AI时代，你的 App 会被 Agent 这三种方式调用

Carson带你学Android
0 阅读8分钟

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 MCP2. Agentic API3. Computer Control
简介App 主动暴露功能给 AgentApp 内部自己跑 AgentAgent 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：

// 👈 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 ControlAndroid 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？

// 👈 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 APIAlpha
A2UI Compose RendererAlpha
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"。

avatar
文章
阅读
粉丝