Google heeft met het Gemini Enterprise Agent Platform een volwaardige opvolger van Vertex AI gelanceerd. Waar Vertex AI vooral draaide om modelontwikkeling en experimenten, richt dit nieuwe platform zich op iets fundamenteels anders, namelijk het bouwen, uitrollen en beheren van AI-agents die autonoom werk kunnen verrichten binnen een onderneming. Dat onderscheid is belangrijk, want agents die zelfstandig beslissingen nemen en acties uitvoeren vragen om een andere infrastructuur dan een chatbot die één vraag per keer beantwoordt.

In deze blogpost lees je wat het platform precies inhoudt, hoe de vier kernpijlers in elkaar zitten en welke keuzes je maakt als je zelf agents wil bouwen. We kijken ook naar concrete voorbeelden van organisaties die er al mee werken, van L’Oréal tot Comcast en PayPal.

Van modelplatform naar agent-infrastructuur

Het vorige generatie werk met generatieve AI vroeg om veel handmatig engineeringwerk. Teams bouwden losse componenten, voegden zelf geheugen toe, schreven eigen orkestratie en probeerden daarna alles werkend te krijgen binnen de veiligheidsvereisten van hun organisatie. Het resultaat waren vaak losse prototypes die moeilijk productieklaar te krijgen waren.et Gemini Enterprise Agent Platform probeert dat probleem op te lossen door alle noodzakelijke lagen samen te brengen: modelselectie, agentontwikkeling, uitvoering, governance en observability. Google heeft aangekondigd dat alle bestaande Vertex AI-diensten voortaan via dit platform worden geleverd, dus de migratie is geen optie maar de nieuwe standaard.

De vier pijlers van het platform

Google heeft het platform opgebouwd rond vier duidelijke functies, namelijk bouwen, schalen, besturen en optimaliseren. Elk van deze pijlers bevat een reeks specifieke componenten.

1. Bouwen, van visueel canvas tot code

Niet elke agent hoeft door een senior engineer te worden gebouwd. Daarom biedt het platform twee ingangen, namelijk Agent Studio als low-code omgeving en de Agent Development Kit (ADK) voor ontwikkelaars die volledige controle willen over de logica. De ADK verwerkt inmiddels meer dan zes biljoen tokens per maand via Gemini-modellen en ondersteunt een graph-gebaseerd model waarmee je sub-agents kan organiseren in netwerken die samen complexe taken oplossen.

Via Agent Garden krijg je toegang tot kant-en-klare templates voor onder meer factuurverwerking, financiële analyse en codemodernisatie. Wie liever direct begint in de visuele omgeving en later overstapt naar code, kan de logica rechtstreeks exporteren van Agent Studio naar de ADK. De recent toegevoegde Agents CLI gaat nog een stap verder, want die geeft coding assistants zoals Gemini CLI of Claude Code directe toegang tot de volledige agent stack via één commandoregel.

2. Schalen met een herbouwde runtime

De nieuwe Agent Runtime levert sub-second cold starts en ondersteunt long-running agents die dagenlang autonoom taken kunnen uitvoeren. Denk aan een verkoopagent die een meerstaps prospectiesequentie beheert, of een onderzoeksagent die over een werkweek verdeeld bronnen analyseert. Voor persistent geheugen is er de Memory Bank, die samen met Memory Profiles zorgt dat context tussen sessies bewaard blijft.

Een ander belangrijk onderdeel is de Agent Sandbox, een afgeschermde omgeving waarin model-gegenereerde code en browsertaken veilig kunnen draaien zonder risico voor je eigen systemen. En voor orkestratie tussen agents onderling biedt het platform zowel generatieve als deterministische patronen, zodat kritieke processen zoals compliance-checks altijd dezelfde vaste route volgen.

3. Besturen met verifieerbare identiteit

Een agent die acties uitvoert namens een gebruiker moet traceerbaar zijn. Het platform introduceert daarvoor drie samenhangende componenten.

  • Agent Identity geeft elke agent een uniek cryptografisch ID, zodat elke actie herleidbaar is tot een specifiek autorisatiebeleid.
  • Agent Registry fungeert als centrale catalogus van goedgekeurde agents, tools en skills binnen je organisatie. Alleen assets die hier staan zijn beschikbaar voor gebruikers.
  • Agent Gateway werkt als een soort verkeerstoren die alle verbindingen tussen agents en tools beheert, met consistente beveiligingsregels en bescherming tegen prompt injection en datalekken via Model Armor.

Daarbovenop komt Agent Anomaly Detection, dat met statistische modellen en een LLM-as-a-judge afwijkend gedrag signaleert. Een apart Agent Security dashboard binnen Security Command Center bundelt dreigingsdetectie, kwetsbaarheidsscans en relaties tussen agents en modellen.

4. Optimaliseren met simulatie en evaluatie

Voor je een agent live zet, wil je weten of die betrouwbaar reageert op realistische input. Agent Simulation laat je synthetische gebruikers en gevirtualiseerde tools loslaten op je agent, waarbij deze automatisch wordt gescoord op taaksucces en veiligheid over meerdere gespreksbeurten.

In productie neemt Agent Evaluation het over, met multi-turn autoraters die de logica van een hele conversatie beoordelen in plaats van losse antwoorden. Via Agent Observability zie je hoe een agent redeneert, en Agent Optimizer clustert fouten automatisch en stelt aangepaste systeeminstructies voor. Dat bespaart je handmatig gegraaf door logbestanden.

Toegang tot meer dan 200 modellen

Een sterke agent valt of staat met het juiste model. Via Model Garden heb je toegang tot meer dan 200 modellen, waaronder de nieuwste Gemini 3.1 Pro, Gemini 3.1 Flash Image en Lyria 3, open modellen zoals Gemma 4 en externe opties zoals Claude Opus, Sonnet en Haiku van Anthropic. Die flexibiliteit betekent dat je per taak het model kan kiezen dat het best presteert, zonder vast te zitten aan één leverancier.

Hoe organisaties het platform nu al gebruiken

De theoretische mogelijkheden van zo’n platform zeggen weinig zonder praktijkvoorbeelden. Een aantal klanten geeft een concreet beeld van wat er mogelijk is.

  • L’Oréal bouwt een eigen Beauty Tech Agentic Platform bovenop de ADK, waarbij agents via het Model Context Protocol veilig verbonden zijn met de interne data- en bedrijfsapplicaties. Het doel is de verschuiving van deterministische workflow-automatisering naar autonome, uitkomstgerichte orkestratie, zonder de menselijke controle los te laten.
  • Comcast heeft zijn Xfinity Assistant herbouwd met de ADK en een multi-agent architectuur uitgerold via Agent Runtime. Het resultaat is een persoonlijkere probleemoplossing die meer klantvragen in één interactie afhandelt.
  • Color Health gebruikt het platform voor een Virtual Cancer Clinic, waarbij de Color Assistant gebruikers helpt met screeningcriteria voor borstkanker en afspraken met clinici inplant.
  • Payhawk maakt van zijn Financial Controller Agent een volwaardige collega via de Memory Bank. De agent onthoudt gebruikersgewoonten en dient uitgaven automatisch in, wat de verwerkingstijd met meer dan de helft vermindert.
  • PayPal zet de ADK in voor agent-based commerce en gebruikt het Agent Payment Protocol om betalingen via agents betrouwbaar af te handelen.
  • Gurunavi draait zijn restaurantapp UMAME op Memory Bank, waarbij eerdere voorkeuren van gebruikers proactief worden meegenomen in nieuwe suggesties.

Wat deze voorbeelden verbindt, is dat het niet meer gaat om experimentele chatbots maar om agents die ingebed zitten in bedrijfskritische processen.

Integratie met Google Workspace

Een apart aandachtspunt is de koppeling met Google Workspace. Via databronnen voor Calendar, Gmail, Drive en NotebookLM kunnen agents direct acties uitvoeren zoals een afspraak plannen of een e-mail sturen, zonder dat je zelf integratiecode hoeft te schrijven. Wie verder wil gaan, kan via Workspace-add-ons een agent rechtstreeks naast een openstaand e-mailbericht laten werken, met volledige context over de afzender en inhoud.

De combinatie is interessant omdat Workspace de plek is waar werknemers al zitten. Een agent die daar contextueel assisteert voelt veel natuurlijker dan een aparte interface die je telkens apart moet openen.

Wanneer kies je voor low-code, wanneer voor pro-code

Een praktische vraag die vaak terugkomt, is welk ontwikkelpad je kiest. Globaal geldt het volgende:

  • Ga voor Agent Studio of de Agent Designer in Gemini Enterprise als je snel een agent wil opleveren die standaard tools en databronnen gebruikt, bijvoorbeeld een assistent die op basis van agenda en mail antwoord geeft.
  • Kies voor de Agent Development Kit wanneer je custom tools nodig hebt, meerdere agents wil laten samenwerken of specifieke regels in code wil definiëren. De ADK is model-agnostisch, dus je zit niet vast aan Gemini.
  • Gebruik de Agents CLI als je een coding assistant zoals Gemini CLI, Cursor of Claude Code wil laten samenwerken met het platform. De CLI injecteert de juiste skills zodat je assistent weet hoe de onderdelen op elkaar aansluiten.

In de praktijk zien veel teams dat ze starten in Agent Studio voor een eerste prototype en later overstappen naar de ADK wanneer de logica complexer wordt. Die migratie is expliciet ondersteund, dus je levert er geen werk mee in.

Waar je op moet letten bij adoptie

Het platform biedt veel, maar dat betekent niet dat je alles in één keer moet uitrollen. Een paar aandachtspunten uit de praktijk:

  • Begin met één duidelijk afgebakend proces waar de baat meetbaar is, bijvoorbeeld factuurverwerking of eerstelijns klantenservice.
  • Breng je governance-eisen vooraf in kaart, vooral rond identiteit, datatoegang en auditing. De Agent Registry en Agent Gateway zijn alleen nuttig als je weet welke regels je wil afdwingen.
  • Investeer in evaluatie vanaf dag één. Zonder Agent Simulation en Agent Evaluation krijg je geen zicht op regressie wanneer je modellen of instructies aanpast.
  • Reserveer tijd voor geheugenstrategie. Memory Bank en Sessions werken anders dan klassieke stateless API’s, en de keuzes daarrond bepalen hoe persoonlijk en accuraat de agent aanvoelt.