Google Cloud CEO Thomas Kurian 发布了面向金融服务行业的 Gemini Enterprise for Financial Services。这个产品的核心逻辑是：模型能力本身不够，必须和可信任的金融系统深度集成，才能在实际业务中落地。为此，Google 把产品拆成了四层：技能、连接器、智能体、伙伴生态，底层用统一治理兜底。

第一层是可复用的金融技能包。每个技能包封装了指令和上下文，教模型按机构自己的方式做事，比如自定义报告格式、特定的研究方法或数据口径。这些技能包既能开箱即用，也允许企业自建。第二层是基于 MCP 的直连集成，覆盖 FactSet、Moody’s、MSCI、PitchBook、SEC Edgar、Dun & Bradstreet、Daloopa、Finnhub、Guidepoint 等数据源，访问权限和合规边界由原系统控制，未授权数据不会被模型触碰。第三层是开箱即用的 agent，包括财务研究代理，它内置约 50 项基础技能，可端到端执行研究流程，并通过 A2A 协议接入现有 agent 工作流。第四层是伙伴生态，已接入 66degrees、Accenture、Deloitte、KPMG、Infosys 等系统集成商。

治理层面，单一控制台面向 IT 与风险团队，原生支持 VPC、CMEK 加密与私有数据隔离，所有输出都锚定可溯源引用。应用场景覆盖投行、私行与资管：包括客户经理洞察、KYC 与尽调自动化、交易台宏观经济新闻综合，以及承销环节的客户简报生成。有两组值得注意的数字：债券组合层面的久期对冲工作流简化；将 pitchbook 制作周期从天级缩短到分钟级。目前官方没有给出独立的延迟基准或准确率评测，更多是场景与流程层面的描述。

配套的 MCP 连接器覆盖 FactSet、Moody’s、MSCI、Finnhub、PitchBook、Daloopa 及 SEC EDGAR 等数据源，并在 Google Workspace 内原生集成 Sheets、Slides 与 Docs。该方案是与德意志银行、CME Group 等机构共同设计的，其中德意志银行作为 Financial Research agent 的设计伙伴，参与塑造了数据保护与治理相关能力。

整体上，这是一次典型的企业级 AI 产品发布，亮点在于把 Agent 能力与金融专用数据源、权限体系和审计要求做了绑定，而不是停留在通用问答层面。如果你是做金融行业 AI 架构或采购决策的人，值得关注它的 MCP 连接器与治理控制面设计；但若期待看到性能评测或客户实测数据，这篇公告没有提供。