Google DeepMind Interactions API را به رابط پیش‌فرض برای مدل‌ها و نمایندگان Gemini خود تبدیل کرده است، و به این ترتیب از رابط کاربری قدیمی‌تر «generateContent» که از اولین بار عرضه مدل‌ها به توسعه Gemini کمک می‌کرد، فاصله گرفت. این حرکت که در وبلاگ توسعه‌دهندگان گوگل در 26 ژوئن اعلام شد، یک API را که از دسامبر 2025 در نسخه بتا قرار دارد، به روش اصلی که انتظار می‌رود توسعه‌دهندگان بر روی Gemini بسازند، ارتقا می‌دهد.

گوگل تاکید کرد، رابط کاربری قدیمی تر «generateContent» همچنان کار می کند، بنابراین برنامه های موجود یک شبه خراب نمی شوند. اما این شرکت اکنون در حال ترسیم یک خط محکم است: قابلیت های عامل جدید فقط از طریق Interactions API در آینده ارسال می شود. For more context on this story, see our ongoing artificial intelligence updates.

> "تعامل ها زمینه را برای عصر جدید Agents فراهم می کند."
>
> — لوگان کیلپاتریک، مدیر روابط توسعه دهندگان گوگل

گوگل یک راهنمای مهاجرت منتشر کرده است تا به توسعه دهندگان کمک کند تا از رابط قبلی خارج شوند، و API جدید اکنون به صورت پیش فرض در داخل استودیوی هوش مصنوعی گوگل و در تمام اسناد رسمی Gemini است.

آنچه که Interactions API تغییر می‌دهد

مهمترین تغییر ساختاری است. رابط قبلی مکالمات را حول نقش‌ها سازماندهی می‌کرد - برچسب‌هایی مانند «کاربر» و «مدل» - منعکس‌کننده قالب چت آشنا که اکثر APIهای مدل زبانی بزرگ اتخاذ کردند. Interactions API آن ساختار مبتنی بر نقش را با مراحل تایپ شده جایگزین می‌کند، که در آن هر اقدام، از ورودی کاربر گرفته تا فراخوانی تابع تا پاسخ مدل، مرحله‌ای است که به صراحت تعریف شده است.

به گفته گوگل، نتیجه، طرحی است که به جای چت ساده رفت و برگشتی، برای گردش های کاری پیچیده عامل مناسب تر است. کارگزاران معمولاً نیاز دارند که تماس‌های ابزار را به هم زنجیر کنند، در پس‌زمینه اجرا کنند و بر اساس نتایج میانی منشعب شوند - الگوهایی که مدل مکالمه مبتنی بر نقش‌های قدیمی به طرز ناخوشایندی انجام می‌داد.

Built-In Agent Primitives

از زمان ورود به نسخه بتا در اواخر سال ۲۰۲۵، Interactions API مجموعه‌ای از ویژگی‌ها را جمع‌آوری کرده است که گوگل آن‌ها را به‌عنوان بلوک‌های سازنده عامل درجه یک قرار می‌دهد:

  • نماینده های مدیریت شده که در جعبه سندباکس لینوکس خود اجرا می شوند و به توسعه دهندگان یک محیط ایزوله برای اجرای کدها و دستورات تولید شده توسط عامل می دهند.
  • اجرای پس‌زمینه برای کارهای طولانی مدت، که به عوامل اجازه می‌دهد به‌جای مسدود کردن یک درخواست، به طور ناهمزمان به کار خود ادامه دهند.
  • زنجیره کردن ابزار با جستجوی Google و Google Maps داخلی، بنابراین نمایندگان می توانند اطلاعات و داده های مکان را بدون سیم کشی دستی توسعه دهندگان جمع آوری کنند.
  • تولید رسانه تصاویر، موسیقی و گفتار را در بر می گیرد و به یک رابط عامل اجازه می دهد خروجی چندوجهی تولید کند.

گوگل همچنین بخش‌هایی از طرح را از زمان بتا ساده‌سازی کرده است و اصطکاک‌هایی را که پذیرندگان اولیه پرچم‌گذاری کرده بودند، از بین برده است.

حالت های انعطاف پذیر و اولویت

توسعه دهندگان مبتنی بر Interactions API می توانند بین دو حالت اجرا انتخاب کنند. حالت فلکس هزینه ها را تقریباً 50 درصد کاهش می دهد، مقداری تأخیر را با استنتاج ارزان تر مبادله می کند - برای کارهای با حجم بالا یا پس زمینه مفید است. حالت اولویت در عوض سرعت را بهینه می کند و درخواست های مسیریابی را برای سریع ترین پاسخ بهینه می کند.

اهرم هزینه برای گوگل به صورت رقابتی مهم است. مخارج هوش مصنوعی سازمانی به یک نگرانی اصلی در سراسر صنعت تبدیل شده است، زیرا شرکت ها به طور فزاینده ای هزینه های توکن را به عنوان مقیاس های استفاده از مدل بررسی می کنند. ارائه یک حالت کاهش هزینه 50 درصدی به توسعه دهندگان Gemini راهی مشخص برای کنترل صورتحساب ها بدون خروج از پلت فرم می دهد.

چرا تغییر مهم است

این انتقال منعکس کننده یک چرخش صنعت گسترده تر از رابط های chat به رابط های عامل است. در جایی که محصولات اولیه LLM به عنوان دستیارهای مکالمه در نظر گرفته می شدند، موج فعلی ابزارهای توسعه دهنده حول عوامل مستقل و نیمه مستقل ساخته شده است که وظایف چند مرحله ای را در میان ابزارها و خدمات تکمیل می کنند.

با پیش‌فرض کردن Interactions API - و رزرو ویژگی‌های عامل جدید به طور انحصاری برای آن - Google کل پایگاه توسعه‌دهندگان خود را به زیرساخت طراحی‌شده برای آن آینده نمایندگی سوق می‌دهد. توسعه‌دهندگانی که در «تولید محتوا» باقی می‌مانند، سازگاری خود را حفظ می‌کنند اما به تدریج قابلیت‌های جدید را از دست خواهند داد.

این تغییر زمانی رخ می دهد که رقابت بر سر لایه عامل تشدید شود. Anthropic با محصولات Claude Code و Claude Tag خود به زیرساخت های عامل متمایل شده است، OpenAI به گسترش قابلیت های عامل و استفاده از رایانه خود ادامه می دهد و چارچوب های منبع باز در حال افزایش هستند. شرط گوگل این است که داشتن رابط توسعه دهنده - نه فقط مدل اصلی - با حرکت برنامه های عامل به تولید، تعیین کننده خواهد بود.

گوگل تاریخ پایان عمر رابط کاربری «generateContent» را اعلام نکرده است، اما مسیر روشن این است که Interactions API اکنون مسیری برای هر کسی است که در Gemini می‌سازد.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →