Managed Agents в Gemini API перешли на Gemini 3.6 Flash и получили хуки, бюджеты и запуск по расписанию

Managed Agents — управляемый Google контур для агентных задач, где один вызов API может координировать многошаговое рассуждение, выполнение кода, установку пакетов, работу с файлами и веб-поиск в изолированной облачной песочнице. Команде не нужно самостоятельно поддерживать рантайм, но у удалённого исполнения есть практическая цена: для production-задач важно понимать, какие действия агент совершает, где поставить проверки и как не дать автономному циклу бесконтрольно расходовать ресурсы. Новые функции расширяют именно эти точки управления — от выбора модели до политик выполнения и регулярного запуска.

Агент antigravity-preview-05-2026 теперь по умолчанию использует Gemini 3.6 Flash. Для уже работающих интеграций это происходит без миграции: следующая interaction автоматически возьмёт новую модель. При необходимости дефолт можно не принимать: поле agent_config.model позволяет явно выбрать и закрепить модель при создании managed agent или отдельной interaction. Google также предлагает Gemini 3.5 Flash-Lite для сценариев, где приоритетом остаётся более низкая стоимость. Это даёт командам выбор между автоматическим обновлением платформы, экономичным режимом и предсказуемой конфигурацией, зафиксированной в коде.

Ключевое дополнение для контролируемого исполнения — environment hooks. В окружение нужно добавить файл .agents/hooks.json, после чего пользовательские обработчики будут вызываться до обращения агента к инструменту — на событии pre_tool_execution — или после него, на post_tool_execution. Правила используют matcher с регулярными выражениями: можно охватить один инструмент, несколько инструментов или все вызовы. Внутри песочницы таким образом можно запретить действие, проверить его параметры, выполнить линтинг, записать аудит или провалидировать результат, не строя отдельный внешний контур вокруг каждого инструментального шага.

Практический пример приводит OffDeal, AI-native инвестбанк. Его агент Archie собирает материалы для банковских презентаций, в которых могут быть десятки логотипов компаний. После того как агент формирует список компаний, post-hook запускает в удалённой песочнице пайплайн проверки: находит кандидатов, контролирует качество на уровне пикселей, размеры и соотношение сторон, затем сверяет изображения с помощью Gemini vision. На выходе получается манифест одобренных файлов — только их разрешено вставлять в презентацию. Такой сценарий показывает, что хуки пригодны не только для технических логов: они позволяют превратить требования к качеству и безопасности в исполняемую часть агентного процесса.

Для ограничения стоимости Google добавила max_total_tokens в agent_config. Лимит считает суммарно входные, выходные и thinking-токены — существенная деталь для многоходовых задач, где модель чередует рассуждение и инструментальные вызовы. При достижении бюджета задача не завершается с потерей состояния: interaction возвращает статус incomplete, а среда сохраняется. Выполнение можно возобновить через previous_interaction_id, назначив новый токенный бюджет. Поэтому лимит может служить не только аварийным стоп-краном, но и границей между контролируемыми этапами длинной задачи.

Scheduled triggers превращают разовый запуск в постоянный ресурс: триггер связывает агента, окружение, промпт и cron-расписание, после чего срабатывает без ручного вмешательства. Подход подходит для регулярных проверок данных, подготовки отчётов, обработки повторяющихся задач в репозиториях и внутренних системах. Одновременно Managed Agents открыли для free tier-проектов: экспериментировать с агентными workflow можно с API-ключом проекта без активного биллинга. Однако доступность прототипирования не отменяет токенную дисциплину — именно автономные циклы сложных задач способны быстро наращивать потребление, если заранее не задать рамки в конфигурации.