Firma Google DeepMind uczyniła Interactions API domyślnym interfejsem dla swoich modeli i agentów Gemini, co zakończyło się odejściem od starszego interfejsu „generateContent”, który stanowi podstawę rozwoju Gemini od czasu pierwszej wysyłki modeli. Posunięcie to, ogłoszone 26 czerwca na blogu deweloperów Google, przenosi interfejs API, który jest w wersji beta od grudnia 2025 r., do głównego sposobu, w jaki programiści mają korzystać z Gemini.

Google podkreślił, że starszy interfejs „generateContent” nadal działa, więc istniejące aplikacje nie zawiodą z dnia na dzień. Jednak firma wyznacza obecnie stanowcze stanowisko: nowe funkcje agenta będą odtąd dostępne wyłącznie za pośrednictwem interfejsu Interactions API. Więcej kontekstu na ten temat znajdziesz w naszych wiadomości AI.

> „Interakcje przygotowują grunt pod nową erę agentów”.
>
> — Logan Kilpatrick, kierownik ds. relacji z programistami w Google

Firma Google opublikowała przewodnik po migracji, który ma pomóc programistom w przejściu z poprzedniego interfejsu, a nowy interfejs API jest teraz domyślnym interfejsem Google AI Studio i całą oficjalną dokumentacją Gemini.

Co zmienia się w interfejsie API interakcji

Najważniejsza zmiana ma charakter strukturalny. Poprzedni interfejs organizował rozmowy wokół ról — etykiet takich jak „użytkownik” i „model” – odzwierciedlając znany format czatu, stosowany przez większość interfejsów API modeli dużych języków. Interfejs API interakcji zastępuje tę opartą na rolach strukturę krokami wpisanymi, w których każda akcja, od danych wejściowych użytkownika, przez wywołanie funkcji, po odpowiedź modelu, jest własnym, wyraźnie zdefiniowanym krokiem.

Według Google w rezultacie powstał schemat lepiej dostosowany do złożonych przepływów pracy agentów niż do prostych rozmów typu „w obie strony”. Agenci rutynowo muszą łączyć ze sobą wywołania narzędzi, działać w tle i rozgałęziać się w oparciu o wyniki pośrednie — wzorce, z którymi stary model konwersacji opartej na rolach radził sobie niezręcznie.

Wbudowane elementy podstawowe agenta

Od czasu wprowadzenia wersji beta pod koniec 2025 r. interfejs Interactions API zgromadził zestaw funkcji, które Google uważa za najwyższej klasy elementy składowe agenta:

  • Agenci zarządzani, którzy działają we własnej piaskownicy systemu Linux, zapewniając programistom izolowane środowisko do wykonywania kodu i poleceń generowanych przez agentów.
  • Wykonywanie w tle w przypadku długotrwałych zadań, umożliwiając agentom kontynuowanie pracy asynchronicznie zamiast blokowania na podstawie jednego żądania.
  • Łączenie narzędzi z wbudowaną wyszukiwarką Google i Mapami Google, dzięki czemu agenci mogą pobierać informacje i dane o lokalizacji w czasie rzeczywistym bez konieczności ręcznego konfigurowania tych integracji przez programistów.
  • Generowanie multimediów obejmujące obrazy, muzykę i mowę, umożliwiające interfejsowi pojedynczego agenta generowanie multimodalnego sygnału wyjściowego.

Od czasu wersji beta Google uprościł także części schematu, usuwając problemy zgłaszane przez pierwszych użytkowników.

Tryby elastyczne i priorytetowe

Programiści korzystający z interfejsu Interactions API mogą wybierać pomiędzy dwoma trybami wykonywania. Tryb elastyczny obniża koszty o około 50 procent, zamieniając pewne opóźnienia na tańsze wnioskowanie – przydatne w przypadku dużej liczby operacji lub pracy w tle. Tryb priorytetowy zamiast tego optymalizuje prędkość, kierując żądania w celu uzyskania najszybszej odpowiedzi.

Dźwignia kosztowa ma znaczenie dla konkurencyjności Google. Wydatki na sztuczną inteligencję przedsiębiorstw stały się głównym problemem w całej branży, a firmy coraz częściej analizują koszty tokenów w zależności od skali wykorzystania modelu. Oferowanie trybu redukcji kosztów o 50 procent daje programistom Gemini konkretny sposób na kontrolowanie rachunków bez opuszczania platformy.

Dlaczego zmiana ma znaczenie

Przejście odzwierciedla szerszą zmianę branży z interfejsów czatowych na interfejsy agentowe. Tam, gdzie wczesne produkty LLM były rozumiane jako asystenci konwersacyjni, obecna fala narzędzi dla programistów opiera się na autonomicznych i półautonomicznych agentach, którzy wykonują wieloetapowe zadania w ramach narzędzi i usług.

Ustawiając interfejs Interactions API jako domyślny — i rezerwując wyłącznie dla niego nowe funkcje agenta — Google namawia całą bazę programistów na infrastrukturę zaprojektowaną z myślą o przyszłości agenta. Programiści, którzy pozostaną przy „generateContent”, zachowają kompatybilność, ale stopniowo będą tracić nowe możliwości.

Zmiana następuje w miarę nasilenia się konkurencji w warstwie agentów. Firma Anthropic oparła się na infrastrukturze agentów dzięki swoim produktom Claude Code i Claude Tag, OpenAI w dalszym ciągu rozwija swoje możliwości agentów i wykorzystania komputerów, a platformy open source mnożą się. Google zakłada, że ​​posiadanie interfejsu programisty – a nie tylko podstawowego modelu – będzie decydujące, gdy aplikacje agentowe zostaną wprowadzone do środowiska produkcyjnego.

Google nie ogłosił daty wycofania interfejsu „generateContent”, ale jasny kierunek jest taki, że interfejs Interactions API jest obecnie rozwiązaniem dla każdego, kto będzie korzystał z Gemini.

---

Bądź na Bieżąco z AI

Najnowsze wiadomości, analizy i przełomy w dziedzinie AI — wszystko w jednym miejscu.

Czytaj więcej wiadomości AI →