Los Agentes Administrados en la API de Gemini ahora usan Gemini 3.6 Flash por defecto. Los nuevos ganchos de entorno (environment hooks) te permiten bloquear, verificar o auditar llamadas a herramientas dentro del sandbox. Además, hemos añadido controles de presupuesto, activadores programados y acceso al nivel gratuito.
Los Agentes Administrados en la API de Gemini ahora incluyen ganchos de entorno, selección de modelos y acceso al nivel gratuito. Estas capacidades se basan en nuestro lanzamiento anterior que presentó tareas en segundo plano e integración con servidores MCP remotos.
Con los agentes administrados en la API de Interacciones de Gemini, una sola llamada a la API coordina el razonamiento, la ejecución de código, la instalación de paquetes, la gestión de archivos y la recuperación web dentro de un sandbox aislado en la nube.
Si estás usando un asistente de codificación con IA, ejecuta esto en tu terminal para darle acceso a la habilidad de la API de Interacciones: npx skills add google-gemini/gemini-skills --skill gemini-interactions-api
A continuación, se muestran ejemplos usando el SDK de TypeScript/JavaScript @google/genai. Para Python o cURL, consulta la documentación del agente antigravedad.
1npm install @google/genai
Gemini 3.6 Flash ahora es el modelo predeterminado
El agente antigravity-preview-05-2026 ahora ejecuta Gemini 3.6 Flash de forma predeterminada. No se requieren cambios en el código. Tu próxima interacción lo tomará automáticamente.
También puedes seleccionar modelos explícitamente pasando agent_config.model al crear una interacción o un agente administrado. Usa Gemini 3.5 Flash-Lite para reducir costos, o elige el modelo de tu preferencia.
1import { GoogleGenAI } from "@google/genai";23const client = new GoogleGenAI({});45const interaction = await client.interactions.create({6 agent: "antigravity-preview-05-2026",7 input: "Audit all dependencies in package.json, upgrade outdated packages, and verify the build by running npm test.",8 environment: "remote",9 agent_config: {10 type: "antigravity",11 model: "gemini-3.5-flash-lite",12 },13});1415console.log(interaction.output_text);
Los modelos compatibles incluyen:
- Gemini 3.6 Flash (gemini-3.6-flash, predeterminado): Modelo equilibrado para razonamiento, codificación y uso de herramientas.
- Gemini 3.5 Flash (gemini-3.5-flash): Generación anterior para flujos de trabajo de agentes generales.
- Gemini 3.5 Flash-Lite (gemini-3.5-flash-lite): La menor latencia y costo de la familia Gemini 3.5.
Ganchos de entorno: bloquea, verifica y audita llamadas a herramientas dentro del sandbox
Los ganchos de entorno te permiten ejecutar scripts personalizados antes o después de cada llamada a herramienta que el agente realiza dentro de su sandbox. Agrega un archivo .agents/hooks.json en tu entorno y el tiempo de ejecución ejecutará tus manejadores en los eventos pre_tool_execution o post_tool_execution.
1{2 "security-gate": {3 "pre_tool_execution": [4 {5 "matcher": "code_execution|write_file",6 "hooks": [7 {8 "type": "command",9 "command": "python3 /.agents/hooks-scripts/gate.py",10 "timeout": 1011 }12 ]13 }14 ]15 },16 "auto-format": {17 "post_tool_execution": [18 {19 "matcher": "*",20 "hooks": [21 {22 "type": "command",23 "command": "python3 /.agents/hooks-scripts/auto_lint.py",24 "timeout": 1525 }26 ]27 }28 ]29 }30}
En esta configuración:
- El grupo security-gate ejecuta gate.py antes de cada llamada code_execution o write_file. Si el script devuelve {"decision": "deny", "reason": "..."}, la llamada a la herramienta se omite y el motivo del rechazo se pasa al contexto del modelo.
- El grupo auto-format ejecuta auto_lint.py después de que cada herramienta finaliza para aplicar el estilo de código.
- Los ganchos también admiten manejadores de tipo http que publican directamente en un endpoint externo.
Para definiciones completas de ganchos HTTP y semántica de manejo de fallos, consulta la documentación de ganchos.
Los equipos ya están usando ganchos para construir pipelines de validación de nivel profesional. Por ejemplo, el banco de inversión nativo de IA OffDeal utiliza ganchos post_tool_execution para ejecutar verificación automatizada de imágenes dentro del sandbox remoto.
OffDeal es un banco de inversión nativo de IA, y Archie es el analista de IA que nuestros banqueros usan a diario. Un requisito para las presentaciones listas para banqueros son los logotipos de empresas: tablas de compradores, columnas de patrocinadores, cuadrículas de portada, a menudo más de 30 logotipos en una sola presentación, cada uno de los cuales debe ser la empresa correcta, tener el tamaño y la relación de aspecto adecuados, contener el nombre, tener un fondo transparente y tener un alto contraste cuando se coloca en una diapositiva blanca.
Antes de los ganchos de agente, no podíamos hacer esto en los agentes administrados de Gemini: el sandbox es remoto, por lo que nuestro código de validación no tenía dónde ejecutarse. Con los ganchos, un gancho post_tool_execution activa nuestro pipeline dentro del sandbox en el momento en que Archie escribe su lista de empresas, buscando candidatos, aplicando controles de calidad a nivel de píxel, verificando cada logotipo con Gemini Vision y publicando un manifiesto de archivos aprobados que son las únicas imágenes permitidas en la presentación.
— Alston Lin, Fundador y CTO de OffDeal
Control de costos y funciones de automatización
Disponibilidad del nivel gratuito
Los agentes administrados ahora están disponibles en proyectos de nivel gratuito. Los desarrolladores pueden experimentar con flujos de trabajo de agentes usando una clave de API de un proyecto sin facturación activa.
Controles de presupuesto
Debido a que los agentes administrados ejecutan bucles autónomos de múltiples pasos, las tareas complejas pueden consumir presupuestos de tokens significativos. Para evitar tareas descontroladas, puedes pasar max_total_tokens dentro de agent_config para limitar el consumo total (entrada + salida + pensamiento).
Cuando el agente alcanza el límite, la ejecución se detiene de forma segura y la interacción devuelve status: "incomplete". El estado del entorno se conserva, lo que te permite continuar desde donde se detuvo pasando previous_interaction_id con un nuevo presupuesto.
1const interaction = await client.interactions.create({2 agent: "antigravity-preview-05-2026",3 input: "Audit all modules in this repo and generate a migration report.",4 agent_config: {5 type: "antigravity",6 max_total_tokens: 10000,7 },8 environment: "remote",9});
Ejecución programada con activadores
Automatiza tareas recurrentes de agentes con activadores programados. Un activador vincula un agente, entorno, mensaje y programación cron en un recurso persistente que se ejecuta sin intervención manual. Cada ejecución reutiliza el mismo sandbox, por lo que los archivos persisten entre ejecuciones.
API de Entornos
La API de Entornos te permite listar, inspeccionar y eliminar sesiones de sandbox desde el código. Recupera IDs de entorno después de una desconexión, o limpia sandboxes cuando tu pipeline finaliza, en lugar de esperar el TTL de 7 días.
Comienza con los agentes administrados
Estas actualizaciones convierten a los agentes administrados en trabajadores programados y con control de costos que operan de forma autónoma dentro de entornos de desarrollo reales, sin exceder tu presupuesto ni requerir orquestación externa.
Consulta la Descripción general de la API de Interacciones de Gemini y la guía de inicio rápido de agentes administrados para explorar definiciones de agentes personalizados, configuraciones de entorno, reglas de red y patrones avanzados de streaming.
