NVIDIA 在 2026 年 6 月 23 日介绍 Agent Toolkit，主题是企业如何建立可相信的 specialized AI。这套 Toolkit 由 models、tools、skills 和 secure runtime 组成，目标是让企业和开发者建立更安全、更快、成本更低，而且可以被控制和专门化的 digital AI coworkers。
这篇文章的重要性，在于它把 agent 从「通用助手」推向「企业工作系统」。很多公司已经试过用通用 chatbot 产生内容或回答问题，但真正落地时会遇到资料权限、工具连接、执行环境、成本、审计和行业知识不足等问题。NVIDIA 的说法是，企业需要可以按工作流定制的 agent stack。
Agent Toolkit 的结构把 agent 能力拆成几个层面。Models 提供推理能力，tools 让 agent 可以采取行动，skills 封装特定任务知识，secure runtime 则处理执行、控制和信任边界。这种分层很接近企业实际需要，因为不同部门的 agent 不可能只靠同一个 prompt 解决所有问题。
NVIDIA 也把 specialized agents 放在多个行业语境里，包括 healthcare、cybersecurity、operations 和 chip design。这些场景都有共同特征：资料专业、流程严格、错误成本高、需要可解释和可审计。Agent 如果要进入这些地方，必须能接入正确工具，同时受到明确 runtime 和政策约束。
另一个重点是 open 和 modular。企业不一定想被单一封闭 agent 平台锁住，尤其当模型、工具和资料部署可能跨 cloud、on-prem、私有数据库和行业系统。模块化 toolkit 让企业可以替换模型、加入自家工具、定义 skills，并按成本、延迟、安全和治理要求调整架构。
这也反映 agent 市场正在成熟。早期大家比较「模型能不能回答」，现在开始比较「agent 能不能在真实环境里安全完成工作」。能否治理 runtime、限制工具、追踪行动、审核输出、整合企业资料，会逐步比单次回答能力更重要。NVIDIA 把这些元素包成 toolkit，正是瞄准 production adoption 的痛点。
对企业的实际启示是，不要只购买一个通用 agent 然后期待它理解所有流程。更可行的做法，是先选一个高价值工作域，定义资料、工具、技能、审批和监控，再把 agent 放进去。Specialized agents 的价值不在于取代所有人，而是把重复、跨系统、可验收的工作变成可控的数字同事。
