bingdadaGoogle DeepMind 为 Gemini API 托管代理新增环境钩子、预算控制与免费层，并将默认模型升级为 Gemini 3.6 Flash。开发者无需改码即可升级，并可通过自定义脚本在沙箱内拦截或审计工具调用，实现更安全的自动化。
Google DeepMind 团队近期对 Gemini API 中的 Managed Agents（托管代理）进行了一次重要更新，将默认模型升级至 Gemini 3.6 Flash，并引入了环境钩子（Environment Hooks）、预算控制、定时触发以及免费层访问等新特性。这些能力建立在之前发布的后台任务和远程 MCP 服务器集成基础之上。
对于开发者而言，托管代理的核心价值在于：通过一个 API 调用，即可在隔离的云端沙箱中协调推理、代码执行、包安装、文件管理和网络检索等复杂任务。这大大简化了构建多步骤 AI 应用的流程。
如果你正在使用 AI 编程助手，可以在终端执行以下命令，为其赋予 Interactions API 技能：
npx skills add google-gemini/gemini-skills --skill gemini-interactions-api
Gemini 3.6 Flash 现已作为默认模型。antigravity-preview-05-2026 代理会自动切换，无需修改任何代码。对于追求更低成本的应用，开发者可以通过 agent_config.model 参数显式选择模型，例如使用 Gemini 3.5 Flash-Lite 以降低开销，或固定使用特定版本。
以下是 TypeScript/JavaScript SDK 的示例：
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input: "Audit all dependencies in package.json, upgrade outdated packages, and verify the build by running npm test.",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);
目前支持的模型包括：
环境钩子是本次更新的亮点。它允许开发者在代理每次工具调用前后运行自定义脚本，从而实现阻止、检查或审计工具调用的能力。只需在环境中添加 .agents/hooks.json 文件，运行时便会根据 pre_tool_execution 或 post_tool_execution 事件执行对应处理器。
matcher 字段支持正则表达式，可精准匹配多个工具或捕获全部调用。以下是一个配置示例：
{
"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
}
]
}
]
}
}
在该配置中：
code_execution 或 write_file 调用前运行 gate.py。如果脚本返回 {"decision": "deny", "reason": "..."}，工具调用将被跳过，拒绝原因会传入模型上下文。auto_lint.py，以确保代码风格统一。钩子还支持 http 类型处理器，可直接向外部端点发送 POST 请求。关于完整的 HTTP 钩子定义和失败处理语义，可参考 官方钩子文档。
AI 原生投资银行 Offdeal 已将钩子应用于生产环境。其 CTO Alston Lin 表示，银行家对演示文稿（Deck）的要求极高，通常需要包含 30 多个公司徽标，且每个徽标都必须正确、尺寸合适、背景透明、对比度高。在引入钩子之前，由于沙箱是远程的，验证代码无处运行。现在，post_tool_execution 钩子会在代理写入公司列表的瞬间触发内部管线，获取候选徽标、执行像素级质量检查、使用 Gemini Vision 验证，并发布批准文件清单，确保只有合格图片进入最终文稿。
托管代理现已对免费层项目开放。开发者可以使用未绑定计费项目的 API 密钥，直接体验代理工作流。
由于托管代理执行多轮自主循环，复杂任务可能消耗大量 Token。为此，开发者可在 agent_config 中传递 max_total_tokens 参数，以限制总消耗（输入 + 输出 + 思考）。当达到上限时，执行会安全暂停，交互返回状态 "incomplete"。环境状态会保留，开发者可通过传入 previous_interaction_id 并补充新预算来继续执行。
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",
});
此外，新版本还支持定时触发功能，使开发者可以按计划运行代理任务，进一步强化自动化能力。
Google 在托管代理领域的快速迭代，反映了全球 AI 行业对智能体（Agent） 基础设施的重视。在国内，百度智能云千帆、阿里云百炼、智谱 AI 的 GLM 智能体平台等也在提供类似的全链路 Agent 开发能力。例如，百度千帆 AppBuilder 支持知识库、插件编排和 API 调用，而 DeepSeek 的开源模型生态则让开发者可以更灵活地自建沙箱环境。相比之下，Google 的优势在于 Gemini 模型族与云端沙箱的深度整合，而国内平台则在本地化部署和行业定制方面更具灵活性。
.agents/hooks.json，实现安全审计、代码格式化等自定义逻辑。max_total_tokens，防止意外消耗。对于希望深入了解代理工作流的技术细节的读者，建议参阅 Google 官方 Gemini API 文档 以及 Interactions API 参考。
在创建交互时，通过 agent_config.model 参数显式指定 gemini-3.5-flash 即可覆盖默认设置。
支持 pre_tool_execution（工具调用前）和 post_tool_execution（工具调用后）两种事件，均可在 .agents/hooks.json 中配置。
max_total_tokens 上限后会发生什么？执行会安全暂停，交互返回 incomplete 状态。环境状态保留，可通过传递 previous_interaction_id 并设置新预算来继续。
免费层项目可以访问托管代理，但具体可用模型可能有限制，建议查看官方定价页面确认。
http 类型处理器，可直接向外部端点发送 POST 请求。Bingdada 是一个专注 SEO、GEO（生成式引擎优化）与 AEO（答案引擎优化）的内容平台，由资深内容编辑、SEO 技术工程师与 AI 研究专家组成的团队持续运营。我们追踪搜索引擎与生成式 AI 的最新动态，为读者提供准确、实用、可落地的方法论与行业洞察。
编辑团队：内容策划 · 技术编辑 · AI 研究组
网站：bingdada.com
© 2026 Bingdada. 保留所有权利。
SEO & GEO 技术探索者，专注于搜索引擎优化和生成式引擎优化。
普林斯顿大学领导的新研究发现，AI智能体虽能胜任研究工程任务，但在开放式研究上缺乏创造力和判断力，其产出远未达到顶级会议标准，对AI自我改进的乐观时间线提出质疑。
AI智能体规模化落地，数据基础设施是关键。调查显示，数据领先型企业对智能体决策的信任度达100%，而落后型企业仅为30%。本文探讨如何通过数据虚拟化、治理与实时流，构建可信数据环境。
DeepSeek V4 Pro正式版API发布，Agent能力全面增强，在Cybergym、AutomationBench等基准测试中超越Claude Fable 5，编程智能体测试DeepSWE得分从12.8飙升至62.7，同时面临定价上调与思维链表现差异等挑战。
最新の SEO・GEO 情報をお届けします。
プライバシーを尊重します。いつでも購読を解除できます。