Gemini API Managed Agents получили background execution и MCP
Google добавила в Gemini API Managed Agents background execution, remote MCP servers, custom functions и refresh credentials. Разбираем пользу и ограничения.
Факты проверены 9 июля 2026 года. Google расширила Managed Agents в Gemini API: у агентов появились background execution, подключение remote MCP servers, custom functions рядом с sandbox tools и обновление credentials без потери состояния sandbox. Для разработчиков это не косметическое обновление, а шаг к более рабочей среде выполнения агентов: долгие задачи теперь можно отпускать на сервер, а внешние инструменты подключать ближе к самому агенту.
Gemini API Managed Agents — это управляемая среда выполнения Google в Interactions API: один вызов поднимает изолированную Linux sandbox, где агент может рассуждать, запускать код, работать с файлами и обращаться к вебу. Раньше мы уже разбирали, как Google повернула Gemini к агентам на I/O 2026. Новый анонс уже не про витрину, а про эксплуатационные детали, которые всплывают, когда агенту дают реальную многошаговую задачу.
Что изменилось
Google перечисляет четыре новых возможности в официальном блоге от 7 июля 2026 года. Коротко они выглядят так:
| Возможность | Что даёт разработчику | Оговорка |
|---|---|---|
| Background execution | Запускает interaction асинхронно на сервере и сразу возвращает ID. Клиент может проверять статус, читать stream или переподключиться позже. | Нужно обрабатывать состояния вроде requires_action, failed и cancelled, а не считать запуск гарантированным успехом. |
| Remote MCP servers | Позволяет подключать внешние инструменты, внутренние API и базы через Model Context Protocol без собственного proxy middleware. | Google указывает ограничения: нужен Streamable HTTP, SSE не поддерживается, доступ к tools лучше сужать через allowed_tools. |
| Custom functions | Даёт агенту возможность запросить выполнение вашей бизнес-логики рядом со встроенными sandbox-инструментами. | Функцию исполняет клиентская сторона: агент запрашивает вызов, приложение возвращает результат следующим interaction. |
| Credential refresh | Позволяет передать существующий environment_id с новой network-конфигурацией и не терять файлы, пакеты и клонированные репозитории sandbox. |
Credentials остаются зоной риска: Google прямо советует давать агенту только те полномочия, которые вы готовы ему доверить. |
Самая заметная часть для backend-команд — background execution. Документация Google описывает типичный сбойный сценарий: долгие reasoning-задачи, deep research или многошаговые agent executions упираются в HTTP timeouts, часто около 60 секунд. Новый режим решает это не увеличением таймаута, а сменой модели выполнения: запрос создаёт interaction, сервер продолжает работу, клиент живёт отдельно.
Почему MCP здесь важен
Remote MCP servers меняют место интеграции. Если раньше разработчику часто приходилось строить прослойку между агентом и внутренними системами, теперь MCP-server можно передать в tools configuration. Для агента это выглядит как ещё один набор tools, а для команды — как способ подключить deployment tracker, CRM, внутреннюю базу или сервис мониторинга без переписывания всей agent harness.
Важная граница: Google не говорит, что MCP-интеграция автоматически безопасна. В документации есть поля headers для авторизации и allowed_tools для ограничения доступных tools. Это нужно использовать с самого начала. Агент с доступом к внутреннему API будет действовать в пределах тех credentials, которые ему выдали.
В этом месте новый анонс пересекается с более широким трендом, о котором мы писали в материале про AI-инфраструктуру, Codex и MCP: агенты всё чаще упираются не в текстовую модель, а в слой инструментов, прав и наблюдаемости. Remote MCP в Managed Agents двигает Gemini API именно в эту сторону.
Custom functions и sandbox tools можно смешивать
Для Managed Agents это особенно важно. У Antigravity agent уже есть встроенные инструменты вроде code execution, Google Search и URL context; filesystem-инструменты включаются через environment. Теперь к ним можно добавить custom functions или remote MCP-server. Встроенные server-side tools выполняет платформа, а custom function переводит interaction в состояние, где клиент должен выполнить код и вернуть function result.
Практический пример: агент анализирует репозиторий в sandbox, запускает тесты, читает документацию, а затем просит вызвать внутреннюю функцию create_ticket или get_deploy_status. Само создание тикета или запрос к закрытому deployment-сервису остаётся под контролем приложения. Так проще вести аудит и не давать sandbox лишние секреты.
Что это значит для разработчиков
Обновление делает Managed Agents ближе к обычным backend workers. У задачи появляется ID, состояние, возможность переподключиться, отменить выполнение и продолжить работу в том же environment. Если агент ставил пакеты, клонировал репозиторий или создавал файлы, переиспользование environment_id сохраняет эту рабочую директорию между interaction.
Но Managed Agents всё ещё находятся в public preview. В официальной документации Google просит проверять действия и выводы агента перед использованием в чувствительных рабочих процессах. Это правильная рамка: background execution и MCP расширяют среду выполнения, но не снимают вопросы безопасности, прав доступа, стоимости tool loops и качества решений агента.
Для команд, которые уже пробуют Gemini API в agentic workflows, полезный следующий шаг простой: вынести один длинный сценарий в background execution, подключить один MCP-server с минимальным набором allowed tools и посмотреть на журнал состояний. Если всё держится, можно усложнять. Если агент начинает застревать или просить лишние полномочия, проблема всплывёт до того, как система попадёт в боевой контур.
Итог
Анонс Google важен не количеством новых функций, а их направлением. Managed Agents в Gemini API получают признаки нормальной серверной среды: асинхронное выполнение, подключаемые внешние tools, клиентские функции и сохранение sandbox state. Это ещё не готовая замена собственной agent platform, но уже более удобная основа для команд, которые строят агентов не как демо, а как часть разработки.
Связанный контекст: как Google Gemini Agent Skill вырос на задачах кодинга и почему агентам нужен не только сильный model core, но и аккуратный слой инструментов.
Источники: Google Blog, Google AI docs: Background execution, Google AI docs: Function calling / Remote MCP, Google AI docs: Antigravity Agent, Google AI docs: Environments.
