跨国深谈← 返回←一次交互就够了：Google DeepMind 的新 API 到底想解决什么

一次交互就够了：Google DeepMind 的新 API 到底想解决什么

关联

人物 Ivan Leo

公司 Google DeepMind

概念 Interactions API · Managed Agents · 智能体 · 函数调用 · 沙箱 · Gemini API · anti-gravity

Google DeepMind 开发者体验团队的 Ivan 在一场演讲中，介绍了刚发布的 Interactions API 和 Managed Agents。他借用著名论文的标题打了个比方：an interaction is all you need——一次交互就够了。

这篇演讲讲清楚了 AI 应用开发正在从一问一答走向长时间自主干活的智能体，以及平台方为此重新设计了什么。

从讲笑话到自主干活，模型用法变了什么

Ivan 先回顾了历程。最早就是单次交互：你发一句讲个笑话，模型回一个笑话。

后来模型要接进各种应用，就必须可靠，于是有了 function calling——模型输出结构化的 JSON 对象，就像注册网站时浏览器发给后端的用户名密码一样，后端能直接处理 。

现在又进入新阶段：模型手里有多个工具，能调用、能反思结果、能和环境互动，最后才给出答案。

很多人把智能体简化成「一个语言模型在循环里跑」，Ivan 说这在大多数情况下是对的——模型越强，外围的脚手架越少。

最新的模型已经不再用单独的读文件改文件工具，而是直接用 bash 一把梭 。

但一个智能体光有模型不够，还需要记忆和执行环境。

他说，如果你要造一个写代码的智能体，却不给它一个能真正执行代码的环境，它什么都干不了 。

Interactions API:用一个入口调用所有模型和智能体

问题在于：现在的 [[Gemini API|Gemini API]] 里既有 Nano Banana 这样的图像模型，也有 Deep Research 这种一跑就是 3 分钟以上、自己去查资料再交出深度报告的智能体。

开发者要通过一堆不同的接口去调用它们，而且老接口返回的数据嵌套极深，连 Google 自己做内部集成都觉得麻烦 。

Interactions API 就是解决这个问题的：一个入口，统一支持所有模型和智能体。

第一个核心设计是服务端状态。

新版 Gemini 模型会在响应里传回一串不透明的思维签名数字，很多开发者手动管理时容易出错——Ivan 说他们接触过一些初创公司，就因为多打了一个空格，缓存就失效了 。

现在只要把上一轮返回的 interaction ID 原样传回去，所有上下文都自动保留。对新的 Gemini 模型来说，不传回思维签名会导致性能下降。

另一个改进是输出结构。以前取个音频结果要一层层往下挖嵌套对象，Ivan 说他自己都背不出来；

现在每一段输出都有明确的类型标记，是音频就按音频处理 。

工具调用也支持混搭：同一个请求里可以让模型用 Google 搜索、读网页、再调用你自定义的工具。

现场演示了一个案例：用一张照片，先生成你在威尼斯等多个国家版本的图像，每次生成都是一个交互；

再用同一个 interaction ID 调新发布的 Omni 模型，把这些图串成视频。

Managed Agents:不用自己搭沙箱的远程智能体

第二个发布是 Managed Agents，基于 Google 内部统一使用的 anti-gravity 智能体框架。

Ivan 说，过去你要造一个写代码的智能体，得先调教框架，再找沙箱服务商，管基础设施，还得想办法在多次运行之间保留上下文 。

现在一次 API 调用，你就得到一个持久沙箱，可以把它当成自己的开发环境反复使用。演示中，他们让智能体分析一个 GitHub 仓库：

它自己列出文件、逐个读取、最后生成报告，全程在远程沙箱里自主完成，不需要人工干预 。

这里的关键原语是两个 ID：interaction ID 保存上下文，environment ID 让你每次都能路由回原来那个沙箱。装过的包、建过的文件，只要把 ID 传回去就都在 。

能力上限也不低。

他们展示了一次运行，模型烧掉超过 200 万个 token，分析了一个黑客松项目——有人从零写了一门编程语言，包含自定义 DSL、网页、各种 schema 和跑在 HUD 里的强化学习训练循环 。

安全和规模化：最多 1000 个命名智能体

企业最担心的是安全问题：智能体要是把网络凭证泄出去了怎么办？他们的方案是一个中间人代理。

模型发出的每个请求都会经过代理，代理可以动态替换请求头里的内容。

比如对 GitHub API 的调用，代理会动态注入 token——即使模型被提示注入攻击诱导泄露，它也根本接触不到 token 本身 。

配置好的智能体可以冻结成命名智能体，目前支持最多 1000 个。存储和沙箱都不收费，你只为模型调用付费 。

最后还有两个配套工具：开源的 Gemini API CLI,可以本地测试模型、迭代智能体，满意后一键打包上传；

以及一个 Interactions API 迁移技能包，喂给你喜欢的编程智能体，就能避免它迁移时还固执地用旧版模型。

本集带走

• 智能体的本质越来越接近一个强模型在循环里跑，模型越强，外围脚手架越少
• Interactions API 用一个入口统一调用所有模型和智能体，interaction ID 让上下文和服务端状态自动保留
• outputs 的嵌套结构被 steps 数据模型取代，每步输出都有明确类型标记，多模态管线更好搭了
• Managed Agents 提供持久远程沙箱，environment ID 路由回原环境，烧掉 200 万 token 的仓库分析也能一次调用完成
• 安全靠中间人代理动态注入凭证，模型永远接触不到 token;命名智能体最多 1000 个，只按模型调用付费

如果你有一个真正强大的模型，你会发现，随着模型变得越来越强大，很多脚手架已经消失了。
If you have a really capable model, you’ll find that as we’ve got models that become more and more capable, a lot of the scaffolding has fallen away.
—— Ivan Leo · [02:18]

有时我们与不同的初创公司交流时，发现他们仅仅因为误加了一个空白字符就会丢失缓存。
And sometimes when we talk to different startups, we found that they would lose their cash just with a single white space that they mistakenly added in.
—— Ivan Leo · [05:49]

这一切都归结于我们新的 steps 数据模型——我们不再处于“向模型发送单条消息并得到一个响应”的世界，而是会有非常复杂的东西，比如异步工具调用、模型之间协同工作。
And all this boils down to the new steps data model that we have, where instead of a world where we have a single message sent to a model and a response, we’re going to have very complex things like async tool calls, models working together.
—— Ivan Leo · [09:04]

因此，即使模型以某种方式被提示词注入并泄露了你的 GitHub API 令牌，它实际上也永远不会看到这个令牌。
And so even if the model is somehow prompt injected and leaks your GitHub API token, it’s never actually going to see the token.
—— Ivan Leo · [14:10]