Google 評完上千份 AI Agent 作品：得名的都用同四招，其中一招省掉 40% 的模型呼叫（2026-09 實查）

Google 在 2026-09-02 的開發者部落格發了一篇賽後檢討，作者是 Google Cloud AI 的技術解決方案工程師 Sergio Villani。他們剛評完 Google for Startups AI Agents Challenge，收到來自世界各地的上千件作品。

文章開頭有一句話很不客氣，但值得抄下來：「multi-agent system（多代理系統）」是最常見的宣稱，仔細看才發現，有些真的是精緻的多代理架構，有些只是一個模型跑一串提示詞、然後幫每一步取了代理的名字。

而排在各組前段的作品，反覆出現同樣四個工程決策。以下是官方原文的白話版，查核日 2026-09-07。

招式一：你替自己做的工具，也能給別的代理用（雙向 MCP）

多數作品把 MCP 當單行道：代理去呼叫工具伺服器拿資料。有一隊做成雙向——代理透過自己的 MCP 工具層去讀遙測資料庫，然後把同一套推理能力反過來開成 MCP 伺服器，讓其他代理直接呼叫。

原文特別強調，光是「內部那一半」就已經值得了。理由很實際：天真的做法是直接對遙測資料庫下 SQL，然後把每一列都塞進模型的上下文——在真實的正式資料庫上，這正是一次請求就燒爆 token 預算的標準死法。改走工具層之後，代理可以先程式化地篩選、只撈某個工作的執行計畫或某段堆疊追蹤，上下文才小到真的能推理。

而且先經過工具層，才有辦法對外開放：一個只回傳「有邊界、有目的」答案的工具，交給你無法控制的呼叫方是安全的；一條原始 SQL 連線永遠不是。

原文也點出容易漏掉的一點：一旦服務對象是你控制不了的呼叫方，那台伺服器就需要真正的存取控制。

今天就能做：如果你的代理已經用 MCP 讀自己的資料，去估一下「把同一批工具對外開放」還差多少工——通常比另外做一套人用的 API 便宜。

招式二：讓多個代理同時對同一個事件反應

有一隊第一版做成線性流水線：感測監控代理呼叫合規代理、合規代理呼叫住戶通知代理、再呼叫派工代理。當展示品沒問題，碰到真實情境就垮了——原文舉的例子是從步態變化判斷跌倒風險、同時比對即時藥物交互作用資料庫、還要在可處理的時間窗內把訊息送到對的人手上。

解法是換成非同步事件匯流排：四個獨立的 asyncio.Queue，各自有 worker 協程。代理不再互相呼叫並等回傳值，而是發布具型別的事件到具名主題，各自訂閱關心的主題。步態速度下降 15% 以上就發出 CLINICAL.ANOMALY_DETECTED，合規代理早就在那裡等著。

今天就能做：檢查你的架構裡有沒有「兩個代理其實該同時對同一個訊號反應、卻被迫排隊」。原文的判定很銳利——那就是一個披著多代理外皮的單執行緒系統。

招式三：備援模型也要過同一個標準

有一隊的臨床推理代理跑在 Gemini 3.1 Pro 上，實際負載下 Pro 開始回 503。多數作品的處理方式是對同一個模型加重試迴圈就算了。這一隊改成備援到 Gemini 3.6 Flash（含退避重試），並且讓兩個模型的回應都通過同一個驗證函式——一個引用檢查，確認答案真的指名了實際存在的臨床指引，而不只是聽起來很像醫學的句子。

原文說值得偷的細節不是「有備援」，而是驗證放在哪裡：不是主路徑一份、備援路徑一份（那種寫法遲早改了一份忘了另一份），而是只有一個 validate_clinical_response()，兩條路都被迫呼叫它。

今天就能做：去看你的備援觸發之後跑的那段程式。如果它少了主路徑有的驗證步驟，你等於出貨兩個產品、卻只測了一個。

招式四：把貴的呼叫擋在後面（分層路由）

有一隊實際量測後發現，吃掉推論預算的不是難題，是簡單題：「我的訂單在哪」「取消預約」這類請求，跟真正模稜兩可的問題走了同一套完整模型呼叫。

他們的解法是在代理前面放三層分類器：

1. 本機正規表達式先攔截導覽型意圖，零 token。
2. 模稜兩可的才交給一次便宜的 Gemini 呼叫，只用十個 token、temperature 0.1，純粹用來判斷意圖。
3. 兩關都活下來的，才進到完整推理模型。

光是第一關就處理掉超過 40% 的來訊（他們自己的量測），連一次真正的模型呼叫都沒發生。

今天就能做：在假設「需要更大的模型」之前，先看自己的流量分佈。便宜的第一關通常比換模型走得更遠。

這四招的共同點

原文結尾寫得很清楚：這四個模式都不需要更大的團隊或更新的模型，它們只是常被忽略的紮實工程實務。 而且可以疊加——有一隊同時用了第一招與第三招：根代理並行展開專家代理，再把整層推理開成 MCP 伺服器供其他代理呼叫。

Google 也順帶說明，用 Agent Development Kit（ADK）與 Agents CLI 建的作品最常出現這些模式，因為框架在並行、備援、把工具交給另一個代理這幾件事上不會擋路。

想在自己的專案裡打包這些能力，可以一起看 Agent Plugins 1.0 標準。

本文依據 Google 開發者部落格（2026-09-02，4 engineering patterns behind the strongest AI Agents Challenge submissions） 直讀整理，查核日 2026-09-07。原文未具名任何參賽團隊，所有數據（40%、15%、十個 token）均為原文自述之參賽者量測值。Gemini 方案價格整理見 Gemini 工具頁。