Gemini Enterprise for Legal上线：法律AI不再绕过权限墙

Google Cloud发布说明 显示，Gemini Enterprise for Legal于2026年8月25日以预览形式推出，面向律所和企业法务团队，将法律技能、受信任系统连接器、可执行智能体、合作伙伴生态与统一治理整合到Gemini Enterprise之上。标题中的“上线”指预览版开放，并不等同于已经全面商用。

Gemini Enterprise for Legal不是一款可以越过现有系统、读取机构全部资料的通用聊天机器人。它通过Model Context Protocol（MCP）连接文档管理、电子取证、法律研究和协作系统，让智能体在源系统已有的身份、事项权限和访问控制范围内检索信息或执行操作；其直接适用对象，是已经建立企业身份管理、案件隔离和合规流程的法律机构。

技能、连接器、智能体和治理如何组合

平台的核心变化不是增加一个法律问答入口，而是把四层能力放进同一受治理环境。法律技能封装机构操作指引、引用规则和文本规范；MCP连接器取得获准的案件与知识上下文；智能体据此完成检索、起草或流程操作；治理层则统一施加安全策略、数据隔离和输出溯源要求。

• 技能：规定任务怎样执行，包括合同审查与修订、法律研究、监管动态扫描和数据主体访问请求等场景。
• 连接器：连接文档库、案件资料库、研究服务与行业应用，不要求机构先把全部资料批量导出给独立AI工具。
• 智能体：把技能与获准数据结合起来，执行研究、筛查、合同起草或管理流程。
• 治理：为法律IT和风险团队提供统一控制面，覆盖VPC、客户管理加密密钥、私有数据隔离及可追踪引用等能力。

这套“技能—连接器—智能体—治理”结构可能减少重复开发接口和另建权限模型的工作，但不会替代管理员。机构仍需决定哪些知识可封装为技能、哪些人能调用特定智能体，以及创建事项、写回数据或修改权限前是否需要审批。

平台还作出一项重要的官方安全承诺：客户数据、机构操作指引、知识产权、自定义智能体和模型输出保持组织私有，不用于训练或微调Google基础模型。这是供应商对产品架构的声明，采购方仍需把它落实到适用地区、合同条款、日志范围和具体连接器的数据流中。

RelativityOne说明权限怎样沿MCP传递

Relativity的集成公告 确认，RelativityOne已通过MCP接入Gemini Enterprise for Legal，系统管理员、诉讼支持团队、法律运营人员、服务商和开发者可用自然语言建立事项、按数据结构配置工作区并管理访问与流程；敏感数据仍留在RelativityOne，案件材料的实质分析继续由Relativity aiR完成。

所谓“不绕过权限墙”，并不是为模型建立一套平行的全局权限。根据 Relativity对MCP执行机制的说明，外部AI应用决定调用哪些工具后，操作仍以已认证用户的身份在RelativityOne内执行，每项操作接受平台审计，并归因到触发它的用户。

当前连接器主要处理客户与事项管理、工作区创建、群组和权限管理、访问与治理审查、使用报告及运营摘要。文件上传、处理、搜索、审阅和编码仍在RelativityOne内完成，法律数据分析也继续交由aiR；自然语言改变的是管理指令入口，而不是底层授权检查和系统分工。

这套设计降低的是“为通用AI再复制一套权限”的成本。机构不必仅为接入智能体而重新描述每个用户、群组和事项的访问范围，操作记录也可以留在原有审计体系中；但身份联合、令牌范围、会话失效和管理员角色仍需在实际部署中验证。

统一入口不会让所有用户看到相同资料

NetDocuments提供了另一个权限继承实例。NetDocuments的产品公告 写明，每次MCP交互都使用用户本人的NetDocuments凭据，伦理墙、事项级限制、访问控制、数据防泄漏、保留策略和审计记录继续适用，文档不必复制到单独工具；该连接目前面向ndMAX Enterprise客户提供。

因此，同一机构内拥有不同事项权限的用户，即使从同一个AI入口提出相同问题，也只能取得各自获准访问的材料。答案范围仍由源系统中的身份、群组关系、事项限制和文档权限决定，Gemini Enterprise不会自动把机构资料摊平成一个所有人可见的知识库。

不过，继承权限只会执行现有配置，不会自动修复配置错误。若源系统存在过度授权、遗留群组或错误的事项归属，连接器可能继续沿用这些问题；采购验收还应检查账号停用、群组变更和紧急封禁能否及时影响连接后的会话与操作。

安全承诺和效率收益需要分开判断

目前能够确认的是架构和供应商承诺：平台以既有访问控制为边界，RelativityOne操作可归因到触发用户，部分连接器让源文档继续留在原有资料库。这些设计为保密和审计审查提供了基础，却不能证明任意部署都会自动满足律师保密义务、客户约定或各地数据保护规则。

效率收益的证据则明显不足。公开材料列举了合同审查、法律研究、监管扫描、工作区配置和访问报告等场景，但没有提供可横向比较的处理时间、准确率、错误率、节省工时或总体拥有成本。早期采用机构参与产品反馈，也不能替代针对特定司法辖区、文档类型和权限模型的独立测试。

人工复核同样不会因平台统一而消失。可追踪引用有助于律师返回依据，却不能自行证明结论完整，也不能保证模型识别了全部不利条款、权限冲突或最新法律变化；法律意见、对外提交、合同修改和高影响权限变更仍需明确批准人、回退机制与责任记录。

预览阶段的采购边界仍不完整

截至发布次日，公开资料已经说明产品定位和部分连接器的权限机制，但正式定价、地区覆盖及完整部署条件尚不清楚。律所和企业法务在形成采购结论前，仍需分别核实以下问题：

• 数据驻留：提示、响应、遥测、缓存与连接器元数据分别保存在哪里，是否跨境处理，各自的保留和删除期限是什么。
• 人工审批：哪些任务只生成草稿，哪些任务能够写回源系统；创建事项、修改群组或调整访问权限前能否强制复核。
• 审计能力：日志是否覆盖用户身份、工具调用、输入参数、执行结果与失败操作，保存多久，能否接入机构现有的安全监控和取证流程。
• 费用与可用性：预览资格、地区、Gemini Enterprise许可、合作伙伴产品版本、连接器费用与模型调用量如何共同构成总成本。

这次发布已经回答了一项基础架构问题：法律智能体可以沿用源系统的身份、权限和审计边界进入既有工作流，而不必先复制全部资料并重建访问规则。仍待验证的是，这种架构在不同地区和系统组合中的实际效率、错误风险、正式商用条款与总体成本。