Gemini API 中的托管智能体现在默认使用 Gemini 3.6 Flash。新的环境钩子允许你在沙箱内阻止、检查或审计工具调用。此外，我们还增加了预算控制、定时触发器和免费套餐访问权限。

---

Philipp Schmid

Google DeepMind 技术团队成员

Mariano Cocirio

---

Gemini API 中的托管智能体正在获得环境钩子、模型选择和免费套餐访问权限。这些功能建立在我们之前推出的后台任务和远程 MCP 服务器集成基础之上。

通过 Gemini Interactions API 中的托管智能体，单个 API 调用即可在隔离的云沙箱内协调推理、代码执行、包安装、文件管理和网络检索。

如果你正在使用 AI 编码助手，请在终端中运行以下命令，使其能够访问 Interactions API 技能：`npx skills add google-gemini/gemini-skills --skill gemini-interactions-api`。

以下是使用 `@google/genai` TypeScript/JavaScript SDK 的示例。对于 Python 或 cURL，请查阅 Antigravity 智能体文档。

npm install @google/genai

Gemini 3.6 Flash 现已成为默认模型

`antigravity-preview-05-2026` 智能体现在默认运行 Gemini 3.6 Flash。无需更改代码。你的下一次交互将自动使用该模型。

你也可以通过在创建交互或托管智能体时传递 `agent_config.model` 来显式选择模型。使用 Gemini 3.5 Flash-Lite 以降低成本，或固定为你偏好的模型。

import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({});

const interaction = await client.interactions.create({
  agent: "antigravity-preview-05-2026",
  input: "Audit all dependencies in package.json, upgrade outdated packages, and verify the build by running npm test.",
  environment: "remote",
  agent_config: {
    type: "antigravity",
    model: "gemini-3.5-flash-lite",
  },
});

console.log(interaction.output_text);

支持的模型包括：

• Gemini 3.6 Flash（`gemini-3.6-flash`，默认）：适用于推理、编码和工具使用的均衡模型。
• Gemini 3.5 Flash（`gemini-3.5-flash`）：适用于通用智能体工作流程的上一代模型。
• Gemini 3.5 Flash-Lite（`gemini-3.5-flash-lite`）：Gemini 3.5 系列中延迟最低、成本最低的模型。

环境钩子：在沙箱内阻止、检查和审计工具调用

环境钩子允许你在智能体在其沙箱内进行每次工具调用之前或之后运行自定义脚本。在你的环境中添加一个 `.agents/hooks.json` 文件，运行时将在 `pre_tool_execution` 或 `post_tool_execution` 事件上执行你的处理程序。

`matcher` 字段支持正则表达式，允许你使用 `|` 定位多个工具，或使用 `*` 捕获所有工具：

{
  "security-gate": {
    "pre_tool_execution": [
      {
        "matcher": "code_execution|write_file",
        "hooks": [
          {
            "type": "command",
            "command": "python3 /.agents/hooks-scripts/gate.py",
            "timeout": 10
          }
        ]
      }
    ]
  },
  "auto-format": {
    "post_tool_execution": [
      {
        "matcher": "*",
        "hooks": [
          {
            "type": "command",
            "command": "python3 /.agents/hooks-scripts/auto_lint.py",
            "timeout": 15
          }
        ]
      }
    ]
  }
}

在此配置中：

• 安全门组会在每次 `code_execution` 或 `write_file` 调用之前运行 `gate.py`。如果脚本返回 `{"decision": "deny", "reason": "..."}`，则该工具调用会被跳过，拒绝原因会被传入模型的上下文。
• 自动格式化组会在每个工具执行完毕后运行 `auto_lint.py`，以强制执行代码风格规范。
• 钩子还支持 HTTP 类型处理器，可直接向外部端点发送 POST 请求。

关于完整的 HTTP 钩子定义及失败处理语义，请参阅钩子文档。

团队已经在使用钩子构建生产级的验证流水线。例如，AI 原生投资银行 Offdeal 使用后工具执行钩子，在远程沙箱内运行自动化图像验证。

"OffDeal 是一家 AI 原生投资银行，Archie 是我们的银行家每天使用的 AI 分析师。银行级演示文稿的一个要求是公司徽标：买方表格、赞助商列、墓碑网格，一份演示文稿中通常有 30 多个徽标，每个徽标都必须是正确的公司、合适的尺寸和宽高比、包含公司名称、具有透明背景，并且在白色幻灯片上放置时具有高对比度。

在智能体钩子出现之前，我们无法在 Gemini 的托管智能体上做到这一点：沙箱是远程的，因此我们的验证代码无处运行。有了钩子，后工具执行钩子会在 Archie 写入其公司列表的那一刻触发我们在沙箱内的流水线，获取候选徽标、执行像素级质量检查、使用 Gemini 视觉验证每个徽标，并发布一份已批准文件的清单，这些文件是唯一允许进入演示文稿的图像。"

——Alston Lin，OffDeal 创始人兼首席技术官

成本控制与自动化功能

免费层级可用性

托管智能体现在可用于免费层级项目。开发者可以使用来自未启用计费项目的 API 密钥，尝试智能体工作流。

预算控制

由于托管智能体会执行多轮自主循环，复杂任务可能会消耗大量模型 token 预算。为防止任务失控，你可以在 `agent_config` 中传入 `max_total_tokens` 来限制总消耗量（输入 + 输出 + 思考）。

当智能体达到限制时，执行会安全暂停，交互返回状态："incomplete"。环境状态得以保留，让你能够通过传入 `previous_interaction_id` 并设置新的预算，从中断处继续执行。

const interaction = await client.interactions.create({
  agent: "antigravity-preview-05-2026",
  input: "Audit all modules in this repo and generate a migration report.",
  agent_config: {
    type: "antigravity",
    max_total_tokens: 10000,
  },
  environment: "remote",
});

带触发器的定时执行

使用定时触发器自动执行重复的智能体任务。触发器将智能体、环境、提示词和 cron 调度绑定为一个持久化资源，无需人工干预即可触发。每次运行都复用同一个沙箱，因此文件可在多次执行间持久保留。

环境 API

环境 API 让你能够通过代码列出、检查和删除沙箱会话。在断开连接后恢复环境 ID，或在管道完成时清理沙箱，无需等待 7 天的 TTL 自动过期。

托管智能体入门

这些更新将托管智能体转变为成本可控、可定时调度的工作单元，能够在真实开发环境中自主运行，既不会超出预算，也无需外部编排。

查看 Gemini 交互 API 概览和托管智能体快速入门指南，探索自定义智能体定义、环境配置、网络规则以及高级流式传输模式。