金融机构缺的从来不是又一个会总结报告的聊天框，而是能在付费数据、内部模型、客户文件和审计规则之间安全工作的Agent。Google发布预览版Gemini Enterprise for Financial Services，把专业Skills、MCP连接器、可执行Agent、合作伙伴生态和统一治理面打包进资本市场与公司银行工作流。更值得FDE团队注意的是，产品页面直接把安全连接器的部署与配置交给Forward Deployed Engineers：交付角色不再是售后补丁，而成为平台运行方式的一部分。

Skills把金融经验变成可复用的执行单元

Google把Skill定义为指令与上下文的可复用包，用来教Agent按一家机构自己的方法完成任务：采用固定报告格式、提取特定数据切片、遵循既定研究步骤。它们既可被Google托管的Financial Research agent调用，也能提供给企业自行构建的Agent。核心Agent带有50多项基础Skills，覆盖信用风险、投资组合监测、市场新闻综合、KYC与调查研究等工作。

关键不是数量，而是Skills能否承载组织差异。同一份信用备忘录，在不同银行可能需要不同数据源、风险阈值、引用格式和审批节点。把这些规则从Prompt中拆成可版本化资产，FDE才有机会与业务专家共同维护，并在模型更换后复用。Skills如果只剩通用模板，则仍会退化成演示；如果能绑定数据权限、评估集和人工责任人，才可能变成真正的流程接口。

MCP解决连接问题，FDE解决“能不能在这家公司运行”

平台通过MCP连接Microsoft 365、Google Workspace以及FactSet、LSEG、Moody's、MSCI、PitchBook、S&P Global、SEC Edgar等金融数据源。访问沿用既有许可：付费数据仍受许可约束，内部数据仍按原权限开放。分析师不需要把专有组合手工上传，连接器在机构环境中通过API就地检索，降低复制敏感数据形成新孤岛的风险。

但协议统一不等于项目自动落地。FDE仍要映射身份、数据血缘、字段语义、网络边界、缓存策略和失败恢复，还要确认每一条输出能否追溯到当时使用的数据快照。Google明确由FDE部署和配置连接器，说明企业AI的稀缺能力已经从“会调用模型”转向“把模型嵌入真实组织”。这也是产品竞争从模型能力转向交付系统的直接证据。

治理面把Agent身份、数据血缘和人工审计放在一起

Financial Research agent输出置信度、方法步骤、历史数据快照和原始材料引用；底层控制面提供VPC Service Controls、客户管理密钥、私有数据隔离、统一策略与审计。它还可以通过A2A接口进入现有Agent编排，而不是要求所有分析师迁移到一个新应用。对大型机构，这种“前台可替换、治理统一”的结构比单个超级Agent更现实。

平台也引入FactSet、Dun & Bradstreet、S&P Global等数据伙伴，以及德意志银行和CME Group等设计合作机构；现成伙伴Agent覆盖商业验证、贷款材料核对和多步研究。具名参与者证明连接生态存在，但不能等同于所有功能已在客户生产环境规模化。设计合作与正式上线、合同SLA和真实ROI仍是不同阶段。

编辑判断：这是FDE产品化的一步，不是金融Agent已经毕业

Google这次最重要的变化，是把“领域Skill＋受权数据＋执行接口＋治理＋现场工程”组合成一项行业产品。过去每个金融Agent项目都要从连接器、权限和审计重新搭建，如今平台试图提供标准底座，让FDE把时间投入到机构差异和工作流重构。若这种方式成立，企业买到的不只是模型调用额度，而是一套可复制的实施模板。

限制也很清楚：产品仍处预览阶段，公开材料没有价格、可用区域、性能上限、任务完成率、人工介入率或成本回收周期。置信度与引用能提高可审计性，却不能从机制上保证没有幻觉；连接的数据越多，权限配置错误的后果越大。下一步应看德意志银行等设计伙伴是否给出基线、样本和生产指标，以及FDE能否把一次定制沉淀为跨团队复用的Skills与连接模板。只有交付成本持续下降，这个平台才真正具有规模优势。