Interactions API：Gemini 模型和代理的主要接口

摘要：Interactions API现已全面发布，成为与Gemini模型和代理交互的主要接口，提供稳定架构和多项新功能。它简化了开发流程，支持后台执行、托管代理和多模态操作，适用于构建复杂应用。该API已集成到Google AI Studio和相关文档中，推荐新项目使用。 Interactions API Interactions API <audio title="Interactions API：我们与Gemini模型和代理的主要接口"><source src="https://storage.googleapis.com/gweb-uniblog-publish-prod/media/tts_audio_84632_umbriel_2026_06_22_17_28_25.wav" type="audio/x-wav"><p>您的浏览器不支持音频元素。</p></audio> 播放文章 [[时长]]分钟 今天我们宣布，Interactions API现已全面发布，并成为我们与Gemini模型和代理交互的主要API。我们于2025年12月推出了其公开测试版，很快便成为开发者的首选方式，用于构建Gemini应用。 随着此次GA版本的发布，API现在拥有稳定的架构，并新增了开发者要求的多项重要功能，包括托管代理、后台执行、Gemini Omni（即将推出）等。我们所有的文档现在默认使用Interactions API，并正在与生态系统合作伙伴合作，使其成为第三方SDK和库的默认接口。 最简单的Gemini开发方式 无论您是调用模型还是运行代理，Interactions API只需几行代码即可实现。通过传递模型ID进行推理，通过代理ID执行自主任务，通过设置background=True处理长时间运行的操作。 自12月以来的主要更新 • 托管代理：通过一次API调用即可在远程Linux沙盒中部署代理，该代理可以进行推理、执行代码、浏览网页并管理文件。默认提供Antigravity代理，您也可以通过指令、技能和数据源自定义自己的代理。 • 后台执行：在任何调用中设置background=True，服务器将异步执行交互。 • 工具改进：在单个请求中混合使用内置工具（如Google搜索、Google地图）和您自己的函数。工具结果现在可以同时返回图像和文本。 • 深度研究升级：新增两种代理版本（速度与深度），协作规划、原生图表和信息图，以及结合图像、PDF和音频的多模态基础。 • 媒体生成：使用Nano Banana 2和Google图片搜索进行图像生成，使用Lyria 3生成音乐，使用多说话人TTS生成富有表现力的语音。 • 从角色到步骤：简化后的架构中，每个操作（user_input、thought、function_call、model_output等）都是独立的类型步骤，取代了旧的角色结构。 • 成本与开发优化：Flex和Priority层级让您可根据成本或延迟进行优化（Flex可降低50%成本）。错误信息现在可精准定位具体字段。付费层级支持55天的过往交互检索。 开发的新标准 Interactions API现已默认集成到Google AI Studio、Gemini API以及所有我们的文档中，文档中包含切换回旧版格式的选项。我们建议所有新项目和应用都使用Interactions API。 尽管遗留的generateContent API仍然完全受支持，并且在可预见的未来将继续接收新的主流Gemini模型，但我们预计针对长期运行模型和代理的前沿功能将越来越多地仅在交互API上实现。这是因为交互API从零开始设计，专为有状态的代理工作流而打造。我们已发布迁移指南，帮助您按自己的节奏进行过渡。 以代理为核心的生态系统 目前大多数开发者都在使用代码代理（如Antigravity）来构建应用程序。为了帮助代理更好地掌握最新的API模式，我们开发了gemini-interactions-api技能。该技能会将交互API开发的最佳实践模式注入到您的代理上下文中（包括流式传输、函数调用、结构化输出、深度研究等）。 开始使用 交互API可通过Python和JavaScript SDK使用。如果您正在与我们的支持合作伙伴LiteLLM、Eigent或Agno合作开发，今天即可开始使用他们的交互API集成。 从Google AI Studio获取您的API密钥，并按照交互API文档开始使用。如果您正在从generateContent迁移，我们的迁移指南会将每个字段映射到新的数据结构。您还可以查看完整的API参考文档。 交互API是基于开发者反馈构建的，正式发布后这一重点不会改变。在开发者论坛上告诉我们您的需求。