Claude 智能体在 Google Cloud 的上线实战
这场可回看的技术讲座介绍如何处理文件、在沙箱执行代码、使用自定义技能,以及编排长时间运行的多步任务。课程对比 Claude 在 Google Cloud 上的两种部署方式,其中 Anthropic 托管方式支持 Google Cloud IAM 认证和统一计费。
AI 深度解读
Claude 智能体在本地跑通,只验证了任务在开发环境里能走完。上线还要回答一串具体问题:上传的文件放哪,生成的代码在哪执行,长任务失败后怎么恢复,以及模型调用能否满足公司的数据驻留要求。
Google AI 的这篇技术分享预告给出了两个部署选项和一组上线检查点。对程序员最有用的是先弄清谁托管模型服务、生产环境有哪些硬约束,再决定文件、工具和任务状态怎么接入。
两条部署路径,先看团队有什么硬约束
第一条是 Claude Platform on Google Cloud,由 Anthropic 托管。按原文的说法,这条路径可以直接使用 Claude 独立平台的最新能力,同时沿用 Google Cloud IAM 身份认证,统一通过 Google Cloud 结算,并利用已有的云消费承诺额度。对已经在 Google Cloud 上开发的团队,复用现有凭据和采购安排,可以少走一轮供应商接入流程。
第二条是 Google Cloud/Model Garden,由 Google 托管。原文把严格的区域数据驻留、VPC Service Controls 和 Google Cloud 原生集成列为选择它的理由。数据驻留关心的是数据能在哪个地区处理或存放,VPC Service Controls 则关心受支持的云服务资源如何受安全边界约束。两项要求都可能直接决定部署选型。
原文没列出两条路径的逐项功能对照,也没给出具体区域和模型版本。团队如果既需要某项 Claude 平台能力,又有明确的区域限制,就得针对实际使用的功能逐项核对。
文件、代码和长任务要各自定义失败边界
分享覆盖了直接处理文件、在沙箱里运行代码、使用自定义技能(custom skills),以及编排多步骤长任务。一个常见的组合是让智能体读取用户上传的文件,执行一段代码生成结果,再调用外部系统提交产物。每一步的权限、耗时和失败后果都不同,模型能生成正确的调用参数,只解决了其中一环。
原文还把工具调用结构、通过 MCP 和 API 接入外部上下文、设置生产护栏列为议题。落到工程上,可以先把每个工具调用当成一次有权限边界的后端请求:输入由服务端校验,超时和失败有明确状态,有副作用的操作要考虑重试会不会重复写入。长任务还有一个前端问题:用户刷新页面后,能否凭任务 ID 找回进度和结果。
我的判断
这份预告最实用的是把部署选型和工具执行放在同一张清单里。IAM 和统一账单能降低接入成本,应用仍要决定哪个用户可以触发哪条工具调用。对已有 Google Cloud 采购和权限体系的团队,这条接入路径有现实价值。一般团队能省多少时间,取决于公司已有的采购、安全审查和云资源配置。
原文没有公布压测、故障恢复记录或两条路径的对照数据。「能省下数小时试错」是宣传性判断,文中没有给出计时依据。对于步骤固定的文件处理任务,普通 Node 后台任务也值得作为对照,它的执行路径和重试点更容易提前定义。如果系统确实需要根据文件内容动态选择工具,再为智能体增加这层编排更有理由。
能拿来做什么
- 选部署路径时,把必需的 Claude 平台能力、数据处理区域和 VPC Service Controls 要求列在同一张表里,对两条路径逐项核对。
- 给 Node 服务里的工具调用定义输入校验、超时和错误返回。涉及写入的操作加上幂等键,让同一个任务重试时只产生一次预期写入。
- 用一条真实的上传文件长任务做上线验收,覆盖沙箱执行失败、外部 API 超时和用户刷新页面,检查前端能否恢复任务状态,并告诉用户当前该等待还是重试。