Mở rộng Managed Agents trong Gemini API: Tác vụ nền, MCP từ xa và hơn thế nữa

Google vừa thực hiện một bước đi yên tĩnh nhưng có ý nghĩa lớn cho các nhà phát triển xây dựng các agent AI sản xuất. Vào ngày 7 tháng 7 năm 2026, đội ngũ Google DeepMind công bố một loạt khả năng mới cho Managed Agents trong Gemini API — thực thi nền, tích hợp máy chủ MCP từ xa, gọi hàm tùy chỉnh và làm mới thông tin xác thực. Mở rộng Managed Agents trong Gemini API với hỗ trợ tác vụ nền và MCP từ xa không chỉ là một cập nhật tính năng; đó là tín hiệu cho thấy ngành công nghiệp đang nghiêm túc về ý nghĩa thực sự của "sẵn sàng cho sản xuất" đối với các agent AI tự trị.

Nếu bạn đã bị khó chịu bởi các công việc agent chạy lâu không ổn định, tích hợp công cụ yếu kém, hoặc chi phí quản lý thông tin xác thực liên tục giữa các phiên — thông báo này đáng để bạn chú ý đầy đủ.

Điều gì đã xảy ra

Managed Agents trong Gemini API của Google cho phép các nhà phát triển gọi một điểm cuối duy nhất và chuyển giao công việc nặng — lập luận, thực thi mã, cài đặt gói, quản lý tệp và duyệt web — cho một hộp cát đám mây cách ly. Bạn không quản lý thời gian chạy. Bạn không cần theo dõi môi trường thực thi. Bạn chỉ cần mô tả những gì bạn muốn làm và Gemini sẽ xử lý phần còn lại.

Bản cập nhật tháng 7 năm 2026 thêm bốn khả năng cụ thể dựa trên nền tảng đó:

• Thực thi nền: Truyền background: true vào lệnh gọi tương tác của bạn và API sẽ ngay lập tức trả về một ID. Máy khách của bạn không cần phải giữ kết nối HTTP mở. Thay vào đó, nó có thể kiểm tra trạng thái, truyền phát cập nhật tiến độ hoặc kết nối lại sau này trong khi agent hoàn thành công việc phía máy chủ. Điều này trực tiếp giải quyết vấn đề tính không ổn định của các tác vụ chạy lâu trên các kết nối mở.
• Tích hợp máy chủ MCP từ xa: Các agent hiện có thể kết nối với các máy chủ Model Context Protocol (MCP) từ xa, có nghĩa là chúng có thể truy cập các công cụ bên ngoài và nguồn dữ liệu mà không cần bạn xây dựng mã kết nối tùy chỉnh cho mỗi tích hợp.
• Gọi hàm tùy chỉnh: Các nhà phát triển có thể xác định các hàm của riêng họ và hiển thị chúng cho agent, cung cấp kiểm soát chính xác về những hành động mà agent có thể thực hiện trong một quy trình làm việc.
• Làm mới thông tin xác thực giữa các tương tác: Các agent hiện có thể làm mới thông tin xác thực giữa phiên, điều này rất quan trọng đối với bất kỳ quy trình làm việc nào vượt qua ranh giới xác thực — hãy nghĩ về các token OAuth hết hạn giữa tác vụ trong một đường ống dữ liệu đa bước.

Các ví dụ SDK trong thông báo sử dụng gói JavaScript @google/genai, với các tương đương Python và cURL có sẵn trong tài liệu agent Antigravity. Bắt đầu rất đơn giản: npm install @google/genai.

Điều đáng chú ý ở đây không phải là bất kỳ tính năng nào — đó là mô hình. Mỗi bổ sung này trực tiếp giải quyết một chế độ lỗi đã biết trong các triển khai agent sản xuất. Google rõ ràng đang lắng nghe phản hồi của nhà phát triển thay vì cung cấp các khả năng để tìm kiếm các trường hợp sử dụng.

Tại sao nó quan trọng đối với Châu Á

Hệ sinh thái nhà phát triển của Châu Á đang xây dựng các agent AI với tốc độ thường vượt quá mức độ trưởng thành cơ sở hạ tầng của các công cụ có sẵn. Ở Đông Nam Á, Hàn Quốc, Nhật Bản và Ấn Độ, các đội đang triển khai các agent cho mọi thứ từ phối hợp hậu cần và xử lý tài liệu tài chính đến tự động hóa hỗ trợ khách hàng trên nhiều ngôn ngữ. Chủ đề chung trong hầu hết mọi triển khai sản xuất? Những vấn đề khó khăn không phải là lập luận AI — chúng là hệ thống cơ sở hạ tầng.

Thực thi nền rất quan trọng trong bối cảnh này. Nhiều quy trình làm việc có giá trị cao trên thị trường châu Á vốn chạy lâu. Một agent tuân thủ xử lý các tệp quy định ở Singapore, một agent chuỗi cung ứng hòa giải các hóa đơn xuyên biên giới giữa Việt Nam và Trung Quốc, hoặc một agent phân tích tài liệu làm việc thông qua hàng trăm hợp đồng bằng tiếng Thái — không ai trong số này hoàn thành trong vài giây. Giữ kết nối HTTP mở trong vài phút không chỉ không ổn định; trên các thị trường ưu tiên di động với kết nối không ổn định, nó thường là không thể.

Tích hợp MCP từ xa cũng rất quan trọng đối với bối cảnh công nghệ châu Á. Các hệ thống doanh nghiệp trên toàn khu vực bị phân mảnh — một hỗn hợp các nền tảng ERP cũ, các công cụ SaaS khu vực, các cổng thanh toán địa phương và các API chính phủ không phải lúc nào cũng tuân theo các quy ước API phương Tây. Khả năng kết nối các agent với các máy chủ MCP từ xa có nghĩa là các đội có thể xây dựng các lớp bộ điều hợp mỏng một lần và tái sử dụng chúng trên các quy trình làm việc agent, thay vì xây dựng lại các tích hợp từ đầu cho mỗi agent mới.

Làm mới thông tin xác thực nghe có vẻ như một ghi chú nhỏ nhưng nó thực sự là một trở ngại đối với nhiều triển khai thực tế. Các API chính phủ và tài chính trên các thị trường như Indonesia, Thái Lan và Philippines thường sử dụng các token có thời gian tồn tại ngắn. Một agent không thể làm mới thông tin xác thực của riêng nó giữa tác vụ đơn giản không thể hoàn thành các quy trình làm việc nhất định mà không cần can thiệp của con người — điều này làm mất đi mục đích của tự động hóa hoàn toàn.

Đối với những người sáng lập xây dựng trên MonstarX, nền tảng phát triển AI-native của Châu Á, những bản cập nhật Gemini API này giảm bớt chi phí cơ sở hạ tầng khi xây dựng các sản phẩm agent nghiêm túc. Các nguyên thủy đang trở nên tốt hơn. Câu hỏi chuyển từ "chúng ta có thể làm cho điều này hoạt động không?" thành "điều gì đáng để xây dựng?"

Ý nghĩa của điều này đối với các nhà phát triển

Hãy cụ thể về những gì bạn thực sự có thể xây dựng khác nhau bây giờ.

Đường ống agent không đồng bộ mà không cần cơ sở hạ tầng tùy chỉnh. Trước khi thực thi nền, chạy một tác vụ agent dài một cách đáng tin cậy có nghĩa là xây dựng hàng đợi công việc của riêng bạn — Redis, BullMQ hoặc dịch vụ tác vụ đám mây — chỉ để quản lý lớp thực thi không đồng bộ. Bây giờ bạn nhận được điều đó miễn phí từ API. Kiến trúc của bạn trở nên đơn giản hơn. Một quy trình làm việc trước đây yêu cầu một công nhân hàng đợi, một cơ sở dữ liệu trạng thái và một trình xử lý webhook bây giờ có thể là một lệnh gọi API duy nhất với thăm dò.

Đây là mô hình trong thực tế:

// Bắt đầu tác vụ — trả về ngay lập tức với một ID tương tác
const interaction = await client.interactions.create({
  model: "gemini-2.0-flash",
  prompt: "Phân tích báo cáo tài chính Q2 và đánh dấu các bất thường",
  background: true
});

// Thăm dò hoặc kết nối lại sau
const result = await client.interactions.get(interaction.id);

Đó là toàn bộ cơ sở hạ tầng không đồng bộ cho một tác vụ agent chạy lâu. Không có hàng đợi. Không có quy trình công nhân. Không có bảng trạng thái.

Hệ sinh thái công cụ thông qua MCP từ xa. Giao thức MCP đã đạt được sự chú ý như một cách tiêu chuẩn để hiển thị các công cụ cho các agent AI. Hỗ trợ MCP từ xa có nghĩa là bạn hiện có thể kết nối một agent Gemini với bất kỳ máy chủ tương thích MCP nào — các công cụ nội bộ, các API của bên thứ ba, các nguồn dữ liệu chuyên biệt — mà không cần viết các trình bao bọc hàm riêng biệt cho mỗi cái. Nếu đội của bạn đã đầu tư vào việc xây dựng các máy chủ MCP cho các công cụ khác, khoản đầu tư đó bây giờ mang lại trực tiếp cho các agent Gemini.

Quy trình làm việc agent có thể sáng tác với các hàm tùy chỉnh. Gọi hàm tùy chỉnh cung cấp cho bạn lớp kiểm soát mà các agent dựa trên lời nhắc thuần túy thiếu. Bạn xác định các hàm, chữ ký của chúng và hành vi của chúng. Agent quyết định khi nào gọi chúng. Đây là mô hình làm cho các agent đáng tin cậy đủ để triển khai trong sản xuất — bạn không cung cấp cho mô hình quyền truy cập mở cho các hệ thống của bạn, bạn cung cấp cho nó một bộ công cụ được xác định rõ ràng với các giao diện có thể dự đoán được.

Quản lý thông tin xác thực không phá vỡ các phiên dài. Đối với bất kỳ agent nào chạm vào các API được xác thực, làm mới thông tin xác thực bây giờ là một mối quan tâm hạng nhất thay vì một suy nghĩ sau. Xây dựng các agent hoạt động trong nhiều giờ mà không yêu cầu con người phải xác thực lại giữa tác vụ. Điều này đặc biệt phù hợp cho các quy trình xử lý hàng loạt qua đêm — loại công việc nền có giá trị cao nhất chính xác