Google DeepMind добавила фоновые агенты и поддержку MCP в Gemini API

Что произошло

AI Digest (ai-digest.ru) — Google DeepMind обновила платформу Managed Agents в Gemini API — добавила сразу четыре новые функции для разработчиков AI-агентов. Теперь агенты могут работать в фоновом режиме без открытого HTTP-соединения, подключаться к удалённым серверам MCP и использовать собственные функции вместе со встроенными инструментами. Также появилась возможность обновлять токены авторизации между сессиями, не теряя состояние песочницы.

Как устроены новые функции Gemini

Ключевое нововведение — Background Execution (фоновое выполнение). Раньше AI-агент требовал постоянного HTTP-соединения с сервером: клиент отправлял запрос, держал соединение открытым и ждал ответ. Это создавало проблемы для длительных задач — соединение могло разорваться, а агент «забывал» контекст. Теперь агент запускается асинхронно и работает в фоновом режиме на стороне Google, а разработчик получает результат позже через отдельный запрос. Подробнее о AI-агентах — в нашем гайде.

Вторая важная функция — поддержка MCP (Model Context Protocol). Это открытый протокол, который позволяет AI-агенту подключаться напрямую к внешним базам данных, API и внутренним системам компании. Раньше для интеграции с корпоративными данными требовалось писать отдельные адаптеры; теперь достаточно указать URL MCP-сервера.

Третья функция даёт возможность использовать custom functions (пользовательские функции) вместе со встроенными sandbox-инструментами. Разработчик может описать на Python или JavaScript произвольную функцию — например, запрос к CRM или расчёт по формуле — и агент вызовет её в нужный момент.

Четвёртое — credential refresh. Токены авторизации имеют срок жизни; раньше их обновление сбрасывало состояние агента. Теперь агент сохраняет контекст при обновлении токена.

Все функции доступны через Gemini Interactions API. Google опубликовала примеры кода для JavaScript, Python и cURL в официальной документации. Разработчики могут начать использовать фоновое выполнение уже сегодня — достаточно изменить режим вызова агента с синхронного на асинхронный. MCP-серверы подключаются через конфигурационный файл в формате JSON.

Почему это важно

Фоновое выполнение и сохранение состояния при обновлении токенов — это критически для enterprise-сценариев. Крупные компании запускают AI-агентов для обработки документов, аналитики и поддержки клиентов. Такие задачи длятся часами; старый подход с постоянным соединением делал их ненадёжными. Теперь агенты смогут работать стабильно в фоновом режиме.

Поддержка MCP — ещё один шаг к тому, чтобы AI-агенты стали по-настоящему корпоративным инструментом. MCP стандартизирует подключение к внутренним системам; это снижает порог входа для компаний, которые хотят внедрить агентов без масштабной перестройки IT-инфраструктуры.

Возможность использовать собственные функции рядом с песочницей — также значительное улучшение. Песочница (sandbox) изолирует выполнение кода агента от основной системы, но раньше агенты были ограничены встроенными инструментами. Теперь разработчик может добавить произвольную логику, не нарушая безопасности.

Что дальше

Ожидаем, что в ближайшие месяцы на основе новых функций Gemini API появится волна enterprise-интеграций. Microsoft и Amazon уже предлагают похожие возможности в своих облаках; Google теперь составляет им прямую конкуренцию в нише AI-агентов для бизнеса. Для разработчиков это означает больше выбора и более зрелые инструменты.

Конкуренция между облачными провайдерами в сегменте AI-агентов усиливается. Каждый из них старается предложить наиболее удобную инфраструктуру для корпоративных клиентов. Google ранее имела преимущество в виде сильной языковой модели, но отставала в инструментах для разработчиков. Новые функции — попытка сократить это отставание и предложить платформу, сравнимую с Azure AI Agent Service от Microsoft.