从应用内智能体到 Android 智能系统：Android 开发者峰会上智能应用的新变化

在智能时代，用户不再只是在应用中点按，而是表达高级目标，并期望 Gemini 等 AI 智能体完成多步骤工作流，有时甚至会跨设备上的多个应用。为了帮助您随时随地满足用户需求，我们推出了在 Android 应用中构建智能代理体验的新方法：

• 与 Android 智能系统连接：借助 Android MCP，让您的应用功能可供系统智能体调用。如要让用户在 Android 设备上通过 Gemini 应用和 Google 搜索直接与您的应用建立关联，请加入 Connected Apps Platform 预览计划。
• 为应用注入智能：使用机器学习套件生成式 AI API 在设备端构建智能功能和智能体，并通过 Google Play 服务中的 LiteRT 引入自定义机器学习模型。借助 Firebase AI Logic，在云端利用 Gemini 模型，并让您的智能体能够使用 A2UI Compose 渲染程序构建原生 Compose 界面。

您可能已经在 Android 开发者峰会主题演讲中了解过其中一些新的 API 和开发者工具。现在，您可以利用我们新推出的深入探究资源来学习如何构建智能应用，包括围绕全新智能体验推出的 10 个全新点播课程。

连接到 Android 智能系统

Android 智能系统是系统基础，旨在保护用户，同时将 AI 智能体与 Android 设备上的应用连接起来。它可在整个 Android 生态（包括手机、穿戴式设备、XR 眼镜、电视和汽车）中，为用户提供提示式协助与主动协助。

• 提示协助：当用户主动要求智能体实现某个目标（例如“查看我的日历、预约行程，并向 Jingyu 发送我的预计到达时间”）时，智能体会协调各个应用中的工具来完成该目标。为了实现最快、最可靠的执行，您可以使用远程 MCP 服务器或本地 Android MCP。智能体还可以回退到使用 Android 的计算机控制框架来完成操作，而无需任何应用端集成。
• 主动协助：系统会预测用户需求，并直接在锁屏界面、通知、虚拟键盘和应用内显示符合情境的建议内容信息条。

我们提供基于熟悉的 MCP 标准的 API 和工具，让您能够控制应用与 Android 智能系统的集成方式。Android MCP 由 AppFunctions Jetpack 库提供支持，是我们的统一工具调用框架。借助该功能，您可以在设备上直接与符合条件的 AI 智能体（无论是系统智能体还是您自己的设备端应用内智能体）进行连接。远程 MCP 服务器可让您实现跨平台覆盖。

Android MCP 作为 Android 原生解决方案，是对远程 MCP 的补充。如果您的用户体验历程使用端到端加密或敏感的本地设备数据、需要设备传感器和硬件、需要在本地执行，或者没有可用的服务器端点，则建议采用 Android MCP 集成路径。

如需详细了解 Android 智能系统以及如何将 Gemini 集成为系统代理，请观看以下演讲：

为应用注入智能：从设备端智能体到 A2UI Compose 渲染器

Gemini Nano 4 带来了函数调用等新功能，因此我们正在扩展机器学习套件的生成式 AI API，以便完全在设备端构建 Agentic Workflows。我们直接为您提供构建基块，包括 ML Kit 的直接模型访问功能（通过 Prompt API 实现），以及全新的 Agentic API，该 API 可为您自动执行函数、保存对话历史记录、管理编排循环，并内置了自动保护措施。查看 GitHub 上的 Jetpacker 代码示例，并观看此视频，深入探究如何使用机器学习套件生成式 AI API 在应用中解锁智能体功能：

除了新的 Agentic API 之外，我们还将在设备端推出一系列新功能：

• 简要了解设备端 ML Kit GenAI API，从 Prompt API 功能（例如思考模式和系统指令）到由 EmbeddingGemma 2 提供支持的新 Alpha 版 API（例如 Embeddings API）。您还将了解 Android 系统底层优化，并了解已在生产环境中应用的常见设备端生成式 AI 应用场景。
• 深入了解 Gemini Nano 4 的模型架构，该模型基于 Gemma 4 构建。Gemini Nano 4 采用逐层嵌入、量化感知训练和多词元预测技术，在内部测试基准下，其推理速度比上一代 Gemini Nano 模型提升了 3 倍，内存用量则降低了多达 4 倍。
• 您可以使用 Google Play 服务中的 LiteRT 运行自定义机器学习模型，从而获得更快的 GPU 性能。该服务会从 APK 中移除运行时，使 APK 缩小约 8 MB。现在，Wear OS 和 Android Automotive OS 也支持该功能。无论您是使用即用型机器学习套件 API，还是自带自定义边缘模型，都可以阅读公告并观看此演讲。
• 了解这些 API 如何在实际应用中协同工作，例如在手机和智能眼镜上使用机器学习套件语音识别、语音翻译和文字转语音 API 的 XR 语言教师，以及使用 Gemini Nano、机器学习套件直接模型访问和智能体开发套件 (ADK) 构建的电动方程式 AI 副驾驶。

对于跨云端和本地处理的工作流，Firebase AI Logic 提供了一种简单的混合解决方案。您可以调用 Gemini 4 等高级云模型，同时在可用时使用 Gemini Nano 进行设备端推理。为了在生产环境中保护您的应用并管理费用，请使用 Firebase App Check、新的服务器提示模板和 Firebase 支出上限。

正如主旨演讲中 Jetpacker 实时预订助理演示版所示，Jetpack Compose A2UI 渲染器现已上架 Alpha 版，可帮助您的智能体“用语音”与界面互动。您的智能体可以直接通过 JSON 协议流式传输丰富的交互式原生 Compose 界面。开始使用 A2UI Compose 渲染程序，并向我们提供反馈。观看此演讲，了解如何在应用中实现此功能。

借助 Connected Apps Platform，在 Gemini 和 Google 搜索中触达用户

在 Google 的各个平台上，用户正在从提出问题转向采取行动。我们推出了 Connected Apps Platform，让您能够在 Gemini 和 Google 搜索中触达高意向用户，同时结合使用 Android MCP（用于在设备端原生执行）和远程 MCP 服务器（用于跨平台触达）。您现在就可以使用 Gemini 应用开发者模式在本地开始构建和测试。当您准备好可用于生产用途时，请加入预览版等候名单；预览版名额目前仅限受支持类别中已做好可用于生产用途准备的选定应用，后续将提供更广泛的自助内容访问权限。

如需了解如何构建、测试和发布首个关联的应用，请观看视频：借助 Connected Apps Platform 将应用扩展到 Gemini 和 Google 搜索。

开始利用最新更新构建智能应用

如需开始构建，请使用 ML Kit 智能体工作流创建设备端智能体，并利用新的 Android 技能直接访问模型。在测试预览版模型中的新功能时，请务必选择加入 AICore 开发者预览版计划。借助机器学习套件 API 为应用添加智能功能，并使用 Google Play 服务中的 LiteRT 运行自定义机器学习模型。直接使用 Firebase AI Logic 在云端通过 Gemini 模型运行推理，并使用 Jetpack Compose A2UI 渲染程序从 JSON 流式传输原生 Compose 界面。最后，与 Android 智能系统集成，使用 AppFunctions 技能和示例智能体通过 Android MCP 构建原型，并注册 Connected Apps Platform 开发者预览版。

我们迫不及待要一睹您的应用程序了！