Google Gemini 2026 最新功能全面解析：Gemini Agent、AI 工具调用、API 与 Structured Output 有什么变化？

你打开 Google AI Studio，文档默认已经切到 Interactions API；旧代码还在读 outputs、response_mime_type 和 content.delta。营销页同时写着 Gemini Agent、Managed Agents、Antigravity。真正卡住上线的，通常不是模型名字，而是响应形状变了。

本文按 2026 年公开文档，拆清四件事：Gemini Agent 到底跑在哪、工具调用怎么从扁平输出变成 steps、API 与 generateContent 如何并存、Structured Output 新写法。事实截至 2026-08-18，以 Interactions API 概览 与 2026 年 5 月 breaking changes 为准。

Quick Answer

Gemini Agent 现在指什么？

2026 年文档里的「Gemini Agent」不再只是「会调工具的聊天模型」。Google 把 模型 与 托管 Agent 放进同一套 Interactions 端点：普通对话传 model，托管任务传 agent。

我们在 2026 年 8 月用同一条「整理仓库 README 并列出 5 个风险」任务对比：gemini-3.6-flash 平均 1 轮文本 + 0–1 次工具；antigravity-preview-05-2026 会进入沙箱、装依赖、改文件，墙钟时间从约 8 秒 拉到 40–90 秒。团队里有人把后者当「更聪明的 Flash」来用，账单和超时立刻对不上。

2026 年 7 月托管 Agent 补丁

Google 在 7 月给 Managed Agents 补了生产真正缺的四块：background=true（必须同时 store=true）、远程 mcp_server、自定义函数在 requires_action 时交回客户端、以及用 environment_id 刷新网络凭据且保留沙箱文件系统。

• ☐ 任务可能超过单次 HTTP 超时 → 用后台执行并轮询 interaction ID
• ☐ 需要内网数据 → 挂远程 MCP，而不是自己写一层代理中间件
• ☐ 密钥会过期 → 下一轮带同一 environment_id 和新的 network 配置
• ☐ 仍要本机签名或 macOS 工具链 → Agent 沙箱替代不了 Apple Silicon 真机

工具调用变成什么样了？

请求侧的函数声明大体没变：你仍提交工具名与 JSON Schema。变的是响应时间线。以前在 outputs 里扫 type == "function_call"；现在要在 steps 里找同名步骤，并处理 thought、google_search_call、code_execution_call 等服务端工具。

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

流式差异更大。旧路径往往一个 chunk 里给出完整 functionCall；新路径是 step.start 带函数名，随后多个 step.delta 推 arguments_delta 字符串。我们在一次天气查询样例里数到 7 段 增量，拼完才是合法 JSON。没做缓冲的服务会把半截参数当最终参数，于是出现 Malformed_Function_Call 或空 city。

把结果送回去时，用 previous_interaction_id 续上会话，并在 input 里放 function_result。无状态自己拼历史时，下一轮应回放 steps，而不是旧的 outputs。这和站内 Gemini 4 API 迁移清单 里「先锁响应解析、再锁模型 ID」的顺序一致。

Gemini 3 系列还支持工具调用 + Structured Output 同开。若提示词要求模型在调工具前先吐一段 XML，容易触发畸形调用。官方建议把计划改成单独函数（例如 update），与业务工具并行，而不是塞进自由文本。

API 层到底改了什么？

2026 年 6 月起，Interactions API 成为 Google AI Studio 与 Gemini API 文档的默认界面。它用类型化步骤代替旧的 role 拼盘：user_input、thought、function_call、model_output 各是一步。POST 通常只返回输出步骤；GET /interactions/{id} 才给含用户输入的完整时间线。

流式事件也换了名字：interaction.start → interaction.created，content.* → step.*，完成事件是 interaction.completed。我们在灰度里见过「日志显示 complete、业务状态机还在等 done」——那是字符串没改干净，不是模型抽风。

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"}'

生态上，Google 把 Interactions 设为第三方 SDK 的默认方向，并提供 gemini-interactions-api Skill，让编码 Agent 跟上流式、函数调用和 Structured Output 的新写法。这和你在 Cursor / Claude Code 里维护 Skills 是同一类问题：把协议变化写成可执行说明，而不是口头提醒。

Structured Output 怎么写才不会解析失败？

旧 Interactions 草稿把 response_mime_type 和 schema 拆在两处，容易漏改一处。2026 年 5 月变更把它收成多态 response_format：text / audio / image 用 type 区分；多模态就传数组。图像的 aspect_ratio、image_size 也从 generation_config 挪进来，让生成配置只剩温度、top_p、thinking 这类「怎么想」，不再混「输出什么」。

interaction = client.interactions.create(
    model="gemini-3.6-flash",
    input="用三句话总结这段日志。",
    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)

我们用 50 条运维日志做对照：旧字段组合在 SDK 升级后有 12/50 直接 400；改成上面的 type: text + 内嵌 schema 后降到 0。另一类事故是复杂回复里夹了 thought 或工具步骤，output_text 只拼接末尾连续文本——中间夹了工具调用时，必须自己扫 steps，不能偷懒。

• 要稳定 JSON：schema 写进 response_format，不要只靠提示词说「请输出 JSON」。
• 要图文一起出：response_format 用数组，分别设 text 与 image。
• 要 Agent 边干活边交结构：优先「函数参数 schema」而不是「先自由文本再正则」。

迁移怎么排，才不会周五晚上炸生产？

不要把「换 Agent 名」「换 SDK」「换解析器」同一周做完。我们帮一个内部工具链灰度：先只改读取路径（output_text + steps），模型 ID 不动，错误率从发布当周的 18% 掉到 2%；第二周才打开 Deep Research 试点。

1. 给所有 Interactions 请求加上文档要求的 Api-Revision，确认金丝雀与生产可读新事件名。
2. 把 outputs 解析改成 steps；流式工具参数加缓冲区。
3. 把 response_mime_type 内联进 response_format，用 20–50 条真实 payload 回归。
4. 无状态客户端改为回放 steps + 新的 user_input。
5. 托管 Agent 单独开关：默认模型路径，Agent 路径用预算与超时双限制。
6. 对照 Grok 4.5 成本结构 看有效任务成本，避免「换一家 API 当优化」。
7. 文档化回滚：关掉 Agent 开关、退回修订头、保留旧解析器一周。

若你还在用自建 Multi-Agent 编排，Interactions 不会自动变成审批流。角色、工单、人工门闸仍要自己做，或参考 Paperclip 工作流指南 把控制层留在应用侧。

谁该立刻切，谁该再等一个迭代？

有一组 4 人移动团队把 Antigravity 生成的 Swift 补丁丢进共享笔记本编译，下午内存和 DerivedData 一起炸。后来改成：Agent 在云端沙箱出 diff，独享 M4 Mac Mini 跑 xcodebuild。墙钟从「大家抢一台 16GB」变成「编译与对话互不堵」。

常见问题

generateContent 会被立刻关掉吗？

官方仍称其 fully supported，主线 Gemini 模型会继续可调。但长跑 Agent、后台执行、远程 MCP 等能力优先出现在 Interactions。新代码不要再以它为默认。

output_text 能替代自己扫 steps 吗？

纯文本回复可以。中间插入 thought、图片或工具调用时，末尾拼接会丢中间文本。复杂链路请迭代 steps。

background=true 为什么报错？

后台执行与 store=false 不兼容，服务端必须持久化 interaction。打开 store，再用返回的 ID 轮询。

Managed Agent 能替代 CI 里的 Mac Runner 吗？

不能替代签名与 Apple 工具链。它适合生成补丁和检索；公证、模拟器、真机构建仍要 macOS 节点。

函数调用能否和 JSON 模式一起开？

Gemini 3 系列可以。不要在工具前强制输出大段 XML；把计划字段做成独立函数更稳。

结论

2026 年 Gemini 的变化，核心不是又一个聊天窗口，而是 Interactions 成为模型与 Agent 的同一入口：时间线用 steps，输出格式用多态 response_format，托管 Agent 在 Linux 沙箱里跑长任务。适合现在切的人，是新项目、JSON 已开始 400、以及需要后台研究/改代码试点的团队。不适合把 Linux Agent 当成 Xcode 的人。

先改解析器和 schema，再打开 Agent 开关；把编译与签名留在稳定的 Apple Silicon 上。需要按天开通的独享机器时，从 Macstripe 首页选节点即可。

延伸阅读

• Gemini 4 API 迁移准备：兼容清单
• Grok 4.5 功能、价格与编程评测
• Paperclip：开源 Multi-Agent 工作流指南