Google 于 2026 年 5 月 19 日宣布 Gemini API 加入 Managed Agents。这条消息对开发者和企业 AI 团队很重要，因为它不是单纯提供一个更强模型，而是把代理执行所需的基础设施，包括工具调用、代码执行、文件状态和隔离沙盒，包装成可以通过 API 使用的能力。
官方文章指出，开发者现在可以用单次调用启动一个能够推理、使用工具、执行代码的代理，并在隔离、临时性的 Linux 环境中运行。这个体验由新的 Antigravity agent 驱动，建基于 Gemini 3.5 Flash，并可通过 Interactions API 和 Google AI Studio 使用。
这个方向回应了生产级 AI 代理的一个现实问题：代理不只是模型。要让代理真正替产品或客户做事，开发团队需要处理沙盒、文件、状态、浏览、工具权限、长任务恢复、错误处理和基建扩展。Google 的 Managed Agents，就是尝试把这些繁重部分抽象化，让团队更专注于产品体验和代理行为设计。
文章提到，每次 interaction 可以建立或接收一个环境，后续调用可以恢复同一个 session，保留文件和状态。这一点很关键，因为真正的代理任务通常不是一问一答，而是需要逐步研究、产生文件、修改结果、再根据中间状态继续。没有状态管理，代理很难进入长流程。
Google 亦将 custom agents 的定义方式放到 markdown 文件。开发者可以用 AGENTS.md 和 SKILL.md 定义指示、技能和资料，再注册成 managed agent。这反映代理工程正在由临时 prompt 走向可版本化、可审查、可部署的工程资产。对团队协作来说，这比把复杂指令藏在应用程序字符串内更可维护。
Managed Agents 亦有企业路线。Google 表示 Gemini API 的 managed agents 会在 Gemini Enterprise Agent Platform 上以 private preview 形式提供。这意味着企业将可以在更受控的环境中使用类似代理基建，连接治理、权限和企业资料边界。
对正在建 AI 工作流的团队来说，这条新闻的启示很直接。2026 年的代理平台竞争，不只是模型排名，而是谁能提供稳定沙盒、工具层、状态恢复、指令版本管理和企业治理。当这些基建成熟，更多产品就可以把代理能力放进用户流程，而不需要每个团队由零重建执行环境。
但抽象化不等于可以忽略责任。开发团队仍要清楚定义代理可读取什么资料、可执行哪些工具、失败时怎样回滚、输出如何被审核。Managed Agents 降低了基建门槛，也同时让产品设计、权限管理和验收测试变得更重要。
