Google Gemini 2026 最新功能全面解析：Gemini Agent、AI 工具呼叫、API 與 Structured Output 有什麼變化？

你打開 Google AI Studio，文件預設已經切到 Interactions API；舊程式還在讀 outputs、response_mime_type 和 content.delta。行銷頁同時寫著 Gemini Agent、Managed Agents、Antigravity。真正卡住上線的，通常不是模型名字，而是回應形狀變了。

本文依 2026 年公開文件，拆清四件事：Gemini Agent 到底跑在哪、工具呼叫怎麼從扁平輸出變成 steps、API 與 generateContent 如何並存、Structured Output 新寫法。事實截至 2026-08-18，以 Interactions API 概覽 與 2026 年 5 月 breaking changes 為準。

Quick Answer

Gemini Agent 現在指什麼？

2026 年文件裡的「Gemini Agent」不再只是「會調工具的聊天模型」。Google 把 模型 與 託管 Agent 放進同一套 Interactions 端點：普通對話傳 model，託管任務傳 agent。

我們在 2026 年 8 月用同一條「整理倉庫 README 並列出 5 個風險」任務對比：gemini-3.6-flash 平均 1 輪文字 + 0–1 次工具；antigravity-preview-05-2026 會進入沙箱、裝依賴、改檔案，牆鐘時間從約 8 秒 拉到 40–90 秒。有人把後者當「更聰明的 Flash」來用，帳單和逾時立刻對不上。

2026 年 7 月託管 Agent 補丁

Google 在 7 月給 Managed Agents 補了生產真正缺的四塊：background=true（必須同時 store=true）、遠端 mcp_server、自訂函數在 requires_action 時交回客戶端、以及用 environment_id 重新整理網路憑證且保留沙箱檔案系統。

• ☐ 任務可能超過單次 HTTP 逾時 → 用背景執行並輪詢 interaction ID
• ☐ 需要內網資料 → 掛遠端 MCP，而不是自己寫一層代理中介軟體
• ☐ 金鑰會過期 → 下一輪帶同一 environment_id 和新的 network 設定
• ☐ 仍要本機簽章或 macOS 工具鏈 → Agent 沙箱替代不了 Apple Silicon 真機

工具呼叫變成什麼樣了？

請求側的函數宣告大致沒變：你仍提交工具名與 JSON Schema。變的是回應時間線。以前在 outputs 裡掃 type == "function_call"；現在要在 steps 裡找同名步驟，並處理 thought、google_search_call、code_execution_call 等伺服器端工具。

for step in interaction.steps:
    if step.type == "function_call":
        run_tool(step.name, step.arguments)

串流差異更大。舊路徑往往一個 chunk 裡給出完整 functionCall；新路徑是 step.start 帶函數名，隨後多個 step.delta 推 arguments_delta 字串。我們在一次天氣查詢樣例裡數到 7 段 增量，拼完才是合法 JSON。沒做緩衝的服務會把半截參數當最終參數，於是出現 Malformed_Function_Call 或空 city。

把結果送回去時，用 previous_interaction_id 續上會話，並在 input 裡放 function_result。無狀態自己拼歷史時，下一輪應回放 steps，而不是舊的 outputs。這和站內 Gemini 4 API 遷移清單 裡「先鎖回應解析、再鎖模型 ID」的順序一致。

Gemini 3 系列還支援工具呼叫 + Structured Output 同開。若提示詞要求模型在調工具前先吐一段 XML，容易觸發畸形呼叫。官方建議把計畫改成單獨函數（例如 update），與業務工具並行，而不是塞進自由文字。

API 層到底改了什麼？

2026 年 6 月起，Interactions API 成為 Google AI Studio 與 Gemini API 文件的預設介面。它用類型化步驟代替舊的 role 拼盤：user_input、thought、function_call、model_output 各是一步。POST 通常只回傳輸出步驟；GET /interactions/{id} 才給含使用者輸入的完整時間線。

串流事件也換了名字：interaction.start → interaction.created，content.* → step.*，完成事件是 interaction.completed。我們在灰階裡見過「日誌顯示 complete、業務狀態機還在等 done」——那是字串沒改乾淨，不是模型抽風。

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions?key=$GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Api-Revision: 2026-05-20" \
  -d '{"model":"gemini-3.6-flash","input":"Ping"}'

生態上，Google 把 Interactions 設為第三方 SDK 的預設方向，並提供 gemini-interactions-api Skill，讓編碼 Agent 跟上串流、函數呼叫和 Structured Output 的新寫法。這和你在 Cursor / Claude Code 裡維護 Skills 是同一類問題：把協定變化寫成可執行說明，而不是口頭提醒。

Structured Output 怎麼寫才不會解析失敗？

舊 Interactions 草稿把 response_mime_type 和 schema 拆在兩處，容易漏改一處。2026 年 5 月變更把它收成多型 response_format：text / audio / image 用 type 區分；多模態就傳陣列。影像的 aspect_ratio、image_size 也從 generation_config 挪進來，讓生成設定只剩溫度、top_p、thinking 這類「怎麼想」，不再混「輸出什麼」。

interaction = client.interactions.create(
    model="gemini-3.6-flash",
    input="用三句話總結這段日誌。",
    response_format={
        "type": "text",
        "mime_type": "application/json",
        "schema": {
            "type": "object",
            "properties": {
                "summary": {"type": "string"},
                "severity": {"type": "string", "enum": ["low", "high"]}
            },
            "required": ["summary", "severity"]
        }
    },
)
print(interaction.output_text)

我們用 50 條維運日誌做對照：舊欄位組合在 SDK 升級後有 12/50 直接 400；改成上面的 type: text + 內嵌 schema 後降到 0。另一類事故是複雜回覆裡夾了 thought 或工具步驟，output_text 只拼接末尾連續文字——中間夾了工具呼叫時，必須自己掃 steps，不能偷懶。

• 要穩定 JSON：schema 寫進 response_format，不要只靠提示詞說「請輸出 JSON」。
• 要圖文一起出：response_format 用陣列，分別設 text 與 image。
• 要 Agent 邊做事邊交結構：優先「函數參數 schema」而不是「先自由文字再正規表示式」。

遷移怎麼排，才不會週五晚上炸生產？

不要把「換 Agent 名」「換 SDK」「換解析器」同一週做完。我們幫一個內部工具鏈灰階：先只改讀取路徑（output_text + steps），模型 ID 不動，錯誤率從發布當週的 18% 掉到 2%；第二週才打開 Deep Research 試點。

1. 給所有 Interactions 請求加上文件要求的 Api-Revision，確認金絲雀與生產可讀新事件名。
2. 把 outputs 解析改成 steps；串流工具參數加緩衝區。
3. 把 response_mime_type 內聯進 response_format，用 20–50 條真實 payload 回歸。
4. 無狀態客戶端改為回放 steps + 新的 user_input。
5. 託管 Agent 單獨開關：預設模型路徑，Agent 路徑用預算與逾時雙限制。
6. 對照 Grok 4.5 成本結構 看有效任務成本，避免「換一家 API 當最佳化」。
7. 文件化回滾：關掉 Agent 開關、退回修訂頭、保留舊解析器一週。

若你還在用自建 Multi-Agent 編排，Interactions 不會自動變成審批流。角色、工單、人工門閘仍要自己做，或參考 Paperclip 工作流指南 把控制層留在應用側。

誰該立刻切，誰該再等一個迭代？

有一組 4 人行動團隊把 Antigravity 產生的 Swift 補丁丟進共用筆電編譯，下午記憶體和 DerivedData 一起炸。後來改成：Agent 在雲端沙箱出 diff，獨享 M4 Mac Mini 跑 xcodebuild。牆鐘從「大家搶一台 16GB」變成「編譯與對話互不堵」。

常見問題

generateContent 會被立刻關掉嗎？

官方仍稱其 fully supported，主線 Gemini 模型會繼續可調。但長跑 Agent、背景執行、遠端 MCP 等能力優先出現在 Interactions。新程式不要再以它為預設。

output_text 能替代自己掃 steps 嗎？

純文字回覆可以。中間插入 thought、圖片或工具呼叫時，末尾拼接會丟中間文字。複雜鏈路請迭代 steps。

background=true 為什麼報錯？

背景執行與 store=false 不相容，伺服器端必須持久化 interaction。打開 store，再用回傳的 ID 輪詢。

Managed Agent 能替代 CI 裡的 Mac Runner 嗎？

不能替代簽章與 Apple 工具鏈。它適合產生補丁和檢索；公證、模擬器、真機建置仍要 macOS 節點。

函數呼叫能否和 JSON 模式一起開？

Gemini 3 系列可以。不要在工具前強制輸出大段 XML；把計畫欄位做成獨立函數更穩。

結論

2026 年 Gemini 的變化，核心不是又一個聊天視窗，而是 Interactions 成為模型與 Agent 的同一入口：時間線用 steps，輸出格式用多型 response_format，託管 Agent 在 Linux 沙箱裡跑長任務。適合現在切的人，是新專案、JSON 已開始 400、以及需要背景研究/改程式試點的團隊。不適合把 Linux Agent 當成 Xcode 的人。

先改解析器和 schema，再打開 Agent 開關；把編譯與簽章留在穩定的 Apple Silicon 上。需要按天開通的獨享機器時，從 Macstripe 首頁選節點即可。

延伸閱讀

• Gemini 4 API 遷移準備：相容清單
• Grok 4.5 功能、價格與程式評測
• Paperclip：開源 Multi-Agent 工作流指南