NVIDIA 在 2026 年 6 月 23 日介紹 Agent Toolkit，主題是企業如何建立可相信的 specialized AI。這套 Toolkit 由 models、tools、skills 和 secure runtime 組成，目標是讓企業和開發者建立更安全、更快、成本更低，而且可以被控制和專門化的 digital AI coworkers。
這篇文章的重要性，在於它把 agent 從「通用助手」推向「企業工作系統」。很多公司已經試過用通用 chatbot 產生內容或回答問題，但真正落地時會遇到資料權限、工具連接、執行環境、成本、審計和行業知識不足等問題。NVIDIA 的說法是，企業需要可以按工作流定制的 agent stack。
Agent Toolkit 的結構把 agent 能力拆成幾個層面。Models 提供推理能力，tools 讓 agent 可以採取行動，skills 封裝特定任務知識，secure runtime 則處理執行、控制和信任邊界。這種分層很接近企業實際需要，因為不同部門的 agent 不可能只靠同一個 prompt 解決所有問題。
NVIDIA 也把 specialized agents 放在多個行業語境裏，包括 healthcare、cybersecurity、operations 和 chip design。這些場景都有共同特徵：資料專業、流程嚴格、錯誤成本高、需要可解釋和可審計。Agent 如果要進入這些地方，必須能接入正確工具，同時受到明確 runtime 和政策約束。
另一個重點是 open 和 modular。企業不一定想被單一封閉 agent 平台鎖住，尤其當模型、工具和資料部署可能跨 cloud、on-prem、私有資料庫和行業系統。模組化 toolkit 讓企業可以替換模型、加入自家工具、定義 skills，並按成本、延遲、安全和治理要求調整架構。
這也反映 agent 市場正在成熟。早期大家比較「模型能不能回答」，現在開始比較「agent 能不能在真實環境裏安全完成工作」。能否治理 runtime、限制工具、追蹤行動、審核輸出、整合企業資料，會逐步比單次回答能力更重要。NVIDIA 把這些元素包成 toolkit，正是瞄準 production adoption 的痛點。
對企業的實際啟示是，不要只購買一個通用 agent 然後期待它理解所有流程。更可行的做法，是先選一個高價值工作域，定義資料、工具、技能、審批和監控，再把 agent 放進去。Specialized agents 的價值不在於取代所有人，而是把重複、跨系統、可驗收的工作變成可控的數碼同事。
