Mengembangkan Agen Terkelola di Gemini API: Tugas Latar Belakang, MCP Jarak Jauh dan Lainnya

Google baru saja membuat langkah yang tenang namun signifikan untuk pengembang yang membangun agen AI produksi. Pada 7 Juli 2026, tim Google DeepMind mengumumkan serangkaian kemampuan baru untuk Agen Terkelola di Gemini API — eksekusi latar belakang, integrasi server MCP jarak jauh, pemanggilan fungsi khusus, dan penyegaran kredensial. Mengembangkan Agen Terkelola di Gemini API dengan tugas latar belakang dan dukungan MCP jarak jauh bukan hanya pembaruan fitur; ini adalah sinyal bahwa industri mulai serius tentang apa arti "siap produksi" untuk agen AI otonom.

Jika Anda telah frustrasi dengan pekerjaan agen jangka panjang yang tidak stabil, integrasi alat yang rapuh, atau overhead konstan dalam mengelola kredensial antar sesi — pengumuman ini layak mendapat perhatian penuh Anda.

Apa yang Terjadi

Agen Terkelola di Gemini API memungkinkan pengembang memanggil satu titik akhir dan memindahkan pekerjaan berat — penalaran, eksekusi kode, instalasi paket, manajemen file, dan penelusuran web — ke sandbox cloud terisolasi. Anda tidak mengelola runtime. Anda tidak perlu mengawasi lingkungan eksekusi. Anda hanya mendeskripsikan apa yang ingin Anda lakukan dan Gemini menangani sisanya.

Pembaruan Juli 2026 menambahkan empat kemampuan konkret di atas fondasi tersebut:

• Eksekusi latar belakang: Teruskan background: true ke panggilan interaksi Anda dan API segera mengembalikan ID. Klien Anda tidak perlu membuka koneksi HTTP. Sebagai gantinya, dapat melakukan polling untuk status, streaming pembaruan kemajuan, atau terhubung kembali nanti sementara agen menyelesaikan pekerjaan di sisi server. Ini secara langsung menyelesaikan masalah kerapuhan tugas jangka panjang melalui koneksi terbuka.
• Integrasi server MCP jarak jauh: Agen sekarang dapat terhubung ke server Model Context Protocol (MCP) jarak jauh, yang berarti mereka dapat menjangkau alat eksternal dan sumber data tanpa Anda harus membangun kode perekat khusus untuk setiap integrasi.
• Pemanggilan fungsi khusus: Pengembang dapat menentukan fungsi mereka sendiri dan mengeksposnya ke agen, memberikan kontrol presisi atas tindakan apa yang dapat dilakukan agen dalam alur kerja.
• Penyegaran kredensial antar interaksi: Agen sekarang dapat menyegarkan kredensial di tengah sesi, yang penting untuk alur kerja apa pun yang melampaui batas autentikasi — pikirkan token OAuth yang kedaluwarsa di tengah tugas selama pipeline data multi-langkah.

Contoh SDK dalam pengumuman menggunakan paket JavaScript @google/genai, dengan setara Python dan cURL tersedia di dokumentasi agen Antigravity. Memulai adalah instalasi tunggal: npm install @google/genai.

Yang patut diperhatikan di sini bukan fitur tunggal — ini adalah polanya. Setiap penambahan ini secara langsung mengatasi mode kegagalan yang diketahui dalam penyebaran agen produksi. Google jelas mendengarkan umpan balik pengembang daripada mengirimkan kemampuan dalam pencarian kasus penggunaan.

Mengapa Ini Penting untuk Asia

Ekosistem pengembang Asia membangun agen AI dengan kecepatan yang sering melampaui kematangan infrastruktur alat yang tersedia. Di Asia Tenggara, Korea Selatan, Jepang, dan India, tim menerapkan agen untuk segalanya mulai dari koordinasi logistik dan pemrosesan dokumen keuangan hingga otomasi dukungan pelanggan di berbagai bahasa. Benang merah dalam hampir setiap penyebaran produksi? Masalah sulit bukan penalaran AI — mereka adalah pipa.

Eksekusi latar belakang sangat penting dalam konteks ini. Banyak alur kerja bernilai tinggi di pasar Asia berjalan lama. Agen kepatuhan memproses pengajuan peraturan di Singapura, agen rantai pasokan merekonsiliasi faktur lintas batas antara Vietnam dan Tiongkok, atau agen analisis dokumen bekerja melalui ratusan kontrak berbahasa Thailand — tidak ada yang selesai dalam hitungan detik. Membuka koneksi HTTP untuk beberapa menit bukan hanya rapuh; di pasar yang berpusat pada seluler dengan konektivitas yang bervariasi, sering kali tidak mungkin.

Integrasi MCP jarak jauh sama pentingnya untuk lanskap teknologi Asia. Sistem perusahaan di seluruh wilayah terfragmentasi — campuran platform ERP warisan, alat SaaS regional, gateway pembayaran lokal, dan API pemerintah yang tidak selalu mengikuti konvensi API Barat. Kemampuan untuk menghubungkan agen ke server MCP jarak jauh berarti tim dapat membangun lapisan adaptor tipis sekali dan menggunakannya kembali di alur kerja agen, daripada membangun kembali integrasi dari awal untuk setiap agen baru.

Penyegaran kredensial terdengar seperti catatan kaki tetapi sebenarnya merupakan penghalang untuk banyak penyebaran dunia nyata. API pemerintah dan keuangan di pasar seperti Indonesia, Thailand, dan Filipina sering menggunakan token berumur pendek. Agen yang tidak dapat menyegarkan kredensialnya sendiri di tengah tugas tidak dapat menyelesaikan alur kerja tertentu tanpa intervensi manusia — yang mengalahkan tujuan otomasi sepenuhnya.

Untuk pendiri yang membangun di MonstarX, platform pengembangan asli AI Asia, pembaruan Gemini API ini mengurangi pajak infrastruktur dalam membangun produk agen yang serius. Primitif semakin baik. Pertanyaannya bergeser dari "bisakah kami membuat ini berfungsi?" menjadi "apa yang layak dibangun?"

Apa Artinya Ini untuk Pengembang

Mari kita konkret tentang apa yang sebenarnya dapat Anda bangun berbeda sekarang.

Pipeline agen asinkron tanpa infrastruktur khusus. Sebelum eksekusi latar belakang, menjalankan tugas agen jangka panjang dengan andal berarti membangun antrian pekerjaan Anda sendiri — Redis, BullMQ, atau layanan tugas cloud — hanya untuk mengelola lapisan eksekusi asinkron. Sekarang Anda mendapatkan itu gratis dari API. Arsitektur Anda menjadi lebih sederhana. Alur kerja yang sebelumnya memerlukan pekerja antrian, database status, dan penanganan webhook sekarang dapat menjadi panggilan API tunggal dengan polling.

Berikut adalah pola dalam praktik:

// Mulai tugas — kembali segera dengan ID interaksi
const interaction = await client.interactions.create({
  model: "gemini-2.0-flash",
  prompt: "Analisis laporan keuangan Q2 dan tandai anomali",
  background: true
});

// Poll atau terhubung kembali nanti
const result = await client.interactions.get(interaction.id);

Itulah seluruh infrastruktur asinkron untuk tugas agen jangka panjang. Tidak ada antrian. Tidak ada proses pekerja. Tidak ada tabel status.

Ekosistem alat melalui MCP jarak jauh. Protokol MCP telah mendapatkan daya tarik sebagai cara standar untuk mengekspos alat ke agen AI. Dukungan MCP jarak jauh berarti Anda sekarang dapat menghubungkan agen Gemini ke server yang kompatibel dengan MCP apa pun — alat internal, API pihak ketiga, sumber data khusus — tanpa menulis pembungkus fungsi khusus untuk masing-masing. Jika tim Anda telah berinvestasi dalam membangun server MCP untuk alat lain, investasi itu sekarang langsung terbawa ke agen Gemini.

Alur kerja agen yang dapat dikomposisi dengan fungsi khusus. Pemanggilan fungsi khusus memberi Anda lapisan kontrol yang kurang dari agen berbasis prompt murni. Anda menentukan fungsi, tanda tangan, dan perilakunya. Agen memutuskan kapan memanggilnya. Ini adalah pola yang membuat agen cukup dapat dipercaya untuk diterapkan dalam produksi — Anda tidak memberikan model akses terbuka ke sistem Anda, Anda memberikannya serangkaian alat yang terdefinisi dengan baik dengan antarmuka yang dapat diprediksi.

Manajemen kredensial yang tidak merusak sesi panjang. Untuk agen apa pun yang menyentuh API yang diautentikasi, penyegaran kredensial sekarang menjadi perhatian kelas satu daripada pemikiran belakangan. Bangun agen yang beroperasi selama berjam-jam tanpa memerlukan manusia untuk mengautentikasi ulang di tengah tugas. Ini sangat relevan untuk alur kerja pemrosesan batch semalam — jenis pekerjaan latar belakang yang paling berharga justru