Gemini API Managed Agents: 3.6 Flash, hooks, dan fitur lainnya

Google baru saja meluncurkan peningkatan signifikan untuk Managed Agents di Gemini API — dan jika Anda membangun sistem AI produksi di mana pun di Asia, detailnya penting. Pengumuman dari Google DeepMind mencakup model default baru, environment hooks yang memberikan kontrol nyata kepada developer atas eksekusi tool, kontrol budget, scheduled triggers, dan akses free tier. Bersama-sama, ini bukan sekadar penyesuaian inkremental — ini adalah fondasi yang membuat agen otonomi benar-benar dapat dideploy.

Gemini API Managed Agents: 3.6 Flash, hooks, dan fitur lainnya merepresentasikan pergeseran dari "demo mengesankan" menjadi "infrastruktur produksi." Berikut apa yang berubah, mengapa hal ini penting bagi developer yang membangun di Asia, dan apa yang sebenarnya harus Anda lakukan dengannya.

Apa yang Terjadi

Managed Agents di Gemini API beroperasi melalui apa yang mereka sebut agen Antigravity — sandbox terisolasi cloud di mana satu panggilan API dapat mengoordinasikan reasoning, eksekusi kode, instalasi paket, manajemen file, dan pengambilan web tanpa Anda mengelola infrastruktur apa pun. Anggap saja sebagai runtime agen stateful yang menggunakan tool dan sepenuhnya berada di sisi Google.

Perubahan utama: Gemini 3.6 Flash sekarang menjadi model default untuk agen antigravity-preview-05-2026. Menurut Google AI Blog post, tidak ada perubahan kode yang diperlukan — interaksi Anda berikutnya akan mengambilnya secara otomatis. Gemini 3.6 Flash dijelaskan sebagai model seimbang yang dioptimalkan untuk reasoning, coding, dan penggunaan tool. Jika Anda perlu menentukan model tertentu atau menukar untuk menghemat biaya, Anda dapat melewatkan agent_config.model saat membuat interaksi:

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

const client = new GoogleGenAI({});

const interaction = await client.interactions.create({
  agent: "antigravity-preview-05-2026",
  input: "Audit semua dependencies di package.json, upgrade paket yang ketinggalan, dan verifikasi build dengan menjalankan npm test.",
  environment: "remote",
  agent_config: {
    type: "antigravity",
    model: "gemini-3.5-flash-lite",
  },
});

console.log(interaction.output_text);

Model yang didukung sekarang mencakup Gemini 3.6 Flash (default), Gemini 3.5 Flash (generasi sebelumnya), dan Gemini 3.5 Flash-Lite untuk workload biaya lebih rendah. Fleksibilitas pemilihan model sangat signifikan — ini berarti Anda dapat menyesuaikan biaya versus kemampuan per tugas daripada menerima satu model untuk semua interaksi agen.

Penambahan utama kedua adalah environment hooks — mekanisme yang memungkinkan developer mengintersepsi, menginspeksi, memblokir, melinting, atau mengaudit panggilan tool di dalam sandbox sebelum dieksekusi. Ini dipasangkan dengan kontrol budget untuk membatasi pengeluaran agen, scheduled triggers untuk menjalankan agen secara asinkron dan berbasis waktu, dan akses free tier yang menurunkan hambatan eksperimen. Free tier khususnya menunjukkan bahwa Google ingin adopsi developer yang luas sebelum mengunci penetapan harga.

Mengapa Ini Penting untuk Asia

Ekosistem developer Asia tidak monolitik, tetapi ada pola yang layak disebutkan. Tim startup di Asia Tenggara, India, Korea Selatan, dan Jepang sering kali lebih kecil, bergerak lebih cepat, dan beroperasi dengan budget infrastruktur yang lebih ketat daripada rekan-rekan mereka di San Francisco. Kombinasi akses free tier dan kontrol biaya tingkat model dalam rilis ini secara langsung mengatasi realitas tersebut.

Untuk founder SEA khususnya, model sandbox terkelola sangat menarik karena menghilangkan kategori pekerjaan DevOps yang biasanya memerlukan waktu engineering khusus. Anda tidak perlu menyediakan compute, mengelola environment paket, atau membangun logika retry di sekitar eksekusi tool — Gemini API menanganinya. Tim dua orang di Jakarta atau Ho Chi Minh City yang membangun produk workflow bertenaga AI sekarang dapat mendeploy agen yang akan memerlukan tim platform enam bulan yang lalu.

Fitur scheduled triggers sangat relevan untuk produk berbasis Asia dengan use case async-heavy: pipeline data malam hari, pembuatan laporan terjadwal, monitoring kompetitif berkala, atau otomasi yang menyadari zona waktu untuk bisnis yang melayani pasar Asia dan Barat. Ini bukan edge case — ini adalah pola inti untuk jenis produk SaaS dan tooling internal yang sebenarnya dibangun oleh tim tech Asia.

Kontrol budget juga penting. Banyak startup Asia membangun dengan runway yang ketat, dan risiko biaya agen yang liar — agen yang terjebak dalam loop, atau tugas yang tidak terdefinisi dengan baik yang menghabiskan kuota API — adalah penghalang nyata untuk deployment produksi. Hard budget caps di tingkat API, daripada mengandalkan guard tingkat aplikasi, adalah tempat yang tepat untuk memberlakukan ini.

Ada juga sinyal yang lebih luas di sini untuk ekosistem AI Asia. Investasi Google dalam infrastruktur agen terkelola — bukan hanya model, tetapi layer runtime — menunjukkan bahwa medan pertempuran kompetitif untuk alat developer AI bergeser dari "model mana yang paling pintar" menjadi "platform mana yang membuat agen paling mudah dijalankan dengan andal dalam produksi." Itu adalah pertarungan yang developer Asia dan MonstarX sebagai platform dev AI-native keduanya memantau dengan cermat.

Apa Artinya Ini untuk Developer

Mari kita konkret. Jika Anda membangun dengan Gemini API hari ini, berikut apa yang sebenarnya harus Anda tindaklanjuti dari rilis ini.

Adopsi environment hooks untuk agen produksi apa pun. Kemampuan untuk mengintersepsi panggilan tool sebelum eksekusi adalah fitur yang membedakan agen demo dari agen yang dapat dipercaya. Gunakan hooks untuk mencatat setiap invokasi tool, memberlakukan allow-lists pada domain eksternal mana yang dapat diakses agen, atau menyuntikkan gerbang persetujuan untuk operasi destruktif seperti penghapusan file atau penulisan database. Ini adalah pola yang tim yang sadar kepatuhan di fintech, healthtech, dan enterprise SaaS di Asia butuhkan sebelum mereka dapat membenarkan menempatkan agen di mana pun dekat data produksi.

Gunakan pemilihan model dengan sengaja. Jangan default ke Gemini 3.6 Flash untuk setiap tugas hanya karena itu default baru. Petakan tugas agen Anda berdasarkan kompleksitas: gunakan Flash-Lite untuk operasi volume tinggi, risiko rendah seperti pemformatan atau klasifikasi data; gunakan 3.6 Flash untuk reasoning multi-langkah dan tugas kode; pin ke versi model tertentu dalam produksi sehingga upgrade tidak secara diam-diam mengubah perilaku. Parameter agent_config.model memberi Anda kontrol itu — gunakannya.

Tetapkan kontrol budget sebelum Anda go live. Ini tidak dapat dinegosiasikan untuk agen apa pun yang berjalan tanpa pengawasan manusia. Kontrol budget baru di Managed Agents memungkinkan Anda membatasi pengeluaran di tingkat API. Gabungkan ini dengan monitoring di sisi aplikasi Anda — catat penggunaan token per interaksi, beri peringatan pada anomali, dan bangun circuit breaker untuk tugas yang melebihi durasi yang diharapkan.

Bereksperimen dengan scheduled triggers sekarang, saat masih di free tier. Jika produk Anda memiliki use case otomasi berbasis waktu apa pun — dan sebagian besar memilikinya — prototipe minggu ini. Scheduled triggers untuk managed agents berarti Anda dapat mengganti pola cron-job-plus-script dengan satu panggilan agen yang menangani environment eksekusinya sendiri. Free tier membuat biaya eksperimen menjadi nol.

Instal skill Interactions API jika Anda menggunakan asisten coding AI. Pengumuman Google mencakup perintah terminal langsung: npx skills add google-gemini/gemini-skills --skill gemini-interactions-api. Ini memberikan asisten coding Anda akses langsung ke konteks Interactions API, yang secara bermakna meningkatkan kualitas kode agen yang dihasilkan.

Untuk tim yang menggunakan connectors untuk menghubungkan API dan sumber data dalam workflow agen mereka, Gemini API