Google 将 Gemini 转向 Interactions API，助力开启智能体新时代
Google DeepMind 已正式将 Interactions API 指定为所有 Gemini 模型和智能体（agents）的默认接口，这标志着开发者利用 Google AI 进行构建的方式发生了根本性转变。通过取代传统的 generateContent 接口，Google 正在从简单的“文本输入/文本输出”交互转向一个专门为自主代理（autonomous agency）设计的复杂、多步骤框架。
从简单聊天迈向自主智能体
在生成式 AI 时代的很大一部分时间里，开发者一直依赖 generateContent 方法，该方法针对无状态、单轮响应进行了优化。向 Interactions API 的过渡标志着 Google 对“代理式 AI”（Agentic AI）的承诺——即不仅能交谈，而且能采取行动的系统。
据 Google 开发者关系负责人 Logan Kilpatrick 称，该 API “为智能体的新时代奠定了基础”。这一转变使得此前难以实现的功能成为可能，例如配备了自有 Linux 沙箱的托管智能体（Managed Agents）。这使得模型能够在安全、隔离的环境中执行代码，使其能够执行复杂的计算任务，而不仅仅是预测下一个 token。
高级功能：工具链与后台执行
Interactions API 引入了一系列高级功能，将 Gemini 从聊天机器人转变为功能性助手。关键的技术增强包括：
- 工具链（Tool Chaining）： 与 Google Search 和 Google Maps 的无缝集成，允许智能体将行动建立在真实世界的数据基础上。
- 长时运行任务（Long-running Tasks）： 该 API 支持后台执行，允许智能体处理复杂的流程，而无需客户端保持持续的活跃连接。
- 多模态生成（Multimodal Generation）： 开发者现在可以通过智能体工作流直接编排图像、音乐和语音的生成。
- 状态管理（State Management）： 该 API 处理多步推理的复杂性，允许智能体在不同的工具使用和外部调用中保持上下文。
简化的 Schema 与优化的执行模式
Google 还简化了 API 的技术架构，使其对开发者更加直观。传统的基于角色的结构（使用“user”和“model”等标签）已被一套类型化的“步骤”（steps）系统所取代。在这种新的 schema 中，每一个离散的操作——从用户提示词到函数调用，再到随后的工具响应——都被视为序列中一个定义的步骤。
为了满足不同应用在经济性和性能方面的需求，Google 推出了两种不同的执行模式：
- Flex Mode： 针对成本效益进行了优化，为运行大规模或非紧急任务的开发者降低了 50% 的费用。
- Priority Mode： 针对低延迟进行了优化，确保对速度要求极高的应用能够获得尽可能快的推理。
为什么这对 AI 生态系统至关重要
此举标志着行业正在跨越“聊天机器人”阶段，进入“智能体”阶段。通过将针对工具使用、沙箱执行和长时运行流程构建的 API 标准化，Google 正在为能够浏览网页、管理文件和执行代码的自主软件提供必要的基础设施。对于开发者而言，这意味着可以减少管理状态的时间，从而将更多精力投入到构建复杂、可靠的 AI 工作流中。
核心要点
- API 转型： Interactions API 取代
generateContent成为 Gemini 的默认接口，实现了诸如 Linux 沙箱和工具链等高级智能体功能。 - 新执行模式： 开发者现在可以在 Flex mode（节省 50% 成本）和 Priority mode（针对速度优化）之间进行选择。
- 结构性转变： API 从“user/model”角色结构转向“类型化步骤”（typed steps）schema，更好地反映了自主智能体的多步特性。