文丨苏扬
编辑丨徐青阳
Android正在为AI智能体打开更多入口。
美国当地时间10月28日，谷歌举行Android Dev Summit 2026开发者峰会，发布了一系列开发工具和平台更新。
这次更新涉及Android Studio、Android CLI、性能分析工具，以及Jetpack Compose等开发框架。
变化的重点，是让AI从编写代码的辅助工具，进一步参与项目构建、测试、调试和优化，同时保留开发者对模型、工具和开发流程的选择权。
对于开发者而言，这不仅关系到写代码的速度，也涉及应用质量、调试成本，以及未来Android应用如何与AI智能体协作。
01 Android Studio更开放了
过去，开发者使用AI编程工具，往往需要在不同产品之间切换：先让AI生成代码，再回到Android Studio编译、运行，遇到问题后重新整理日志和项目上下文，交给AI分析。
谷歌希望减少这些来回切换。
Android Studio Rabbit 2现已正式稳定支持Bring Your Own Agent（BYOA），开发者可以在IDE内接入自己选择的编程智能体。谷歌称，目前支持的ACP兼容智能体超过40个，涵盖Claude Agent、OpenAI Codex、Google Antigravity等工具。
ACP即Agent Client Protocol，是用于连接编程智能体与开发环境的开放协议。开发者可以在Android Studio中安装多个智能体，根据任务需要切换，不必完全依赖某一家模型供应商。
接入后，智能体还可以使用Android Studio已有的开发能力，包括项目结构理解、符号解析、Jetpack Compose界面预览、模拟器和Logcat日志等。相比只向通用大模型提供代码片段，这种方式能够让智能体获得更多与实际项目有关的信息。
谷歌还新增了Change Review功能。开发者可以针对智能体生成的代码修改或Git变更发起审查，系统会生成潜在问题报告，也可以通过“/review”命令让智能体检查较大规模的代码变更，并继续修复发现的问题。
另一项更新是Android Bench 2.0，用于评估不同模型及智能体组合完成真实Android开发任务的能力，包括根据设计稿构建应用、迁移界面等。评估不仅看代码能否编译，还会检查最终功能是否正常，并衡量完成任务所需的时间和成本。
这意味着开发者不仅可以自行选择模型，也能通过实际开发任务比较不同模型的表现。
02 智能体可调用完整工具链
Android Studio主要服务于日常开发，而Android CLI的目标是让Android开发能力进入终端、自动化脚本和持续集成流水线。
通过Android CLI，智能体可以调用Android工具，不必始终打开完整的IDE。
首先是远程真实设备测试。开发者可以使用android device remote从谷歌设备实验室申请真实Android设备，安装和测试应用。Android Device Hub则提供统一界面，用来查看和操作本地、远程设备及模拟器。
模拟器能够覆盖大量测试场景，但真实设备的硬件差异和系统行为仍可能暴露模拟环境无法复现的问题。将真实设备纳入智能体工作流，有助于自动执行更多测试任务。
其次是界面预览。新增的android preview命令可以直接在终端渲染Jetpack Compose预览，无须启动模拟器或打开IDE。智能体修改界面后，可以立即检查不同屏幕尺寸下的显示效果，再继续调整。
谷歌称，在内部测试中，使用该命令的智能体完成UI任务的速度提高了77%，Token使用量最多减少约三分之二。
谷歌还推出了官方Android智能体插件，整合Android CLI、官方技能和平台知识，并支持在智能体对话窗口中查看Compose预览、操作虚拟及真实设备。Claude Code和Codex也有相应的官方插件。
与此同时，谷歌提供了30多项Android Skills，覆盖20多个领域，包括Compose性能优化、相机API和权限安全审查等。开发者可以按需安装，让智能体在执行特定任务时调用相应的操作规范和专业知识。
03 性能工具接入AI工作流
代码生成得更快，并不意味着应用质量自然提高。内存泄漏、启动缓慢、界面卡顿和线上崩溃，仍然需要开发者花时间定位。
谷歌此次更新的一条重要主线，是让智能体直接参与这些工作。
内存泄漏排查方面，Android CLI新增了与LeakCanary集成的分析能力。LeakCanary是一款用于检测Android内存泄漏的开源工具。通过android profiler leakcanary，开发者可以分析堆转储文件，查找异常对象及其引用关系。
在峰会演示中，Claude Code接收任务后，会在多台设备上执行关键用户操作，利用LeakCanary寻找内存泄漏，追踪问题代码，修改后重新运行测试，确认问题是否解决。
在Claude Code中使用“android profiler memory leak”子命令查找并修复内存泄漏
谷歌表示，在内部测试中，能力较强的模型使用Android CLI完成这一流程时，速度接近未使用CLI时的两倍，Token消耗最多减少25%。相关功能正在逐步提供，Android Studio Canary版也在推进内存泄漏分析与AI修复能力的整合。
性能分析方面，Android Performance Analyzer（APA）可以通过Android CLI调用。智能体能够采集系统跟踪数据，分析应用冷启动延迟、界面卡顿和后台唤醒等问题，再提出修改建议并测量修复效果。
新版跟踪数据还可以关联源文件、代码行号及参数信息，方便开发者把性能问题定位到具体代码。
使用Android Performance Analyzer中的新智能体对应用启动Perfetto跟踪记录进行智能体分析
线上问题诊断也有更新。新增的android signals命令将Android vitals和Firebase Crashlytics等生产环境数据带入终端，方便智能体查询崩溃、应用无响应（ANR）和内存问题。Crashlytics还将支持收集真实设备发生内存溢出时的堆转储，结合R8映射文件进行反混淆，再通过Perfetto查看。
此外，谷歌更新了R8配置分析工具，帮助开发者发现影响代码压缩与优化的配置问题。Jetpack Compose 1.13也将加入重组追踪功能，帮助开发者查明界面组件为何重新执行组合，以及触发变化的状态来源。
这些工具将问题发现、原因定位、代码修改和修复验证连接起来。AI能否真正提高开发效率，不仅取决于它写代码的能力，也取决于它能否使用这些工具完成后续工作。
04 跨设备开发继续推进
除了开发工具，谷歌也在调整Android应用与系统级AI之间的关系。
此次大会公布的AppFunctions API、Android MCP和A2UI，分别从应用功能调用、智能体工具接入和界面呈现三个方面，为AI与Android应用协作提供支持。
AppFunctions是Android统一的工具调用层，目前处于Beta阶段。开发者可以通过它向智能体开放应用功能，让系统级或应用内智能体调用相应服务。
Android MCP则为应用能力接入不同智能体提供支持。谷歌同时推出Connected Apps Platform，让开发者探索如何将应用服务接入Gemini等系统级AI入口。未来，用户可能直接向AI提出需求，由智能体调用应用功能完成任务，而不必每次都手动打开应用、寻找入口。
A2UI（Agent-to-UI）目前处于Alpha阶段。它允许智能体通过Jetpack Compose原生渲染器，将回复转化为可交互界面，并使用应用自身的组件，而不只是返回文字。对于需要表单、操作按钮或动态信息展示的场景，这提供了新的交互方式。
设备端智能体也是谷歌的布局方向。ML Kit新增基于Gemini Nano 4的智能体API，目前处于Alpha阶段，支持函数调用、对话历史管理和执行流程控制，开发者可以据此探索更多在设备端运行的智能体体验。
随着Android应用覆盖手机、平板及XR眼镜等不同形态，界面布局、导航和状态保存需要应对更多设备差异。谷歌正在推进基于Jetpack Compose的自适应开发能力。
Android XR方面，谷歌宣布眼镜模拟器进入稳定阶段，覆盖XR眼镜、音频眼镜和显示眼镜。开发者可以在Android Studio中创建相应模拟设备，测试应用在不同环境下的表现。
从此次更新看，谷歌并没有要求开发者统一使用某个AI模型，而是将平台知识、编译测试、真实设备和性能分析能力开放给不同智能体。部分功能已经稳定发布，另一些仍处于Alpha、Beta或Canary阶段，实际效率提升也会因项目和任务而异。
短期来看，智能体能否可靠调用工具、理解项目上下文，并在修改代码后验证结果，将决定这些更新的实际价值。更长远的变化在于，Android应用不仅要服务于直接操作手机的用户，也需要逐步具备向AI智能体开放功能的能力。
特约编译金鹿对本文亦有贡献