Google Gemini托管智能体发布新功能

Google AI Blog#Gemini#Agent#API

Editor brief · 编辑速览

Google 宣布 Gemini API Managed Agents 推出新功能，包括 3.6 Flash 模型和 hooks，帮助开发者构建生产级 Agent。

文章思维导图

Knowledge map

拖拽缩放

Full translation

完整中文译文

Gemini API 中的 Managed Agents 现在默认使用 Gemini 3.6 Flash。新的环境 hooks 允许你在 sandbox 内阻止、检查或审计工具调用。此外，我们还增加了预算控制、定时触发器以及 free tier 访问权限。

Google DeepMind 技术团队成员

Google DeepMind 产品经理

你的浏览器不支持音频元素。

Gemini API 中的 Managed Agents 现已支持环境 hooks、模型选择以及 free tier 访问。这些能力建立在我们之前发布的后台任务和远程 MCP server 集成功能之上。

借助 Gemini Interactions API 中的 Managed Agents，只需一次 API 调用，就能在隔离的云端 sandbox 内协调推理、代码执行、软件包安装、文件管理和 Web 内容检索。

如果你正在使用 AI 编程助手，可以在终端中执行以下命令，让它获得 Interactions API skill：npx skills add google-gemini/gemini-skills --skill gemini-interactions-api。

下面的示例使用 @google/genai TypeScript/JavaScript SDK。有关 Python 或 cURL 的用法，请参阅 Antigravity Agent 文档。

npm install @google/genai

Gemini 3.6 Flash 现已成为默认模型

antigravity-preview-05-2026 Agent 现在默认运行 Gemini 3.6 Flash。无需修改任何代码，你的下一次 interaction 会自动使用它。

你也可以在创建 interaction 或 Managed Agent 时传入 agent_config.model，显式选择模型。如果希望降低成本，可以使用 Gemini 3.5 Flash-Lite；也可以固定使用你偏好的模型。

import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({});

const interaction = await client.interactions.create({
  agent: "antigravity-preview-05-2026",
  input: "Audit all dependencies in package.json, upgrade outdated packages, and verify the build by running npm test.",
  environment: "remote",
  agent_config: {
    type: "antigravity",
    model: "gemini-3.5-flash-lite",
  },
});

console.log(interaction.output_text);

支持的模型包括：

Gemini 3.6 Flash（gemini-3.6-flash，默认）：在推理、编程和工具使用方面表现均衡的模型。

Gemini 3.5 Flash（gemini-3.5-flash）：适用于通用 Agent 工作流的上一代模型。

Gemini 3.5 Flash-Lite（gemini-3.5-flash-lite）：Gemini 3.5 系列中延迟最低、成本最低的模型。

环境 hooks：在 sandbox 内阻止、检查和审计工具调用

环境 hooks 允许你在 Agent 于 sandbox 内进行每次工具调用之前或之后，运行自定义脚本。在环境中添加 .agents/hooks.json，runtime 就会在 pre_tool_execution 或 post_tool_execution 事件发生时执行你的处理程序。

matcher 字段支持正则表达式，因此可以使用 | 匹配多个工具，也可以使用 * 捕获所有工具调用：

{
  "security-gate": {
    "pre_tool_execution": [
      {
        "matcher": "code_execution|write_file",
        "hooks": [
          {
            "type": "command",
            "command": "python3 /.agents/hooks-scripts/gate.py",
            "timeout": 10
          }
        ]
      }
    ]
  },
  "auto-format": {
    "post_tool_execution": [
      {
        "matcher": "*",
        "hooks": [
          {
            "type": "command",
            "command": "python3 /.agents/hooks-scripts/auto_lint.py",
            "timeout": 15
          }
        ]
      }
    ]
  }
}

在这份配置中：

security-gate 组会在每次调用 code_execution 或 write_file 之前运行 gate.py。如果脚本返回 {"decision": "deny", "reason": "..."}，该工具调用将被跳过，拒绝原因也会被传入模型的上下文。

auto-format 组会在每个工具执行完毕后运行 auto_lint.py，以强制执行代码风格规范。

Hooks 还支持 http 类型的处理程序，可直接向外部 endpoint 发起 POST 请求。

有关完整的 HTTP hook 定义及失败处理语义，请参阅 hooks 文档。

一些团队已经在使用 hooks 构建生产级验证流水线。例如，AI 原生投资银行 Offdeal 使用 post_tool_execution hooks，在远程 sandbox 内运行自动化图像验证。

OffDeal 是一家 AI 原生投资银行，Archie 则是我们银行家日常使用的 AI 分析师。公司 Logo 是制作可供银行家直接使用的演示文稿时必不可少的元素：买方表格、投资机构列、墓碑式项目展示网格，一份演示文稿中往往会出现 30 多个 Logo。每一个 Logo 都必须对应正确的公司，具有合适的尺寸和宽高比，包含公司名称，使用透明背景，并且放在白色幻灯片上时拥有足够高的对比度。

在 Agent hooks 出现之前，我们无法在 Gemini 的 Managed Agents 上完成这项工作：sandbox 位于远程环境中，我们的验证代码无处运行。有了 hooks，当 Archie 写入公司列表时，post_tool_execution hook 会立即在 sandbox 内触发我们的流水线：获取候选 Logo、执行像素级质量检查、使用 Gemini vision 验证每个 Logo，并发布一份已批准文件的 manifest。只有这份 manifest 中的图像才允许进入演示文稿。

——OffDeal 创始人兼 CTO Alston Lin

成本控制和自动化功能

支持 free tier

Managed Agents 现在已面向 free tier 项目开放。开发者可以使用来自未启用有效结算功能项目的 API key，试验 Agent 工作流。

由于 Managed Agents 会执行多轮自主循环，复杂任务可能消耗大量 token 预算。为了防止任务失控，你可以在 agent_config 中传入 max_total_tokens，限制 token 总消耗量，包括输入、输出和思考过程。

当 Agent 达到上限时，执行过程会安全暂停，interaction 将返回 status: "incomplete"。环境状态会被保留，你可以传入 previous_interaction_id 并提供新的预算，从停止的位置继续执行。

const interaction = await client.interactions.create({
  agent: "antigravity-preview-05-2026",
  input: "Audit all modules in this repo and generate a migration report.",
  agent_config: {
    type: "antigravity",
    max_total_tokens: 10000,
  },
  environment: "remote",
});

使用 triggers 定时执行

使用定时 triggers 自动执行周期性 Agent 任务。一个 trigger 会将 Agent、环境、prompt 和 cron 调度绑定为持久化资源，无需人工干预即可触发。每次运行都会复用同一个 sandbox，因此文件能够跨多次执行持久保留。

Environments API 允许你通过代码列出、检查和删除 sandbox session。连接中断后，你可以找回环境 ID；流水线完成时，也可以主动清理 sandbox，而不必等待 7 天的 TTL 到期。

开始使用 Managed Agents

这些更新让 Managed Agents 成为具备成本控制能力的定时任务执行者。它们可以在真实的开发环境中自主运行，既不会突破你的预算，也不需要外部编排。

请查看 Gemini Interactions API 概览和 Managed Agents 快速入门，进一步了解自定义 Agent 定义、环境配置、网络规则和高级流式处理模式。