Szybkie wprowadzenie do zarządzanych agentów

Ten przewodnik zawiera informacje o tworzeniu i używaniu agentów zarządzanych w interfejsie Gemini API na przykładzie agenta Antigravity. Wykonasz pierwsze wywołanie agenta, poprowadzisz wieloetapową rozmowę, będziesz stopniowo wyświetlać odpowiedź, pobierać pliki z piaskownicy i pracować z agentem zarządzanym Antigravity.

Uruchamianie pierwszej interakcji z agentem

Pojedyncze wywołanie interfejsu Interactions API powoduje udostępnienie piaskownicy Linux, uruchomienie pętli agenta i zwrócenie wyniku. Określisz 3 parametry:

  • Przekaż agent jako "antigravity-preview-05-2026",, czyli aktualną wersję naszego predefiniowanego agenta zarządzanego ogólnego przeznaczenia.
  • Określ environment="remote", aby udostępnić nowe środowisko piaskownicy.

  • Utwórz dane wejściowe, określając, co ma robić agent.

Python

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    agent="antigravity-preview-05-2026",
    input="Write a Python script that generates the first 20 Fibonacci numbers and saves them to fibonacci.txt. Then read the file and print its contents.",
    environment="remote",
)

# Print the agent's final output
print(f"Interaction ID: {interaction.id}")
print(f"Environment ID: {interaction.environment_id}")
print(f"Output: {interaction.output_text}")

JavaScript

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

const client = new GoogleGenAI({});

const interaction = await client.interactions.create({
    agent: "antigravity-preview-05-2026",
    input: "Write a Python script that generates the first 20 Fibonacci numbers and saves them to fibonacci.txt. Then read the file and print its contents.",
    environment: "remote",
});

console.log(`Interaction ID: ${interaction.id}`);
console.log(`Environment ID: ${interaction.environment_id}`);

console.log(`Output: ${interaction.output_text}`);

REST

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
-H "Content-Type: application/json" \
-H "x-goog-api-key: $GEMINI_API_KEY" \
-d '{
    "agent": "antigravity-preview-05-2026",
    "input": [{"type": "text", "text": "Write a Python script that generates the first 20 Fibonacci numbers and saves them to fibonacci.txt. Then read the file and print its contents."}],
    "environment": {"type": "remote"}
}'

Odpowiedź zwraca obiekt Interaction. Zapisz interaction.id i interaction.environment_id, aby kontynuować rozmowę w tej samej piaskownicy. Użyj interaction.output_text, aby uzyskać dostęp do ostatecznej odpowiedzi agenta. interaction.steps zawiera listę wszystkich kroków wykonanych przez agenta (rozumowanie, wywołania narzędzi, wykonanie kodu).

Kontynuowanie rozmowy (wieloetapowej)

Interfejs API śledzi 2 niezależne wymiary stanu:

  • Kontekst rozmowy: historia czatu, ślad uzasadnienia, użycie narzędzia, użycie previous_interaction_id.
  • Stan środowiska: pliki, zainstalowane pakiety i stan piaskownicy, użycie environment.

Aby wznowić, przekaż oba w odpowiednim miejscu:

Python

interaction_2 = client.interactions.create(
    agent="antigravity-preview-05-2026",
    previous_interaction_id=interaction.id,
    environment=interaction.environment_id,
    input="Now plot the Fibonacci sequence as a line chart and save it as chart.png.",
)

print(interaction_2.output_text)

JavaScript

const interaction2 = await client.interactions.create({
    agent: "antigravity-preview-05-2026",
    previous_interaction_id: interaction.id,
    environment: interaction.environment_id,
    input: "Now plot the Fibonacci sequence as a line chart and save it as chart.png.",
}, { timeout: 300_000 });

console.log(interaction2.output_text);

REST

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
-H "Content-Type: application/json" \
-H "x-goog-api-key: $GEMINI_API_KEY" \
-d '{
    "agent": "antigravity-preview-05-2026",
    "previous_interaction_id": "interaction_id_from_step_1",
    "environment": "environment_id_from_step_1",
    "input": [{"type": "text", "text": "Now plot the Fibonacci sequence as a line chart and save it as chart.png."}]
}'

Pliki z etapu 1 (fibonacci.txt) są zachowywane na etapie 2. Agent zachowuje też kontekst rozmowy.

Możesz je łączyć i dopasowywać niezależnie:

  • Wyczyść rozmowę, zachowaj pliki: pomiń previous_interaction_id, przekaż tylko identyfikator środowiska za pomocą environment, aby rozpocząć nową rozmowę w tym samym obszarze roboczym.
  • Zachowaj rozmowę, nowy obszar roboczy: przekaż previous_interaction_id, ustaw environment="remote" dla nowej piaskownicy.

Automatyczne kompresowanie kontekstu

W długotrwałych rozmowach wieloetapowych surowa historia kroków rozumowania, wywołań narzędzi i zawartości dużych plików może szybko się rozrastać i zajmować znaczną przestrzeń kontekstu. Aby zapobiec błędom związanym z przekroczeniem limitu tokenów i utrzymać koncentrację agenta (zapobiegając „utracie kontekstu”), interfejs API zarządzanych agentów zawiera natywny krok kompresowania kontekstu przy około 135 tys. tokenów. Dzieje się to automatycznie.

Stopniowe wyświetlanie odpowiedzi

W przypadku długotrwałych zadań możesz stopniowo wyświetlać odpowiedź, aby zobaczyć, jak agent pracuje w czasie rzeczywistym:

Python

from google import genai

client = genai.Client()

stream = client.interactions.create(
    agent="antigravity-preview-05-2026",
    input="Read Hacker News, summarize the top 5 stories, and save the results as a PDF.",
    environment="remote",
    stream=True,
)

for event in stream:
    print(event)
    if event.event_type == "step.stop" and event.usage:
        print(event.usage)

JavaScript

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

const client = new GoogleGenAI({});

const stream = await client.interactions.create({
    agent: "antigravity-preview-05-2026",
    input: "Read Hacker News, summarize the top 5 stories, and save the results as a PDF.",
    environment: "remote",
    stream: true,
});

for await (