一句话看懂：Snowflake 宣布为 Cortex Agents 扩展一系列新能力，覆盖构建、运行和管理三个环节，试图解决 AI Agent 从原型走向企业级规模化部署时遇到的工具复用、长任务执行和权限治理等运营难题。
事件核心：发生了什么
Snowflake 在官方技术分享中公布了 Cortex Agents 的新功能路线图。过去一年，客户已从部署第一个 Agent 逐步过渡到管理企业级部署，过程中暴露出编排、执行和治理层面的新挑战。此次更新正是针对这些运营问题，而非模型能力本身。
具体变化包括：Coding Agent（基于与 Snowflake 旗下编码 Agent CoCo 相同的 runtime）即将进入 public preview，允许开发者通过 REST API 将编码能力嵌入自有应用；Async Agent API 即将正式可用，让长任务在后台运行，无需保持 HTTP 连接；同时新增 Interrupt and Resume 能力，支持中断正在运行的 Agent、修正指令后从中断点继续执行。
在治理层面，Versioning UI 已进入 public preview，支持可视化对比、回滚和推广 Agent 配置，不再需要手工编辑 YAML 文件。Partial Access 功能则允许同一个 managed agent 服务不同权限等级的用户，权限控制由 Snowflake 层强制执行。
为什么重要
这组更新传递了一个明确信号：企业 AI 的第一代重点是“把 Agent 构建出来”，下一代则是“把 Agent 稳定运营到规模化”。Snowflake 没有选择继续堆砌模型能力，而是把注意力放在工具发现、上下文优化、任务恢复和权限隔离这些“工程细节”上，因为它们才是大规模部署中真实的瓶颈所在。
从行业竞争看，这体现了数据平台型厂商切入 Agent 基础设施赛道的差异化路径：不直接与通用型 coding agent 竞争，而是将编码能力、数据权限和治理边界打包成托管服务，让企业无需自建编排和队列基础设施。这也意味着，Agent 平台的竞争正从“谁能生成更好的代码”转向“谁能让复杂工作流在受控环境下可靠运行”。
对用户/开发者/创作者的影响
对于正在搭建 Agent 应用的开发者，最直接的变化是维护成本的下降。Agent Toolset 允许在当前的 Agent 规范中直接引用另一个 Agent 的 tools，无需复制定义；Skills Package 则将精选技能打包为单一对象，通过 URI 引用，更新一次即可同步到所有引用它的 Agent。Tool Search 则采用渐进式披露策略，按需加载工具定义，减少上下文窗口压力，对处理几十种工具集成的团队有明显帮助。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对企业内部工具使用者而言，Async Agent API 和 Interrupt and Resume 解决了实际痛点：长时间运行的报告生成、数据核对类任务不再需要保持连接打开，中途修正方向也无需从头再来。Code Execution Tool 的沙箱化 Python 环境则让 Agent 能在一次运行中完成从数据分析到生成 PDF 报告的全流程，数据不需要离开 Snowflake 边界。
值得关注的后续
目前公开信息显示，这些能力大多处于 public preview 或即将 generally available 的阶段，实际效果有待验证。建议关注三个观察点：其一，工具复用和上下文优化能力是否能显著降低企业 Agent 的 token 消耗和维护成本，这直接影响规模化部署的经济性；其二，Interrupt and Resume 在实际工作流中的稳定性和状态恢复准确率，这决定了它能否成为生产环境中的可靠能力；其三，Snowflake 以数据治理为核心构建的 Agent 平台路线，是否会推动其他云数据平台或数据库厂商跟进类似能力，进而影响企业级 Agent 基础设施的市场格局。
来源：InfoQ CN
