前言
对 Gemini 说一句"帮我用 XX App 订一杯拿铁"，Agent 就替他在你的 App 里完成了整个流程。
你的 Android App 有三种被 Agent 调用的方式，每种的接入成本、能力上限和风险完全不同。
📋 目录
- 1：Android 智能系统是什么？
- 2：三条路径怎么选？
- 3：路径一：Android MCP------怎么主动暴露功能给 Agent？
- 4：路径二：Agentic API------怎么在 App 内嵌 Agent？
- 5：路径三：什么都不做，Agent 也能操控你的 App？
- 6：A2UI Compose Renderer------Agent 能自己画 UI？
- 7：对 Android 开发者意味着什么？
🤔 Android 智能系统是什么？
Android 正在从"操作系统"变成智能系统 。Google 给的定义很清楚：一个系统级基础设施，在保护用户的同时，把 AI Agent 和设备上的 App 连接起来。
覆盖范围不只是手机------手机、手表、XR 眼镜、电视、汽车，整个 Android 生态。
两种协助模式
| 模式 | 触发方式 | 例子 |
|---|---|---|
| 提示协助 | 用户主动对 Agent 说目标 | "帮我用滴滴叫个车" |
| 主动协助 | 系统预测用户需求，主动推送 | 锁屏上提示"该出发去机场了" |
提示协助的执行有优先级：
- 1：先走远程 MCP（跨平台，服务端执行）；
- 2：再走Android MCP（本地原生执行）；
- 3：都没有？走Computer Control Framework------Agent 直接操控屏幕。
第三条是兜底方案。你的 App 什么都不做，Agent 也能通过看屏幕来用它。。
🗺️ 三条路径总览
共三个路径：
- 路径一：Android MCP
- 路径二：Agentic API
- 路径三：Computer Control
| 维度 | 1. Android MCP | 2. Agentic API | 3. Computer Control |
|---|---|---|---|
| 简介 | App 主动暴露功能给 Agent | App 内部自己跑 Agent | Agent 通过屏幕操控 App |
| 原理 | 系统 Agent → 你的 App | 你的 App → 端侧模型 | 系统 Agent → 你的屏幕 |
| 接入方式 | AppFunctions | 集成 ML Kit API | 零（什么都不用做） |
| 能力上限 | 高（结构化数据交换） | 高（App 内完整 Agent 体验） | 低（只能看屏幕、点按钮） |
| 用户体验 | 快、准、可靠 | App 内原生体验 | 慢、可能误操作 |
| 当前状态 | AppFunctions 已可用 | Agentic API 新发布 | 已上线（兜底） |
三条路不是互斥的。大部分 App 最终会组合使用前两条。
🔌 路径一：Android MCP + AppFunctions
这是 Google 最推荐的方式------你的 App 主动告诉 Agent"我能做什么"。
什么是 Android MCP？
MCP = Model Context Protocol，App 通过一套标准协议，把自己的功能暴露给 AI Agent。
AppFunctions：怎么暴露功能？
Android MCP 的底层库是 AppFunctions （androidx.appfunctions）。
它是 Android 的统一工具调用框架，用注解声明你的 App 能做什么：
kotlin
// 👈 声明一个 AppFunction：点咖啡
@AppFunction
suspend fun orderCoffee(
@AppFunctionParameter(description = "咖啡类型，如 latte、americano")
coffeeType: String,
@AppFunctionParameter(description = "杯型：small/medium/large")
size: String
): OrderResult {
// ✅ 你的业务逻辑
return coffeeService.placeOrder(coffeeType, size)
}Agent 看到的不是你的 UI，而是结构化的函数签名和参数描述。
它知道你能做什么、需要什么参数、返回什么结果。比操控屏幕准确得多。
Connected Apps Platform
暴露功能之后，你的 App 可以出现在两个地方：
- Gemini 应用------用户对 Gemini 说话时，Agent 直接调你的功能；
- Google 搜索------用户搜索时，搜索结果里直接嵌入你的 App 操作。
什么时候该用 Android MCP？
| 场景 | 是否推荐 |
|---|---|
| 端到端加密或敏感本地数据 | ✅ Android MCP（数据不离设备） |
| 需要设备传感器/硬件 | ✅ Android MCP（本地执行） |
| 有现成的服务端 API | ✅ 远程 MCP（跨平台触达更广） |
| 两者都有 | ✅ 两个都接（互为补充） |
Android MCP 是"把你的 App 变成 Agent 的工具"的正道。接入成本不高，收益很明确------你控制暴露什么，Agent 用结构化方式调用，快且准。
🧠 路径二：App 内嵌 Agent（ML Kit Agentic API）
路径一是"被外部 Agent 调用"。路径二反过来：你的 App 自己跑一个 Agent 。 
三个核心 API
| API | 功能 | 状态 |
|---|---|---|
| Prompt API | 直接调用设备端模型推理 | 已发布 |
| Agentic API | 自动函数调用 + 对话记录 + 编排循环 + 自动护栏 | 新发布 |
| Embeddings API | 由 EmbeddingGemma 2 驱动的嵌入向量 | Alpha |
Agentic API 是这次的新东西 ：普通的 Prompt API是你问一次，模型答一次。而Agentic API：你给模型一个目标，模型自己规划步骤、调用函数、检查结果、循环执行，直到完成。
具体能力：
- 自动函数调用------模型判断需要调什么函数，自己调；
- 对话历史保存------多轮对话不丢上下文；
- 编排循环管理------规划→执行→检查→重试，自动跑；
- 内置护栏------防止 Agent 做出不该做的操作。
Gemini Nano 4 的性能
这些 API 跑在什么模型上？Gemini Nano 4------设备端模型，不走云端。
| 指标 | 数据 |
|---|---|
| 推理速度 | 比上代 Nano 快 3 倍 |
| 内存用量 | 最多降低 4 倍 |
| 语言支持 | 140+ 种语言 |
| 多模态 | 文本 + 图片 + 音频 |
| 新能力 | 函数调用（Function Calling） |
快 3 倍是什么概念？上代 Nano 回复一个中等长度答案大约要等 2-3 秒，现在不到 1 秒。
设备端模型最大的优势不是速度，是隐私------数据全程不离开手机。对支付、健康、通讯类 App 来说，这是硬需求。
应用场景
适合想在 App 内打造"原生 Agent 体验"的团队。用户不需要离开你的 App，Agent 在 App 内部完成一切。
👁️ 路径三：什么都不做，Agent 也能用你的 App
这是 Google 设计的兜底方案。
Computer Control Framework 的工作方式：
- 1：Agent 看到用户手机屏幕上的内容；
- 2：识别 UI 元素（按钮、输入框、列表）；
- 3：模拟点击、滑动、输入等操作；
- 4：完成用户交代的任务。
不需要你的 App 做任何接入。
听起来不错？别高兴太早
| 维度 | Computer Control | Android MCP |
|---|---|---|
| 速度 | 慢（要截屏→识别→操作→再截屏） | 快（直接函数调用） |
| 准确性 | 低（UI 改版可能认错元素） | 高（结构化参数传递） |
| 数据暴露 | Agent 看到屏幕上所有内容 | 你只暴露你允许的 |
| 用户体验 | 像有人在远程操控你的手机 | 无感，后台完成 |
| 可靠性 | 脆弱（依赖 UI 布局不变） | 稳定（依赖 API 契约） |
- Computer Control 就像一个人透过窗户看你的 App，用手指在屏幕上戳。
- Android MCP 就像你给了他一把钥匙和说明书。
所以Computer Control 相对没那么精准。
为什么 Google 还要做这个？
因为现实中大部分 App 还没接入 MCP 。所以 Computer Control 是过渡方案。
总结
你的 App 什么都不做，Agent 确实也能用。但体验差、速度慢、数据暴露不可控。这不是你想要的"被 Agent 使用"的方式。
🎨 A2UI Compose Renderer：Agent 自己画 UI
这个是这次 Dev Summit 最让 Carson 惊讶的东西。
A2UI （Agent-to-UI）：Agent 通过 JSON 协议，流式生成原生 Jetpack Compose 界面。
什么意思？
- 传统做法：你写好所有 UI 布局，用户触发不同操作时显示不同界面。
- A2UI 的做法：Agent 根据用户的请求，动态生成 UI。
Dev Summit 演示里，一个"实时预订助手"：
- 用户说"帮我订下周五的航班"；
- Agent 动态生成了日期选择、座位选择、支付表单------全是原生 Compose 组件，不是 WebView；
- 整个界面没有一行预写的布局代码。
代码长什么样？
kotlin
// 👈 A2UI：Agent 输出 JSON，Compose 渲染原生 UI
val a2uiRenderer = A2UIComposeRenderer.create()
// ✅ Agent 的 JSON 流式输入 → 原生 Compose 界面输出
a2uiRenderer.render(
jsonStream = agent.streamResponse(userPrompt),
modifier = Modifier.fillMaxSize()
)A2UI Compose Renderer 目前是 Alpha 版。文档：goo.gle/a2ui-compose-docs
总结
A2UI 打开了一扇新门：UI 不再必须由开发者预先设计，Agent 可以根据上下文动态生成。这在客服、表单、预订等场景里想象空间很大。
🧑💻 对 Android 开发者意味着什么？
| 你的情况 | 建议路径 | 理由 |
|---|---|---|
| 有明确的功能想暴露给 Gemini | ✅ Android MCP | 结构化调用、体验好、你控制边界 |
| 想在 App 内做智能助手 | ✅ Agentic API | 端侧运行、隐私安全、不依赖云端 |
| 想让 Agent 动态生成 UI | ✅ A2UI（Alpha） | 适合客服/表单/预订，先做原型 |
| 什么都不想做 | ⚠️ Computer Control 兜底 | 能用，但体验差、数据暴露不可控 |
| 有敏感数据（支付/健康） | ✅ Android MCP + Agentic API | 数据不离设备，你控制暴露范围 |
| 想同时出现在搜索和 Gemini 里 | ✅ Connected Apps Platform | 目前预览版，可先申请等候名单 |
各功能状态速查
| 功能 | 状态 |
|---|---|
| AppFunctions Jetpack 库 | ✅ 已发布 |
| Connected Apps Platform | 开发者预览版（等候名单） |
| ML Kit Agentic API | 新发布 |
| ML Kit Embeddings API | Alpha |
| A2UI Compose Renderer | Alpha |
| Gemini Nano 4 新能力 | AICore 开发者预览版 |
| Computer Control Framework | ✅ 已上线 |
| LiteRT in Google Play Services | ✅ 已发布（新增 Wear OS / Auto） |
现在该做什么？
- 1：评估你的 App 有哪些功能适合暴露给 Agent------不是所有功能都需要，挑高频、明确的操作；
- 2：了解 AppFunctions Jetpack 库------这是 Android MCP 的底层实现，API 已可用；
- 3：试试 Agentic API + Gemini Nano 4------通过 AICore 开发者预览版体验；
- 4：不要依赖 Computer Control 作为长期方案------它是兜底，不是正道；
- 5：关注 Connected Apps Platform 的开放进度------目前是预览版，后续会自助开放。
Android 正在从"用户操作 App"变成"Agent 替用户操作 App"。