Gemini API Managed Agents 默认升级为 3.6 Flash，新增环境钩子与免费套餐

Gemini API 中的托管智能体现在默认使用 Gemini 3.6 Flash。新的环境钩子让你可以在沙箱内阻止、检查或审计工具调用。此外，我们还新增了预算控制、定时触发器和免费层访问。

Philipp Schmid

Google DeepMind 技术团队成员

Mariano Cocirio

Gemini API 中的托管智能体即将获得环境钩子、模型选择和免费层访问。这些能力建立在我们此前发布的后台任务与远程 MCP 服务器集成之上。

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

如果你正在使用 AI 编程助手，把这段内容粘贴到终端，即可让它获得 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。如需 Python 或 cURL，请查看Antigravity 智能体文档。

npm install @google/genai

Gemini 3.6 Flash 现已成为默认选项

antigravity-preview-05-2026 智能体现在默认运行 Gemini 3.6 Flash。无需更改代码。你的下一次交互会自动采用它。

你也可以在创建交互或托管智能体时通过传入 agent_config.model 来显式选择模型。使用 Gemini 3.5 Flash-Lite 可降低成本，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  input: "Audit all dependencies in package.json, upgrade outdated packages, and verify the build by running npm test.",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）：面向推理、编码和工具使用的均衡模型。
• Gemini 3.5 Flash（gemini-3.5-flash）：用于通用智能体工作流的上一代模型。
• Gemini 3.5 Flash-Lite（gemini-3.5-flash-lite）：Gemini 3.5 系列中延迟和成本最低的模型。

环境钩子：在沙箱内阻止、检查和审计工具调用

环境钩子让你可以在智能体于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，运行时便会在 pre_tool_execution or post_tool_execution 事件上执行你的处理程序。

matcher 字段支持正则表达式，让你可以用 | 定位多个工具，或用 * 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：

• 该security-gate组会在每次gate.py之前运行code_execution或write_file调用之前运行。如果脚本返回{"decision": "deny", "reason": "..."}，则跳过该工具调用，并将拒绝原因传入模型的上下文。
• auto-format 组会在每个工具执行完成后运行 auto_lint.py，以强制执行代码风格规范。
• Hooks 还支持 http 类型的处理器，可直接向外部端点发送 POST 请求。

有关完整的 HTTP hook 定义和失败处理语义，请参阅 hooks 文档。

各团队已经在使用 hooks 构建生产级验证流水线。例如，AI 原生投资银行 Offdeal 使用 post_tool_execution hooks 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都在使用的 AI 分析师。银行家可用的演示文稿有一项要求是公司 logo：买方表格、赞助商列、墓碑图网格，一份演示文稿中往往有 30+ 个 logo，每一个都必须是正确的公司、尺寸和宽高比合适、包含名称、具有透明背景，并且在放到白色幻灯片上时具有高对比度。

在智能体钩子（agent hooks）出现之前，我们在 Gemini 的托管智能体上无法做到这一点：沙箱是远程的，所以我们的校验代码无处运行。有了钩子之后，post_tool_execution 钩子会在 Archie 写出公司名单的那一刻，在沙箱内触发我们的流水线，抓取候选对象、执行像素级质量检查、用 Gemini 视觉逐一验证每个 logo，并发布一份已批准文件的清单——这些是唯一允许进入演示文稿的图片。"

- Alston Lin，OffDeal 创始人兼 CTO

成本控制与自动化功能

免费层可用性

托管智能体现在可在免费层级项目中使用。开发者可以使用来自未启用计费的项目的 API key来试验智能体工作流。

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 token 预算。为防止任务失控，你可以传入max_total_tokens在agent_config内部，以限制总消耗量（输入 + 输出 + 思考）。

当智能体达到限制时，执行会安全暂停，交互随之返回status: "incomplete"。环境状态会被保留，使你能够从它停止的地方继续通过传入previous_interaction_id一个全新的预算。

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",
});

通过触发器实现定时执行

使用定时触发器自动化重复性的智能体任务。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。每次运行都会复用同一个沙箱，因此文件可在多次执行之间持久保留。

Environments API

Environments API让你可以通过代码列出、检查和删除沙箱会话。在断开连接后恢复环境 ID，或在流水线完成时清理沙箱，而不必等待 7 天的 TTL。

开始使用托管智能体

这些更新将托管智能体转变为成本可控、可定时调度的执行单元，它们能在真实的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 Interactions API 概览和托管智能体快速入门，探索自定义智能体定义、环境配置、网络规则和高级流式模式。