Google DeepMind 为 Gemini API 托管 Agent 新增后台执行与 MCP 支持

一句话看懂

Google DeepMind 为 Gemini API 的 Managed Agents 新增后台执行、MCP 支持等四项功能，让 Agent 能异步运行、连接外部工具并保持状态。

详细发生了什么

Google DeepMind 为 Gemini API 的 Managed Agents 推出了四项更新，旨在提升 Agent 的自动化水平和集成能力。Managed Agents 是 Google 提供的一种托管式 AI Agent 服务，开发者通过 API 就能构建和部署能自主执行任务的智能体。

新功能包括：

• 后台执行：Agent 现在可以异步运行，无需等待即时响应，适合长时间任务。
• MCP 服务器直连：Agent 能直接连接远程 MCP（Model Context Protocol）服务器，获取外部数据或服务。
• 自定义函数与沙箱工具混用：开发者可以将自定义函数与 Google 提供的沙箱工具（如代码执行、搜索）结合使用。
• 无状态丢失凭证刷新：Agent 在刷新认证凭证时不会丢失当前状态，确保长时间运行的任务不中断。

这些功能通过 Gemini API 的 Managed Agents 端点提供，开发者无需管理底层基础设施。

中文圈视角

对中文开发者来说，这些更新有几点值得关注：

• 后台执行：国内类似服务如百度千帆 Agent 或阿里百炼 Agent 尚未广泛支持异步后台模式，Gemini 的这一功能对需要长时间运行任务（如数据爬取、定时报告生成）的场景很有吸引力。
• MCP 支持：MCP 是 Google 推动的开放协议，国内 ModelScope 或 Hugging Face 社区也有类似尝试，但 Gemini 的直连能力降低了集成门槛。不过，连接远程 MCP 服务器需要稳定的网络环境，国内用户需考虑延迟和合规问题。
• 凭证刷新：对于需要长期运行的企业级应用（如客服机器人、自动化流程），无状态丢失的凭证刷新能显著减少运维成本。国内云服务商如阿里云函数计算也提供类似能力，但 Gemini 将其与 Agent 状态管理深度绑定。
• 合规提醒：使用 Gemini API 涉及数据出境，国内企业需评估《数据安全法》要求。个人开发者通过代理访问可能影响稳定性。

总体而言，这些功能让 Gemini API 在 Agent 自动化方面领先于多数国产平台，但国内用户需权衡网络和合规成本。

几条值得记住的细节

• 后台执行支持异步任务，适合长时间运行的操作。
• MCP 服务器直连允许 Agent 访问外部数据库、API 等。
• 自定义函数可与 Google 沙箱工具（如代码执行）组合使用。
• 凭证刷新不丢失状态，确保长时间任务持续运行。
• 所有功能通过 Gemini API 的 Managed Agents 端点提供，无需额外基础设施。

一句话总结

Gemini Agent 新增的后台执行和 MCP 支持，让自动化任务更灵活，但国内用户需关注网络与合规门槛。