Erweiterung der Managed Agents in der Gemini API: Hintergrundaufgaben, Remote-MCP und mehr

@GoogleAIStudio
ENGLISCHvor 1 Tag · 07. Juli 2026
192K
568
73
21
332

TL;DR

Google AI Studio führt wichtige Updates für die Gemini API Managed Agents ein, die lang laufende Hintergrundaufgaben, Remote-MCP-Serververbindungen und persistente Sandbox-Zustände für Entwickler ermöglichen.

Heute kündigen wir neue Funktionen für Managed Agents in der Gemini API an, darunter Hintergrundausführung, Remote-MCP-Server-Integration, benutzerdefinierte Funktionsaufrufe und Aktualisierung von Anmeldeinformationen über Interaktionen hinweg. Diese Updates adressieren direkt das Feedback von Entwicklern und Produktanforderungen, damit Sie zuverlässige, produktionsreife Agents erstellen können.

Mit Managed Agents in der Gemini Interactions API rufen Sie einen einzigen Endpunkt auf, und Gemini übernimmt Reasoning, Codeausführung, Paketinstallation, Dateiverwaltung und Webinformationen in einer isolierten Cloud-Sandbox.

Wenn Sie ein KI-Coding-Agent sind, bitten Sie Ihren Menschen, das Interactions API-Skill zu installieren: npx skills add google-gemini/gemini-skills --skill gemini-interactions-api

Im Folgenden finden Sie Beispiele mit dem @google/genai JavaScript SDK. Für Python oder cURL lesen Sie die Dokumentation zum Antigravity-Agent.

bash
1npm install @google/genai

Erstellen Sie autonome Agents mit erweiterten Funktionen

Langlaufende Hintergrundausführung

Eine HTTP-Verbindung für langlaufende Aufgaben offen zu halten, ist anfällig. Übergeben Sie background: true um Interaktionen asynchron auf dem Server auszuführen. Die API gibt sofort eine ID zurück, die Client-Anwendungen verwenden können, um den Status abzufragen, den Fortschritt zu streamen oder sich später wieder zu verbinden, während der Agent remote arbeitet. Weitere Details finden Sie im Leitfaden zur Hintergrundausführung.

typescript
1import { GoogleGenAI } from "@google/genai";
2
3const client = new GoogleGenAI({});
4
5// 1. Starten Sie eine langlaufende Analyse im Hintergrund
6const interaction = await client.interactions.create({
7 agent: "antigravity-preview-05-2026",
8 input: "Clone https://github.com/googleapis/js-genai, finde alle TODO-Kommentare im Quellcode und kategorisiere sie nach Modul und Priorität in einem Markdown-Bericht.",
9 environment: "remote",
10 background: true,
11});
12
13console.log(`Hintergrundaufgabe gestartet. Interaktions-ID: ${interaction.id}`);
14
15// 2. Pollen Sie asynchron, ohne einen offenen HTTP-Socket zu blockieren
16let result = interaction;
17while (result.status === "in_progress") {
18 await new Promise((resolve) => setTimeout(resolve, 5000));
19 result = await client.interactions.get(interaction.id);
20}
21
22if (result.status === "completed") {
23 console.log("Aufgabe abgeschlossen:\n", result.output_text);
24} else {
25 console.error(`Aufgabe mit Status beendet: ${result.status}`);
26}

Remote-MCP-Server-Integration

Anstatt benutzerdefinierte Proxy-Middleware zu schreiben, um auf private Datenbanken oder interne APIs zuzugreifen, können Sie Managed Agents jetzt direkt mit Remote Model Context Protocol (MCP)-Servern verbinden.

Sie können Remote-Tools mit integrierten Sandbox-Funktionen mischen und kombinieren. Übergeben Sie ein mcp_server-Tool zur Interaktionszeit zusammen mit der Google-Suche oder Codeausführung, damit der Agent von seiner sicheren Sandbox aus mit Ihren Endpunkten kommunizieren kann. Und befolgen Sie die Best Practices, wenn Sie Ihren Agent mit externen Tools und APIs erweitern.

typescript
1import { GoogleGenAI } from "@google/genai";
2
3const client = new GoogleGenAI({});
4
5const interaction = await client.interactions.create({
6 agent: "antigravity-preview-05-2026",
7 input: "Überprüfe unseren internen Observability-Server auf aktuelle Latenzspitzen im Auth-Dienst und korreliere sie mit Git-Commits.",
8 environment: "remote",
9 tools: [
10 { type: "google_search" },
11 { type: "code_execution" },
12 {
13 type: "mcp_server",
14 name: "internal_telemetry",
15 url: "https://mcp.internal.example.com/mcp",
16 },
17 ],
18});
19
20console.log(interaction.output_text);

Benutzerdefinierte Funktionsaufrufe neben Sandbox-Tools

Fügen Sie benutzerdefinierte Tools neben integrierten Sandbox-Tools für die lokale Ausführung hinzu. Die API verwendet Step-Matching. Integrierte Tools werden automatisch auf dem Server ausgeführt, während benutzerdefinierte Funktionen die Interaktion in den Status requires_action versetzen, sodass Ihr Client lokale Geschäftslogik ausführt.

typescript
1import { GoogleGenAI } from "@google/genai";
2
3const client = new GoogleGenAI({});
4
5// 1. Definieren Sie eine benutzerdefinierte Domain-Funktion
6const getWeatherTool = {
7 type: "function",
8 name: "get_weather",
9 description: "Ermittelt das aktuelle Wetter für einen bestimmten Ort.",
10 parameters: {
11 type: "object",
12 properties: {
13 location: {
14 type: "string",
15 description: "Die Stadt und das Land, z.B. San Francisco, USA",
16 },
17 },
18 required: ["location"],
19 },
20};
21
22// 2. Rufen Sie den Agent mit sowohl integrierter Codeausführung als auch benutzerdefinierten Funktionen auf
23const interaction = await client.interactions.create({
24 agent: "antigravity-preview-05-2026",
25 input: "Überprüfe das Wetter in Tokio, schreibe ein Python-Skript, um die Temperatur in Fahrenheit umzurechnen, und speichere das Ergebnis in weather.txt.",
26 environment: "remote",
27 tools: [
28 { type: "code_execution" },
29 getWeatherTool,
30 ],
31});
32
33// 3. Behandeln Sie die benutzerdefinierte Funktionsausführung sauber
34if (interaction.status === "requires_action") {
35 // Dateisystem- und Sandbox-Tools werden automatisch ausgeführt und erzeugen einen passenden function_result-Schritt.
36 // Wir filtern nach ausstehenden Domain-Aufrufen, die eine clientseitige Ausführung erfordern.
37 const executedCalls = new Set(
38 interaction.steps
39 .filter((s) => s.type === "function_result")
40 .map((s) => s.call_id)
41 );
42
43 const pendingCalls = interaction.steps.filter(
44 (s) => s.type === "function_call" && !executedCalls.has(s.id)
45 );
46
47 for (const call of pendingCalls) {
48 console.log(`Führe Client-Tool aus: ${call.name} (ID: ${call.id})`);
49 // Führen Sie Ihre lokale API/Datenbankabfrage aus und senden Sie das function_result in Runde 2 zurück
50 }
51}

Netzwerk-Anmeldeinformationsaktualisierung

Zugriffstoken und kurzlebige API-Schlüssel laufen ab. Sie können Anmeldeinformationen aktualisieren oder Schlüssel rotieren, indem Sie Ihre vorhandene environment_id mit einer neuen Netzwerkkonfiguration bei Ihrer nächsten Interaktion übergeben. Die neuen Regeln ersetzen die alten sofort. Ihre Sandbox behält ihren Dateisystemstatus, installierte Pakete und geklonte Repositorys bei.

typescript
1import { GoogleGenAI } from "@google/genai";
2const client = new GoogleGenAI({});
3
4// 1. Erste Interaktion: Verwenden Sie ein anfängliches Token
5const first = await client.interactions.create({
6 agent: "antigravity-preview-05-2026",
7 input: "Liste die Dateien in gs://my-bucket/reports/ mit der GCS JSON API auf.",
8 environment: {
9 type: "remote",
10 network: {
11 allowlist: [
12 {
13 domain: "storage.googleapis.com",
14 transform: {
15 Authorization: "Bearer INITIAL_TOKEN",
16 },
17 },
18 ],
19 },
20 },
21});
22
23// 2. Später: Aktualisieren Sie das Token in derselben Umgebung
24const result = await client.interactions.create({
25 agent: "antigravity-preview-05-2026",
26 input: "Lade nun die Datei reports/q1.csv aus demselben Bucket herunter.",
27 environment: {
28 type: "remote",
29 environment_id: first.environment_id,
30 network: {
31 allowlist: [
32 {
33 domain: "storage.googleapis.com",
34 transform: {
35 Authorization: "Bearer REFRESHED_TOKEN",
36 },
37 },
38 ],
39 },
40 },
41});
42console.log(result.output_text);

Erste Schritte mit Managed Agents

Diese Updates verwandeln Managed Agents in asynchrone Worker, die in echten Entwicklungsumgebungen arbeiten, ohne Ihre Anwendung zu blockieren.

Lesen Sie die Übersicht über die Gemini Interactions API und den Schnellstart für Managed Agents, um benutzerdefinierte Agent-Definitionen, Umgebungskonfigurationen, Netzwerkregeln und erweiterte Streaming-Muster zu erkunden.

Mit einem Klick speichern

Virale Artikel mit YouMind per KI tief lesen

Save the source, ask focused questions, summarize the argument, and turn a viral article into reusable notes in one AI workspace.

Explore YouMind
Für Creator

Verwandle dein Markdown in einen sauberen 𝕏-Artikel

Wenn du eigene Langtexte veröffentlichst, wird die 𝕏-Formatierung von Bildern, Tabellen und Codeblöcken mühsam. YouMind macht aus einem ganzen Markdown-Entwurf einen sauberen, sofort postbaren 𝕏-Artikel.

Markdown zu 𝕏 testen

Mehr Muster zum Entschlüsseln

Aktuelle virale Artikel

Mehr virale Artikel entdecken