【GOOGLE】Interactions API：Gemini 的首选接口

Google 宣布 Interactions API 正式可用，成为与 Gemini 模型与 agents 交互的主要接口，提供托管 agents、后台执行、多模态与工具组合等开发者请求的能力；文档与生态将逐步以该 API 为默认。该 API 适配长期运行的有状态 agent 工作流，同时保留旧的 generateContent 接口以便平滑迁移。

概览
– Interactions API 已达 GA，成为与 Gemini 模型与 agents 交互的首选接口。
– 目标：提供统一端点，支持服务器端状态、后台执行、工具混合与多模态生成。

主要新增功能
– Managed Agents：一次 API 调用即可在远程 Linux 沙箱中启用 agent（默认包含 Antigravity），支持自定义指令、技能与数据源，能推理、执行代码、浏览网页与管理文件。
– 后台执行：对任何请求设置 background=true，服务器异步运行长时任务。
– 工具改进：可在同一请求中混合内置工具（如 Google Search、Maps）和自定义函数，工具返回结果可包含图像与文本。
– Deep Research 升级：新增两种 agent 版本（速度/深度）、协作规划、原生图表与信息图、以及对图像、PDF、音频的多模态 grounding。
– 媒体生成：图像（Nano Banana 2 + Image Search grounding）、音乐（Lyria 3）与多说话人 TTS。
– Schema 简化：从 Roles 转为 Steps，每个动作（user_input、thought、function_call、model_output 等）为独立类型步骤。
– 成本与性能优化：引入 Flex 与 Priority 层级（Flex 可降约 50% 成本），错误指向精确字段，付费层提供 55 天交互记录保留。

平台与迁移
– Interactions API 已成为 Google AI Studio、Gemini API 与官方文档的默认示例（并提供回切旧格式的开关）。
– 推荐新项目使用 Interactions API；generateContent 接口继续受支持且仍会获得主线 Gemini 模型，但前沿的长期运行与 agent 能力将逐步优先在 Interactions API 上发布。
– 提供迁移指南与 gemini-interactions-api Skill，帮助 agent 注入最佳实践（流式、函数调用、结构化输出、Deep Research 等）。

如何开始
– 支持 Python 与 JavaScript SDK，生态合作伙伴（如 LiteLLM）也在对接。

注意事项
– 不要假设旧 API 会快速被移除；按需分阶段迁移以保证兼容性。

这是为有状态与长时 agent 工作流量身定制的接口，能显著简化复杂 agent 的生产化部署。

原文链接