2026 年 7 月 24 日,Google DeepMind 把 Interactions API 推到了 GA(General Availability)状态。

这是 Gemini 模型对外能力的统一入口——把过去散落在多个接口的 Gemini 能力(Vertex AI、Gemini API、AI Studio、Workspace 等)整合到一套统一的 API 里。

对开发者来说,Interactions API 的 GA 意味着:

  1. 不用再纠结用哪个 Gemini 接口——一个入口搞定所有能力
  2. 托管 Agent(Managed Agents)正式可用——直接基于 Google 的 Agent 模板二次开发
  3. 后台执行、工具组合、多模态全部打包——不用自己拼凑
  4. Deep Research 同步升级——Google 的「深度研究 Agent」能力更强

这篇围绕 Interactions API 的 5 大核心能力、Deep Research 升级,以及它对 Gemini 生态的影响,逐个讲清楚。

一、Interactions API 是什么:Gemini 能力的统一门面

要理解 Interactions API 的真正分量,得先了解 Gemini 之前的接口碎片化问题。

Gemini 之前的接口生态:

  • Vertex AI:Google Cloud 上的 Gemini 接口,面向企业,功能完整但门槛高(需要 GCP 项目、配额、计费)
  • Gemini API(AI Studio):面向开发者的轻量接口,易上手但功能受限
  • Workspace 集成:Gemini 在 Google Workspace(Docs、Sheets、Gmail)里的内置能力,只服务于 Workspace 用户
  • Gemini App:消费端产品,有自己的接口,但不对开发者开放

这种「多个入口、各管一摊」的格局对开发者来说很痛苦:

  • 不同场景要用不同接口
  • 不同接口的参数、认证、计费都不同
  • 新能力(比如 Agent、工具调用)先在某个接口上线,其他接口要等很久

Interactions API 的解决方案:

把上面这些入口整合成一个统一的 API:

  • 统一认证(一个 API Key 通吃所有 Gemini 能力)
  • 统一参数格式(模型调用、Agent 调用、工具调用用同一套约定)
  • 统一计费(透明的 token 消耗,不用每个接口单独算账)
  • 统一升级节奏(新能力同时在所有场景生效)

对开发者来说,Interactions API 让「用 Gemini 做事」的体验接近「用一套云服务」——稳定、标准化、可预期。

💡 Interactions API 不是 Google 又加了一个新接口,而是 Google 把 Gemini 的整个对外能力重新打包了一次——从「能力集合」升级为「产品平台」。

(来源:Google DeepMind 官方公告)

二、5 大核心能力拆解

Interactions API 把 Gemini 的核心能力打包成了 5 大模块。

1. 统一模型调用(Unified Model Invocation)

Interactions API 提供了统一的方式调用所有 Gemini 模型:

  • Gemini 2.5 Pro:复杂推理、长上下文、高质量输出
  • Gemini 2.5 Flash:低延迟、高并发、成本优化
  • Gemini 2.5 Flash-Lite:超低延迟、超低成本,适合边缘场景
  • Gemini Embedding:文本向量化,用于 RAG、检索
  • Imagen / Veo(如果集成):图像、视频生成

调用方式高度统一——同一个 API 调用,只需改 model 参数就能切换。开发者不用为不同模型记不同接口。

2. 托管 Agent(Managed Agents)

这是 Interactions API 最有价值的能力之一。Google 直接提供预训练的 Agent 模板,企业可以基于这些模板二次开发,而不用从零开始构建 Agent。

Managed Agents 目前覆盖的场景(基于公开信息推测):

  • Deep Research:深度研究 Agent,自动搜索、分析、生成研究报告(后面会单独讲)
  • Code Agent:代码生成和重构 Agent,类似 Claude Code 的能力
  • Data Analyst Agent:数据分析 Agent,自动理解数据、生成可视化、给出洞察
  • Customer Support Agent:客服 Agent,内置对话管理、工具调用、转人工
  • Workflow Agent:工作流 Agent,自动化跨系统操作

对开发者来说,Managed Agents 意味着可以直接复用 Google 的 Agent 能力——在 Google 的 Agent 基础上加业务逻辑、数据源、UI,而不是从 prompt 工程开始自己搭。

3. 后台执行(Background Execution)

传统的 API 调用是「请求-响应」模式:发请求、等响应、处理结果。但很多 Agent 任务需要长时间运行——几分钟、几小时甚至跨天。

Interactions API 的后台执行能力让开发者可以:

  • 提交后台任务:发起一个 Agent 任务,API 立即返回任务 ID
  • 异步获取结果:任务完成后,主动查询或被动接收通知
  • 管理任务状态:查看任务进度、暂停/恢复任务、取消任务

这种能力对长流程 Agent 任务尤其重要——比如「生成一份完整的市场研究报告」「执行一次跨多个系统的数据迁移」「跑一个长周期的代码重构任务」。

4. 工具组合(Tool Composition)

Agent 的核心能力是「调用工具」。Interactions API 的工具组合模块提供了:

  • 标准工具库:Google 提供的内置工具——搜索(Google Search)、代码执行、文件读取、地图、翻译等
  • 第三方工具集成:支持接入第三方 API、数据库、SaaS 工具
  • 工具编排:把多个工具组合成一个工作流(类似 LangChain 的 Chain 或 LangGraph 的 Graph)
  • 工具选择策略:基于任务描述自动选择合适工具,或由 Agent 决策

工具组合能力让 Agent 不只是「对话」,而是可以「做事」——这是 Agent 落地的核心。

5. 多模态(Multimodal)

Gemini 系列模型原生支持多模态(文本、图像、音频、视频)。Interactions API 把多模态能力封装得更加统一:

  • 输入:可以混合输入文本、图像、音频、视频
  • 输出:可以输出文本、生成图像(Imagen)、生成视频(Veo)
  • 跨模态理解:理解图像内容、解读视频、转换音频为文本
  • 多模态对话:在对话中混合不同模态的内容

💡 5 大能力构成了 Gemini 的「完整产品栈」——统一调用管「用得顺」、托管 Agent 管「不用从零搭」、后台执行管「长任务」、工具组合管「能做事」、多模态管「能看能听」。这 5 项让 Interactions API 从「API」变成「平台」。

(来源:Google DeepMind 官方公告)

三、Deep Research 升级:Google 的「深度研究 Agent」进化

Deep Research 是 Google 的「深度研究 Agent」产品——用户给一个研究主题,Deep Research 自动搜索、分析、综合,生成一份完整的研究报告。

之前的 Deep Research(2025 年底发布):

  • 基础搜索能力,覆盖 Google Search 的索引
  • 简单的内容综合,生成结构化报告
  • 单次会话,不能跨会话记忆

Interactions API 带来的升级(2026-07-24):

  • 更多工具组合:Deep Research 现在可以调用更多工具——Google Scholar、专利数据库、第三方学术 API、PDF 阅读器、代码执行环境
  • 更长的研究深度:可以生成数千字甚至数万字的深度研究报告,涵盖更多维度
  • 跨会话记忆:Deep Research 现在的研究历史可以跨会话保留,持续积累用户偏好
  • 多模态研究:可以分析图像(比如研究市场时看产品图)、解读视频(比如研究演讲时看视频)、理解音频(比如研究播客时听音频)

Deep Research 升级后的典型场景:

  • 投资研究:分析师研究一个行业,Deep Research 自动搜集行业报告、新闻、专利、财报,生成投资分析
  • 学术研究:研究者研究一个课题,Deep Research 自动搜集论文、综述、引用网络,生成文献综述
  • 市场研究:营销人员研究一个市场,Deep Research 自动搜集竞品信息、用户评论、行业报告,生成市场分析
  • 技术调研:工程师研究一个技术栈,Deep Research 自动搜集文档、开源项目、技术博客、对比分析

与 OpenAI Deep Research 的对比:

OpenAI 在 2025 年也推出了 Deep Research(基于 o3 模型)。两个 Deep Research 的核心能力接近,但 Google 的优势在于:

  • Google Search 的数据底座:Google 自家的搜索索引是全球最大、最新的网页数据池,这是 OpenAI 难以复制的优势
  • Workspace 集成:Deep Research 可以无缝接入 Google Docs、Sheets、Slides,生成的研究报告可以直接落地到 Workspace 工作流
  • 学术工具链:Google Scholar、专利数据库、Google Books 等专业工具是 Google 独有的资产

💡 Deep Research 的升级不只让 Google 的研究 Agent 更强——它让 Google 的整个数据生态(Search / Scholar / Workspace / YouTube)得以拥有「AI 总指挥」,可以协同工作。

(来源:Google DeepMind 官方公告)

四、行业意义:Gemini 进入「产品化」阶段

Interactions API 的 GA 标志着 Gemini 进入「产品化」阶段——从「我有 API」到「我有完整产品」。

行业意义 1:API 标准化趋势加速

过去两年,大厂的 AI API 都是「各家一套」——OpenAI 有自己的 API 风格、Anthropic 有自己的 API 风格、Google 之前也是 Vertex AI / Gemini API 多套并行。Interactions API 的 GA 让 Google 的 API 走向标准化,这是行业整体标准化趋势的一部分。

未来 1-2 年,AI API 的标准化会进一步推进——统一认证、统一参数、统一计费会成为头部厂商的共识。开发者可以用同一套代码逻辑对接不同厂商的 API。

行业意义 2:托管 Agent 成为头部厂商的「标配」

OpenAI Presence、Cognition Devin、DeepSeek Harness、Google Interactions API Managed Agents——2026 年下半年,「托管 Agent」会成为头部 AI 厂商的标配。

以前 Agent 是开发者自己用 LangChain、LangGraph 等框架拼出来的。现在头部厂商开始提供「官方 Agent 模板」,企业可以直接复用。这会挤压独立 Agent 框架厂商的生存空间。

行业意义 3:数据生态 + Agent 的协同优势

Google 的 Interactions API + Deep Research 让 Google 的数据生态(Search / Scholar / Workspace / YouTube / Maps)得以拥有「AI 总指挥」。这是其他厂商难以复制的优势——OpenAI 没有搜索、Anthropic 没有办公套件、xAI 没有数据池。

未来 AI 行业的竞争会从「模型能力」延伸到「数据生态」——谁家有完整的数据生态(Search / 学术 / 办公 / 视频 / 地图),谁家的 Agent 就能做更多事。

从竞争格局看 Interactions API 的定位

把 Interactions API 放到 2026 年下半年的 AI 行业格局里看,Google 的策略是「用生态换市场」——模型能力不是 Google 最强的(那是 OpenAI 和 Anthropic 的强项),但数据生态是 Google 独一无二的护城河。Interactions API 其实是 Google 在「AI 操作系统」层面的押注:模型是计算层、Agent 是应用层、数据生态是资源层,Google 想把这三层都整合到自己的栈里。

对照来看,其他厂商在「数据生态」维度都缺一块:

  • OpenAI:模型能力强,但缺搜索、办公、视频这些核心数据源
  • Anthropic:Claude 能力强,但缺数据生态(尤其缺实时数据)
  • xAI:绑定 X 平台数据,但整体生态深度不足
  • Meta:有社交数据,但 AI 产品化和开发者生态薄弱

Google 是当前 AI 行业里唯一同时具备「顶级模型 + 顶级数据生态 + 顶级开发者工具链」的公司。Interactions API 的 GA 是这种「三位一体」优势的首次产品化呈现。

对开发者的实际影响

对开发者来说,Interactions API 的 GA 意味着几个具体变化:

  1. 新项目优先用 Interactions API——比 Vertex AI / Gemini API 更现代、更完整
  2. 老项目可以渐进迁移——Interactions API 兼容老接口的参数格式,迁移成本低
  3. Agent 项目可以基于 Managed Agents 二次开发——不用从零搭
  4. Deep Research 可以直接接入业务系统——作为研究、调研、报告模块使用

💡 Interactions API 的 GA 不是 Google 又更新了一个产品——它是 Google 把「数据 + 模型 + Agent」整合为「AI 操作系统」的起点。从这个意义上看,Google 在 AI 时代的真正对手不是 OpenAI,而是其他有完整数据生态的公司。

写在最后的判断

回到开发者视角,Interactions API GA 后,短期内最值得跟踪的 3 个具体动作是:第一,Managed Agents 在企业场景的实际部署效果;第二,Deep Research 与 Workspace 集成的深度;第三,后台执行任务的稳定性和成本曲线。这 3 个动作的进展会决定 Interactions API 在 2026 下半年能否真正成为 Gemini 的「统一门面」,而不仅仅是一个新的 API 名字——而从 GA 当天的产品完整度看,Google 这次显然是有备而来,平台层的野心已经全面铺开。

(来源:Google DeepMind 官方公告)

Interactions API 是 2026-07-24 AI 圈 8 大新闻中的第五条,下一篇会拆解 Hermes Agent v0.19「Quicksilver」(首词延迟降 80% + Nous 15 亿融资),继续关注。