🔍Google AI Blog•最新收集於 8h
Google 擴展 Gemini API 中的 Managed Agents 功能
💡了解如何利用 Gemini API 新增的背景任務與 MCP 支援，構建更可靠、適合生產環境的 AI 代理。
⚡ 30-Second TL;DR
有什麼變化
新增對背景任務的支援以提升代理可靠性
為什麼重要
這些功能降低了在企業環境中部署複雜、多步驟代理的門檻。透過卸載長時間運行的任務，開發者可以創建反應更靈敏且穩定的 AI 應用程式。
下一步行動
查閱更新後的 Gemini API 文件，將遠端 MCP 與背景任務處理整合至您現有的代理工作流程中。
誰應關注：Developers & AI Engineers
關鍵要點
- •新增對背景任務的支援以提升代理可靠性
- •整合遠端 Model Context Protocol (MCP) 功能
- •專注於實現生產環境等級的代理開發
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •Managed Agents 現已支援非同步執行模式，允許代理在無需持續保持連線的情況下處理長時運行的複雜任務。
- •透過整合 MCP (Model Context Protocol)，開發者現在可以標準化地連接外部資料庫與企業內部系統，解決了過去代理在存取異質資料源時的相容性問題。
- •Google 在此次更新中引入了全新的監控儀表板，提供代理執行過程中的決策路徑視覺化與錯誤追蹤功能。
- •Managed Agents 的生產環境部署現在支援自動化重試機制與斷路器模式 (Circuit Breaker)，以應對 API 呼叫失敗或超時情況。
- •此次更新強化了與 Google Cloud Vertex AI 的深度整合，允許開發者直接將代理部署至受控的容器化環境中，並自動處理擴展性需求。
📊 競品分析▸ Show
| 特性 | Google Gemini Managed Agents | Anthropic Claude MCP Agents | OpenAI Assistants API |
|---|---|---|---|
| 核心架構 | 深度整合 Google Cloud 生態 | 開放式 MCP 標準推動者 | 封閉式工具與代碼解釋器 |
| 遠端連接 | 原生支援遠端 MCP | 透過 MCP 協議擴展 | 依賴 Function Calling 與 Actions |
| 生產環境 | 強大 (Vertex AI 託管) | 中等 (依賴第三方託管) | 強大 (OpenAI 平台託管) |
🛠️ 技術深入
- 支援非同步背景任務：利用 Google Cloud Pub/Sub 作為底層訊息佇列，確保任務在代理斷線後仍能完成。
- MCP 實作細節：採用標準化的 JSON-RPC 協議進行通訊，允許代理動態發現並掛載遠端資源伺服器。
- 錯誤處理機制：實作了指數退避 (Exponential Backoff) 演算法，針對 API 速率限制進行自動化流量控制。
- 狀態管理：引入了持久化儲存層，將代理的上下文 (Context) 與對話歷史儲存於 Firestore，實現跨工作階段的記憶延續。
🔮 前景展望AI analysis grounded in cited sources
企業級 AI 代理開發將轉向標準化協議。
隨著 MCP 成為主流，開發者將減少對特定廠商 API 的依賴，轉而採用通用協議構建可攜式代理。
AI 代理的自主性將顯著提升。
背景任務與自動重試機制的引入，使代理能夠在無人監控的情況下執行多步驟的複雜業務流程。
⏳ 時間線
2023-12
Google 發布 Gemini 1.0 模型，奠定多模態代理基礎。
2024-05
Google I/O 大會宣布 Gemini API 的代理功能初步預覽。
2025-02
Vertex AI 正式整合 Managed Agents 服務，強化企業級部署能力。
2026-03
Google 宣布全面支援 Model Context Protocol (MCP) 標準。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： Google AI Blog ↗