“隐身”干活

过去很多 AI 代理都需要用户在前端盯着，等待结果返回，一旦关闭页面或断开连接，任务就可能中断。这次 Gemini 添加的“后台执行”功能，让代理可以像一位永远在线的同事，即便你已经下线或切换到其他工作，它仍在云端默默执行任务，完成后再通过回调通知你。对于跨时区的远程团队而言，这相当于把部分重复性、长耗时的工作（如数据抓取、报告生成、代码审查）转移到异步轨道上。印度工程师下班前丢给代理一个任务，北美同事第二天上班就能直接看到结果，不需要实时沟通，也不需要任何一方熬夜等待。这种“时间平移”恰好击中了混合办公和远程协作的核心痛点——让同步需求最小化。

远程 MCP 连接，打破工具与团队的边界

更新的另一大亮点是对远程 MCP（Model Context Protocol，模型上下文协议）服务器的原生支持。MCP 可以理解为一种让大语言模型安全连接外部工具和数据源的标准化协议，类似 AI 领域的“USB 接口”。此前代理大多只能调用本地函数或提前写死的 API，现在它们能直接连到远程 MCP 服务器，去使用日历、Git 仓库、数据库、甚至企业内部系统。

这给分布式团队带来的想象空间很大。比如一个数字游民在巴厘岛，只需给代理设定一个自然语言目标，代理就能自动从公司部署在云端的 MCP 服务器调用考勤系统、项目管理工具和自动化测试环境，完成一系列协作动作，而不需要写复杂脚本或频繁切换时区开会。工具的孤岛被打破，团队的边界也变得模糊——只要协议互通，代理就能像“数字胶水”一样，把分散在不同地域、不同应用里的工作流黏合在一起。

自定义函数让代理更懂行，个体劳动者的智能杠杆

除去上面两大功能，DeepMind 还强化了自定义函数与多代理协作能力。这意味着团队可以把自己的业务逻辑封装成工具，让 Gemini 代理精准执行。对于自由职业者、独立开发者这类数字游民群体，这相当于拥有一个低成本的智能助手：一个设计背景的远程工作者，可以让代理自动搜集素材、生成初稿、按照品牌规范调整格式，自己只需做最后的创意决策。

智能化不再是大型企业的独享，小而美的远程团队同样可以用这些工具撬动更高的产出。当然，也要看到挑战——代理的可靠性、数据安全和“幻觉”问题依然存在，但趋势已经清晰：AI 代理正在从前台交互走向后台运行，从封闭环境走向远程连接，让“异步”和“分布”不再成为效率的减分项。

对于正在布局远程协作的中国企业，像小蜜蜂云工作这样专注于远程办公和灵活用工的平台，或许能在未来整合这类智能代理能力，让分布式团队的管理和协同又向前迈进一步。

本文由小蜜蜂云工作原创发布，话题参考自行业公开报道。