Управляемые агенты Gemini API: модель 3.6 Flash, хуки среды и другие ключевые обновления

Управляемые агенты в рамках Gemini API теперь поддерживают системные хуки окружения, гибкий выбор моделей, а также стали доступны на бесплатном тарифе. Данные нововведения органично дополняют предыдущий релиз платформы, который принес поддержку фоновых задач и интеграцию с удаленными серверами протокола MCP. Благодаря управляемым агентам в интерфейсе Gemini Interactions API всего один вызов программного интерфейса позволяет координировать процессы логического рассуждения, выполнения программного кода, инсталляции пакетов, управления файлами и веб-поиска внутри изолированной облачной песочницы.

Если вы задействуете в своей работе искусственный интеллект в качестве помощника по программированию, просто добавьте эту команду в свой терминал, чтобы предоставить ему доступ к навыку Interactions API: npx skills add google-gemini/gemini-skills --skill gemini-interactions-api. Далее приводятся наглядные примеры с использованием пакета TypeScript/JavaScript SDK под названием @google/genai. Для разработчиков на Python или cURL рекомендуется обратиться к официальной документации агента Antigravity. Установка пакета выполняется стандартно: npm install @google/genai.

Модель Gemini 3.6 Flash теперь используется по умолчанию

Агент под идентификатором antigravity-preview-05-2026 теперь задействует Gemini 3.6 Flash в качестве базовой модели по умолчанию. Никаких ручных изменений в исходном коде вносить не требуется — ваша следующая интерактивная сессия подхватит это обновление автоматически. Вместе с тем разработчики могут явно указывать конкретные модели, передавая параметр agent_config.model в момент создания новой интерактивной сессии или управляемого агента. Например, можно выбрать модель Gemini 3.5 Flash-Lite для существенной экономии средств или закрепить за собой любую другую предпочтительную версию.

Поддерживаемые модели включают в себя:

• Gemini 3.6 Flash (gemini-3.6-flash, по умолчанию): сбалансированная модель общего назначения для логического анализа, написания программного кода и эффективного использования инструментов.
• Gemini 3.5 Flash (gemini-3.5-flash): предыдущее поколение для стандартных агентских рабочих процессов.
• Gemini 3.5 Flash-Lite (gemini-3.5-flash-lite): версия семейств Gemini 3.5 с минимальными показателями задержки и стоимости.

Хуки окружения: блокировка, линтинг и аудит вызовов инструментов в песочнице

Специальные хуки окружения дают возможность запускать пользовательские скрипты непосредственно перед выполнением любого инструмента агентом внутри изолированной песочницы либо сразу после него. Для этого достаточно поместить конфигурационный файл .agents/hooks.json в рабочее окружение, после чего исполняемая среда начнет автоматически вызывать ваши обработчики при наступлении событий pre_tool_execution или post_tool_execution. Поле сопоставления matcher поддерживает регулярные выражения, что позволяет адресовать запросы сразу к нескольким инструментам через разделитель | или же отслеживать абсолютно все вызовы с помощью символа звездочки *.

В подобной конфигурации группа security-gate запускает скрипт проверки gate.py перед каждым вызовом операций code_execution или write_file. Если этот скрипт возвращает решение {"decision": "deny", "reason": "..."}, то сам вызов инструмента пропускается, а причина отказа передается напрямую в контекст языковой модели. В то же время группа auto-format запускает скрипт auto_lint.py по завершении работы любого инструмента для жесткого соблюдения стандартов стилизации исходного кода. Кроме того, поддерживаются обработчики HTTP-типа, которые отправляют POST-запросы напрямую на внешние конечные точки. Полное описание определений HTTP-хуков и семантики обработки сбоев можно найти в профильной документации по хукам.

Многие инженерные команды уже активно применяют хуки для создания конвейеров валидации промышленного уровня. В качестве яркого примера можно привести инвестиционный банк Offdeal, созданный на базе искусственного интеллекта. Они задействуют хуки типа post_tool_execution для организации автоматической верификации графических изображений внутри удаленной песочницы.

«OffDeal — это инвестиционный банк на базе ИИ, а Archie — наш неизменный аналитик, которым банкиры пользуются ежедневно. Главным требованием к презентациям для инвесторов являются корпоративные логотипы: таблицы покупателей, колонки спонсоров, сетки логотипов — зачастую более тридцати штук в одном документе. Каждый отдельный логотип должен принадлежать нужной компании, обладать правильными размерами и соотношением сторон, содержать название, иметь прозрачный фон и достаточную контрастность при размещении на белом слайде. До появления агентских хуков мы не могли реализовать подобное на управляемых агентах Gemini, поскольку песочница является удаленной и нашему проверочному коду было физически негде запускаться. С появлением хуков специальный триггер запускает наш конвейер валидации прямо внутри песочницы в ту самую секунду, когда Archie формирует список компаний. Он подбирает кандидатов, выполняет проверки качества на уровне пикселей, верифицирует каждый логотип с помощью мультимодальной функции Gemini Vision и публикует итоговый манифест одобренных файлов, которые получают право попасть в презентацию», — отмечает Олстон Лин, основатель и технический директор компании Offdeal.

Элементы контроля затрат и автоматизация

Теперь управляемые агенты доступны для использования в проектах, работающих на бесплатном тарифном плане. Разработчики могут полноценно экспериментировать с автономными процессами, используя обычный ключ API из проекта, где не активирована платная тарификация. Поскольку управляемые агенты выполняют многошаговые автономные циклы рассуждений, сложные задачи способны расходовать значительный объем токенов. Чтобы предотвратить неконтросаемый перерасход ресурсов, можно передать параметр max_total_tokens внутри конфигурации agent_config, ограничив тем самым суммарное потребление, включающее входящие, исходящие токены и размышления модели.

Как только агент достигает установленного лимита, его исполнение безопасно приостанавливается, а взаимодействие возвращает статус incomplete. Состояние окружения при этом полностью сохраняется, что позволяет продолжить выполнение с той же точки, передав идентификатор previous_interaction_id совместно с обновленным бюджетом токенов.

Запланированное выполнение задач с помощью триггеров

Вы можете легко автоматизировать повторяющиеся задачи агентов, используя запланированные триггеры. Такой триггер прочно связывает конкретного агента, рабочее окружение, текстовый запрос и расписание cron в единый постоянный ресурс, который активируется автоматически без какого-либо ручного вмешательства. Каждый новый запуск повторно использует ту же самую песочницу, поэтому все файлы сохраняются между отдельными сеансами выполнения.

Специальный программный интерфейс Environments API дает возможность выводить список существующих сеансов песочницы, изучать их состояние и удалять их непосредственно из программного кода. Это позволяет успешно восстанавливать идентификаторы окружений после потери связи или оперативно очищать песочницы по завершении работы конвейера, не дожидаясь истечения стандартного семидневного срока хранения (TTL).

Все эти долгожданные обновления превращают управляемые агенты в полноценных автономных помощников с контролируемым бюджетом и расписанием, способных эффективно работать в реальных средах разработки, не выходя за рамки финансовых лимитов и не требуя сложной внешней оркестрации. Обязательно ознакомьтесь с обзором Gemini Interactions API и руководством по быстрому старту управляемых агентов, чтобы детально изучить пользовательские определения агентов, конфигурации сред, сетевые правила и передовые шаблоны потоковой передачи данных.

Источник: blog.google