Google DeepMind ने Interactions API ला त्याच्या जेमिनी मॉडेल्स आणि एजंट्ससाठी डीफॉल्ट इंटरफेस बनवले आहे, जुन्या `generateContent` इंटरफेसपासून एक शिफ्ट पूर्ण करत आहे ज्याने मॉडेल्स पहिल्यांदा पाठवल्यापासून जेमिनी विकासाला अँकर केले आहे. 26 जून रोजी Google च्या डेव्हलपर ब्लॉगवर घोषित केलेल्या या हालचालीमुळे, डिसेंबर 2025 पासून बीटामध्ये असलेल्या एपीआयला विकासकांनी जेमिनीवर तयार करणे अपेक्षित आहे.

जुना `generateContent` इंटरफेस अजूनही कार्य करतो, Google ने जोर दिला, त्यामुळे विद्यमान अनुप्रयोग रात्रभर खंडित होणार नाहीत. परंतु कंपनी आता एक ठाम रेषा आखत आहे: नवीन एजंट क्षमता केवळ इंटरॅक्शन API द्वारे पुढे जातील. For more context on this story, see our ongoing AI news.

> "संवाद एजंट्सच्या नवीन युगासाठी स्टेज सेट करते."
>
> — लोगान किलपॅट्रिक, Google विकासक संबंध आघाडीवर

Google ने विकासकांना मागील इंटरफेसमधून हलविण्यात मदत करण्यासाठी एक स्थलांतर मार्गदर्शक प्रकाशित केले आहे आणि नवीन API आता Google AI स्टुडिओमध्ये आणि सर्व अधिकृत मिथुन दस्तऐवजांमध्ये डीफॉल्ट आहे.

परस्परसंवाद API काय बदलते

सर्वात लक्षणीय बदल संरचनात्मक आहे. मागील इंटरफेसने भूमिकांभोवती संभाषणांचे आयोजन केले होते — `वापरकर्ता` आणि `मॉडेल` सारखी लेबले — बहुतेक मोठ्या भाषा मॉडेल API ने स्वीकारलेल्या परिचित चॅट स्वरूपाचे मिररिंग. इंटरएक्शन API त्या भूमिका-आधारित संरचनेला **टाइप केलेल्या चरणांसह बदलते, जिथे वापरकर्त्याच्या इनपुटपासून ते मॉडेल प्रतिसादापर्यंत फंक्शन कॉलपर्यंतची प्रत्येक क्रिया ही स्वतःची स्पष्टपणे परिभाषित पायरी असते.

परिणाम, Google च्या मते, साध्या मागे-पुढे चॅट ऐवजी जटिल एजंट वर्कफ्लोसाठी एक स्कीमा अधिक अनुकूल आहे. एजंटना नियमितपणे टूल कॉल्स एकत्र करणे, बॅकग्राउंडमध्ये चालवणे आणि इंटरमीडिएट परिणामांवर आधारित शाखा करणे आवश्यक आहे - जुन्या रोल-आधारित संभाषण मॉडेलने अस्ताव्यस्तपणे हाताळलेले नमुने.

अंगभूत एजंट आदिम

2025 च्या उत्तरार्धात बीटामध्ये प्रवेश केल्यापासून, परस्परसंवाद API ने वैशिष्ट्यांचा एक संच जमा केला आहे ज्याला Google प्रथम-श्रेणी एजंट बिल्डिंग ब्लॉक्स म्हणून स्थान देत आहे:

  • व्यवस्थापित एजंट जे त्यांच्या स्वतःच्या Linux सँडबॉक्समध्ये चालतात, जे विकासकांना एजंट-व्युत्पन्न केलेले कोड आणि आदेश कार्यान्वित करण्यासाठी एक वेगळे वातावरण देतात.
  • दीर्घकाळ चालणाऱ्या कार्यांसाठी पार्श्वभूमी अंमलबजावणी, एजंटना एकाच विनंतीवर अवरोधित करण्याऐवजी असिंक्रोनसपणे कार्य सुरू ठेवण्याची परवानगी देते.
  • टूल चेनिंग Google Search आणि Google Maps मध्ये अंगभूत आहे, जेणेकरून एजंट रीअल-टाइम माहिती आणि स्थान डेटा डेव्हलपर्स मॅन्युअली वायर अप न करता खेचू शकतात.
  • मीडिया जनरेशन प्रतिमा, संगीत आणि भाषण पसरवणारे, सिंगल एजंट इंटरफेसला मल्टीमोडल आउटपुट तयार करू देते.

Google ने बीटा पासून स्कीमाचे काही भाग देखील सरलीकृत केले आहेत, सुरुवातीच्या अवलंबकर्त्यांनी ध्वजांकित केलेले घर्षण काढून टाकले आहे.

फ्लेक्स आणि प्राधान्य मोड

इंटरएक्शन API वर तयार करणारे विकसक दोन अंमलबजावणी मोडमधून निवडू शकतात. फ्लेक्स मोड खर्चात अंदाजे ५० टक्के कपात करतो, स्वस्त अनुमानासाठी काही विलंब व्यापार करतो — उच्च-आवाज किंवा पार्श्वभूमी कामासाठी उपयुक्त. प्राधान्य मोड त्याऐवजी वेगासाठी ऑप्टिमाइझ करतो, जलद प्रतिसादासाठी विनंत्या राउटिंग करतो.

Google साठी स्पर्धात्मकदृष्ट्या किंमत लीव्हर महत्त्वपूर्ण आहे. एंटरप्राइझ एआय खर्च हा संपूर्ण उद्योगात एक केंद्रीय चिंतेचा विषय बनला आहे, कंपन्या मॉडेल वापर स्केल म्हणून टोकन खर्चाची वाढत्या छाननी करत आहेत. 50 टक्के खर्च कपात मोड ऑफर केल्याने जेमिनी विकासकांना प्लॅटफॉर्म न सोडता बिले समाविष्ट करण्याचा एक ठोस मार्ग मिळतो.

शिफ्ट महत्त्वाची का आहे

संक्रमण हे चॅट इंटरफेसपासून एजंट इंटरफेसच्या दिशेने एक व्यापक उद्योग पिव्होट प्रतिबिंबित करते. जिथे प्रारंभिक LLM उत्पादने संभाषणात्मक सहाय्यक म्हणून तयार केली गेली होती, तेथे विकसक टूलिंगची सध्याची लहर स्वायत्त आणि अर्ध-स्वायत्त एजंट्सभोवती तयार केली गेली आहे जी साधने आणि सेवांमध्ये बहु-चरण कार्ये पूर्ण करतात.

इंटरएक्शन API डीफॉल्ट बनवून — आणि केवळ त्यासाठीच नवीन एजंट वैशिष्ट्ये आरक्षित करून — Google त्याचा संपूर्ण विकासक आधार त्या एजंटिक भविष्यासाठी डिझाइन केलेल्या पायाभूत सुविधांवर ढकलत आहे. जे विकसक `generateContent` वर राहतात ते सुसंगतता टिकवून ठेवतील परंतु हळूहळू नवीन क्षमता गमावतील.

एजंट स्तरावरील स्पर्धा तीव्र झाल्यामुळे हा बदल होतो. एन्थ्रोपिकने त्याच्या क्लॉड कोड आणि क्लॉड टॅग उत्पादनांसह एजंट इन्फ्रास्ट्रक्चरकडे झुकले आहे, ओपनएआय त्याच्या एजंट आणि संगणक-वापर क्षमतांचा विस्तार करत आहे आणि ओपन-सोर्स फ्रेमवर्क वाढवत आहेत. Google चे पैज आहे की डेव्हलपर इंटरफेसची मालकी - केवळ अंतर्निहित मॉडेलच नाही - कारण एजंटिक ऍप्लिकेशन्स उत्पादनात जातात तेव्हा निर्णायक असेल.

Google ने `generateContent` इंटरफेससाठी शेवटची तारीख जाहीर केलेली नाही, परंतु स्पष्ट दिशा अशी आहे की इंटरॅक्शन API आता मिथुनवर बांधलेल्या प्रत्येकासाठी मार्ग आहे.

---

Stay Ahead of AI

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

Read more AI news →