Gemini API Managed Agents: 3.6 Flash, hooks và nhiều tính năng mới

Google vừa phát hành một bản nâng cấp đáng kể cho Managed Agents trong Gemini API — và nếu bạn đang xây dựng các hệ thống AI sản xuất ở bất kỳ đâu tại châu Á, các chi tiết này rất quan trọng. Thông báo từ Google DeepMind bao gồm một mô hình mặc định mới, environment hooks cho phép các nhà phát triển kiểm soát thực thi công cụ, kiểm soát ngân sách, kích hoạt theo lịch trình và truy cập tầng miễn phí. Cùng nhau, những điều này không phải là những điều chỉnh nhỏ — chúng là nền tảng làm cho các agent tự động thực sự có thể triển khai được.

Gemini API Managed Agents: 3.6 Flash, hooks và nhiều tính năng mới đại diện cho một sự chuyển dịch từ "demo ấn tượng" sang "cơ sở hạ tầng sản xuất". Dưới đây là những gì đã thay đổi, tại sao nó quan trọng đối với các nhà phát triển xây dựng ở châu Á, và những gì bạn thực sự nên làm với nó.

Điều Gì Đã Xảy Ra

Managed Agents trong Gemini API của Google hoạt động thông qua cái họ gọi là agent Antigravity — một sandbox được cô lập trên đám mây nơi một lệnh gọi API duy nhất có thể điều phối suy luận, thực thi mã, cài đặt gói, quản lý tệp và truy xuất web mà không cần bạn quản lý bất kỳ cơ sở hạ tầng nào. Hãy coi nó như một runtime agent có trạng thái, sử dụng công cụ sống hoàn toàn trên phía Google.

Thay đổi chính: Gemini 3.6 Flash hiện là mô hình mặc định cho agent antigravity-preview-05-2026. Theo bài đăng trên Google AI Blog, không cần thay đổi mã — tương tác tiếp theo của bạn sẽ tự động nhận nó. Gemini 3.6 Flash được mô tả là một mô hình cân bằng được tối ưu hóa cho suy luận, mã hóa và sử dụng công cụ. Nếu bạn cần ghim vào một mô hình cụ thể hoặc giảm chi phí, bạn có thể chuyển agent_config.model khi tạo một tương tác:

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

const client = new GoogleGenAI({});

const interaction = await client.interactions.create({
  agent: "antigravity-preview-05-2026",
  input: "Audit all dependencies in package.json, upgrade outdated packages, and verify the build by running npm test.",
  environment: "remote",
  agent_config: {
    type: "antigravity",
    model: "gemini-3.5-flash-lite",
  },
});

console.log(interaction.output_text);

Các mô hình được hỗ trợ hiện bao gồm Gemini 3.6 Flash (mặc định), Gemini 3.5 Flash (thế hệ trước) và Gemini 3.5 Flash-Lite cho các khối lượng công việc chi phí thấp hơn. Tính linh hoạt lựa chọn mô hình là đáng kể — nó có nghĩa là bạn có thể điều chỉnh chi phí so với khả năng cho mỗi tác vụ thay vì chấp nhận một mô hình duy nhất cho tất cả các tương tác agent.

Phần bổ sung chính thứ hai là environment hooks — một cơ chế cho phép các nhà phát triển chặn, kiểm tra, ngăn chặn, kiểm tra linting hoặc kiểm toán các lệnh gọi công cụ bên trong sandbox trước khi chúng thực thi. Điều này được kết hợp với kiểm soát ngân sách để giới hạn chi tiêu agent, kích hoạt theo lịch trình cho các lần chạy agent không đồng bộ và dựa trên thời gian, và truy cập tầng miễn phí giảm rào cản thử nghiệm. Tầng miễn phí đặc biệt báo hiệu rằng Google muốn áp dụng rộng rãi nhà phát triển trước khi khóa giá.

Tại Sao Nó Quan Trọng Đối Với Châu Á

Hệ sinh thái nhà phát triển của châu Á không phải là một khối thống nhất, nhưng có những mô hình đáng được đặt tên. Các đội khởi nghiệp ở Đông Nam Á, Ấn Độ, Hàn Quốc và Nhật Bản thường nhỏ hơn, di chuyển nhanh hơn và hoạt động với ngân sách cơ sở hạ tầng chặt chẽ hơn so với các đối tác của họ ở San Francisco. Sự kết hợp của truy cập tầng miễn phí và kiểm soát chi phí ở cấp mô hình trong bản phát hành này trực tiếp giải quyết thực tế đó.

Đối với những nhà sáng lập Đông Nam Á cụ thể, mô hình sandbox được quản lý rất hấp dẫn vì nó loại bỏ một danh mục công việc DevOps thường yêu cầu thời gian kỹ sư chuyên dụng. Bạn không cần cấp phát tính toán, quản lý môi trường gói hoặc xây dựng logic thử lại xung quanh thực thi công cụ — Gemini API xử lý nó. Một đội hai người ở Jakarta hoặc Thành phố Hồ Chí Minh xây dựng một sản phẩm quy trình công việc do AI cung cấp hiện có thể triển khai các agent mà sáu tháng trước đây sẽ yêu cầu một đội nền tảng.

Tính năng kích hoạt theo lịch trình đặc biệt phù hợp với các sản phẩm dựa trên châu Á có các trường hợp sử dụng nặng không đồng bộ: quy trình dữ liệu hàng đêm, tạo báo cáo theo lịch trình, giám sát cạnh tranh định kỳ hoặc tự động hóa nhận thức múi giờ cho các doanh nghiệp phục vụ cả thị trường châu Á và phương Tây. Đây không phải là những trường hợp cạnh — chúng là những mô hình cốt lõi cho các loại sản phẩm SaaS và công cụ nội bộ mà các đội công nghệ châu Á thực sự xây dựng.

Kiểm soát ngân sách cũng quan trọng. Nhiều công ty khởi nghiệp châu Á đang xây dựng trên runway tinh gọn, và rủi ro chi phí agent chạy trốn — một agent bị kẹt trong một vòng lặp, hoặc một tác vụ được xác định kém sẽ tiêu tốn hạn ngạch API — là một yếu tố ngăn cản thực sự đối với triển khai sản xuất. Các giới hạn ngân sách cứng ở cấp API, thay vì dựa vào các bảo vệ lớp ứng dụng, là nơi thích hợp để thực thi điều này.

Cũng có một tín hiệu rộng hơn ở đây cho hệ sinh thái AI châu Á. Đầu tư của Google vào cơ sở hạ tầng agent được quản lý — không chỉ các mô hình, mà cả lớp runtime — gợi ý rằng chiến trường cạnh tranh cho các công cụ nhà phát triển AI đang chuyển từ "mô hình nào thông minh nhất" sang "nền tảng nào làm cho agent dễ chạy nhất một cách đáng tin cậy trong sản xuất". Đó là một cuộc chiến mà các nhà phát triển châu Á và MonstarX như một nền tảng phát triển AI-native đều đang theo dõi chặt chẽ.

Điều Này Có Nghĩa Gì Đối Với Các Nhà Phát Triển

Hãy cụ thể hóa. Nếu bạn đang xây dựng với Gemini API ngày hôm nay, đây là những gì bạn thực sự nên hành động từ bản phát hành này.

Áp dụng environment hooks cho bất kỳ agent sản xuất nào. Khả năng chặn các lệnh gọi công cụ trước khi thực thi là tính năng phân biệt một agent demo với một agent đáng tin cậy. Sử dụng hooks để ghi nhật ký mọi lệnh gọi công cụ, thực thi danh sách cho phép trên các miền bên ngoài mà agent có thể truy cập, hoặc tiêm các cổng phê duyệt cho các hoạt động tàn phá như xóa tệp hoặc ghi cơ sở dữ liệu. Đây là mô hình mà các đội có ý thức tuân thủ trong fintech, healthtech và SaaS doanh nghiệp ở châu Á cần trước khi họ có thể biện minh cho việc đặt agent ở bất kỳ nơi nào gần dữ liệu sản xuất.

Sử dụng lựa chọn mô hình một cách có chủ ý. Đừng mặc định sử dụng Gemini 3.6 Flash cho mọi tác vụ chỉ vì nó là mặc định mới. Ánh xạ các tác vụ agent của bạn theo độ phức tạp: sử dụng Flash-Lite cho các hoạt động khối lượng cao, rủi ro thấp như định dạng dữ liệu hoặc phân loại; sử dụng 3.6 Flash cho suy luận đa bước và tác vụ mã; ghim vào một phiên bản mô hình cụ thể trong sản xuất để các nâng cấp không thay đổi hành vi im lặng. Tham số agent_config.model cung cấp cho bạn kiểm soát đó — hãy sử dụng nó.

Đặt kiểm soát ngân sách trước khi bạn đi trực tiếp. Điều này không thể thương lượng được cho bất kỳ agent nào chạy mà không có giám sát của con người. Các kiểm soát ngân sách mới trong Managed Agents cho phép bạn giới hạn chi tiêu ở cấp API. Kết hợp điều này với giám sát trên phía ứng dụng của bạn — ghi nhật ký sử dụng token cho mỗi tương tác, cảnh báo về các bất thường và xây dựng các bộ ngắt mạch cho các tác vụ vượt quá thời lượng dự kiến.

Thử nghiệm với các kích hoạt theo lịch trình ngay bây giờ, trong khi nó vẫn ở tầng miễn phí. Nếu sản phẩm của bạn có bất kỳ trường hợp sử dụng tự động hóa dựa trên thời gian nào — và hầu hết đều có — hãy tạo mẫu nó tuần này. Các kích hoạt theo lịch trình cho các agent được quản lý có nghĩa là bạn có thể thay thế các mô hình cron-job-plus-script bằng một lệnh gọi agent duy nhất xử lý môi trường thực thi của nó. Tầng miễn phí làm cho chi phí thử nghiệm bằng không.

Cài đặt kỹ năng Interactions API nếu bạn đang sử dụng trợ lý mã hóa AI. Thông báo của Google bao gồm một lệnh terminal trực tiếp: npx skills add google-gemini/gemini-skills --skill gemini-interactions-api. Điều này cung cấp cho trợ lý mã hóa của bạn quyền truy cập trực tiếp vào ngữ cảnh Interactions API, điều này cải thiện đáng kể chất lượng mã agent được tạo.

Đối với các đội sử dụng connectors để kết nối các API và nguồn dữ liệu trong quy trình làm việc agent của họ, Gemini API