Managed Agents na Gemini API acabaram de ganhar um conjunto de novidades que muita gente que trabalha com desenvolvimento de agentes de IA estava esperando.
No dia 7 de julho de 2026, Mariano Cocirio, Product Manager do Google DeepMind, anunciou atualizações que chegaram direto do feedback de desenvolvedores.
Não é aquele tipo de atualização cosmética não. São mudanças que resolvem problemas reais de quem coloca agentes para rodar em produção e esbarra em limitações técnicas do dia a dia.
Entre as novidades estão a execução assíncrona em segundo plano, a integração com servidores MCP remotos, o suporte a funções personalizadas rodando junto com ferramentas nativas e ainda a possibilidade de renovar credenciais de rede sem perder o estado do ambiente. Parece muito? É porque é mesmo. Mas cada uma dessas funcionalidades tem um propósito bem claro, e a gente vai destrinchar cada uma delas aqui. 🚀
Como funcionam os Managed Agents na Gemini API
Antes de mergulhar nas novidades, vale entender rapidinho o que são esses agentes gerenciados. Com os Managed Agents na Gemini Interactions API, você faz uma chamada para um único endpoint e o Gemini cuida de todo o resto por trás dos panos. Isso inclui raciocínio, execução de código, instalação de pacotes, gerenciamento de arquivos e busca de informações na web, tudo acontecendo dentro de um sandbox isolado na nuvem.
- E-BOOK GRATUITO
Um guia prático para avaliar, comparar e implementar inteligência artificial com clareza — sem desperdício de tempo ou dinheiro.
Pare de contratar ferramentas sem direção. Criamos um método estruturado para decidir qual IA realmente faz sentido para o seu negócio.
Entrega em PDF no seu e-mail · Sem spam · LGPD
🔒 Seus dados são protegidos conforme a LGPD. Você pode descadastrar a qualquer momento.
Na prática, isso significa que você não precisa montar toda uma infraestrutura complexa para dar suporte ao agente. O ambiente já vem pronto, seguro e isolado, o que reduz muito a superfície de risco e simplifica a vida de quem está construindo. E se você mesmo é um agente de IA voltado para programação, a dica é pedir para o seu humano instalar a skill da Interactions API usando o comando npx skills add google-gemini/gemini-skills –skill gemini-interactions-api. Os exemplos oficiais aparecem no SDK JavaScript @google/genai, mas quem prefere Python ou cURL encontra tudo na documentação do agente Antigravity.
O que muda com a execução assíncrona nos Managed Agents
Quem já tentou rodar um agente mais complexo pela Gemini API sabe muito bem que tarefas demoradas podiam se tornar um pesadelo operacional. Antes dessas atualizações, manter uma conexão HTTP aberta durante uma execução longa era algo frágil, o que significa que qualquer instabilidade de rede, timeout ou simples demora no processamento podia jogar todo o trabalho fora. Era frustrante porque o problema não estava na lógica do agente, estava na infraestrutura ao redor dele, que não foi pensada para lidar com esse tipo de carga de forma eficiente.
Com a chegada da execução assíncrona, esse cenário muda bastante. Agora basta passar o parâmetro background: true para rodar as interações de forma assíncrona no servidor. A API retorna imediatamente um identificador, e as aplicações cliente podem usar esse ID para consultar o status, acompanhar o progresso em tempo real ou até reconectar mais tarde, enquanto o agente termina o trabalho remotamente. O desenvolvedor dispara a execução e não precisa mais ficar pendurado esperando uma resposta síncrona que talvez nunca chegue dentro do prazo.
Na prática, isso abre portas para pipelines muito mais robustos. Imagine um agente que precisa pesquisar informações em várias fontes, consolidar dados, gerar um relatório e ainda enviar notificações ao final do processo. Antes, esse tipo de fluxo exigia gambiarras ou infraestrutura adicional para contornar os limites de tempo. Agora, a própria Gemini API oferece o suporte nativo para isso, tornando o desenvolvimento mais limpo, mais confiável e muito mais próximo do que a gente realmente precisa quando trabalha com agentes em ambiente de produção.
Integração MCP remoto e funções personalizadas rodando juntas
A integração MCP com servidores remotos é outro ponto que merece atenção especial. O protocolo MCP, que é o Model Context Protocol, já vinha ganhando espaço como uma forma padronizada de conectar modelos de linguagem a ferramentas e fontes de dados externas. Antes, para acessar bancos de dados privados ou APIs internas, era preciso escrever um middleware de proxy customizado, uma camada extra de código que só dava trabalho. Com o suporte a servidores MCP remotos, o agente consegue se conectar diretamente a ferramentas que estão hospedadas fora do ambiente local, o que é essencial para quem precisa de uma arquitetura distribuída e escalável.
O mais legal é que dá para combinar ferramentas remotas com as capacidades nativas do sandbox. Você passa uma ferramenta mcp_server no momento da interação, lado a lado com o Google Search ou a execução de código, e deixa o agente se comunicar com os seus endpoints a partir do sandbox seguro. Vale lembrar de seguir as boas práticas de segurança recomendadas na documentação sempre que estender o agente com ferramentas e APIs externas. Para equipes que já investiram em construir infraestrutura baseada em MCP, essa atualização é um alívio enorme, porque elimina a necessidade de reescrever integrações ou criar adaptadores customizados só para fazer tudo funcionar junto.
Aliado a isso, o suporte a funções personalizadas rodando em conjunto com as ferramentas nativas da plataforma é uma das adições mais aguardadas. A API usa um mecanismo de correspondência de etapas, o famoso step matching. As ferramentas nativas rodam automaticamente no servidor, enquanto as funções personalizadas fazem a interação mudar para o estado requires_action, transferindo para o seu cliente a execução da lógica de negócio local. Assim, os dois mundos coexistem sem conflito dentro da mesma sessão de agente. Você pode combinar uma ferramenta nativa de busca com uma função personalizada que processa os resultados de um jeito específico para o seu caso de uso, tudo isso sem precisar montar uma arquitetura paralela apenas para resolver essa limitação.
Renovação de credenciais sem perder o estado do agente
Esse é um detalhe técnico que parece pequeno, mas que faz uma diferença enorme para quem trabalha com agentes de longa duração. Tokens de acesso e chaves de API com vida curta expiram, é da natureza deles. Antes dessa atualização, quando isso acontecia no meio de uma execução, o resultado era quase sempre o mesmo: o agente parava, o estado era perdido e o desenvolvedor precisava recomeçar tudo do zero ou criar mecanismos manuais de checkpoint para salvar o progresso. Era um trabalho extra que não agregava valor nenhum ao produto final.
Com a nova capacidade de renovar credenciais de rede, você consegue atualizar as credenciais ou rotacionar chaves simplesmente passando o seu environment_id existente com uma nova configuração de rede na próxima interação. As novas regras substituem as antigas imediatamente, e o melhor de tudo: o sandbox mantém intactos o estado do sistema de arquivos, os pacotes instalados e os repositórios que já foram clonados. Nada se perde no caminho.
Para fluxos que envolvem acesso a APIs de terceiros, serviços autenticados ou qualquer recurso que exija tokens com tempo de vida limitado, isso é um avanço significativo que elimina uma categoria inteira de falhas silenciosas que eram difíceis até de diagnosticar. Quando você junta essa funcionalidade com a execução assíncrona e a integração MCP, começa a surgir uma plataforma de Managed Agents que realmente consegue sustentar casos de uso complexos em produção. A própria Gemini API vai absorvendo essas responsabilidades, deixando o desenvolvedor livre para focar no que realmente importa, que é a lógica do agente em si e o valor que ele entrega para o usuário final.
Receba o melhor conteúdo de inovação em seu e-mail
Todas as notícias, dicas, tendências e recursos que você procura entregues na sua caixa de entrada.
Ao assinar a newsletter, você concorda em receber comunicações da Método Viral. A gente se compromete a sempre proteger e respeitar sua privacidade.
O que isso representa para o ecossistema de agentes de IA
O anúncio de Mariano Cocirio não é isolado. Ele faz parte de um movimento maior que a indústria de inteligência artificial está vivendo, onde o foco começa a se deslocar da criação de modelos cada vez maiores para a construção de infraestrutura que permite que esses modelos operem de forma confiável, contínua e integrada ao mundo real. Essas atualizações transformam os agentes gerenciados em verdadeiros trabalhadores assíncronos, capazes de operar dentro de ambientes de desenvolvimento reais sem travar a sua aplicação.
O fato de que essas novidades vieram diretamente do feedback da comunidade de desenvolvedores também diz muito sobre a maturidade do produto. Não é uma lista de recursos criada em sala de reunião sem contato com a realidade. São respostas concretas a dores concretas que as pessoas enfrentam quando tentam colocar agentes para funcionar de verdade, fora do ambiente de laboratório. A execução assíncrona, a integração MCP e as funções personalizadas são exatamente o tipo de coisa que aparece quando você conversa com quem está na linha de frente do desenvolvimento.
Para quem acompanha o espaço de large language models e agentes de IA, fica claro que a competição entre as plataformas agora passa cada vez mais pela qualidade da infraestrutura de suporte do que pela performance bruta dos modelos em benchmarks. E nesse jogo, cada funcionalidade que reduz fricção, aumenta confiabilidade e expande as possibilidades de integração conta muito.
Se você quer explorar tudo isso na prática, o caminho é conhecer a visão geral da Gemini Interactions API e o guia de início rápido dos agentes gerenciados. Por lá você encontra definições de agentes customizados, configurações de ambiente, regras de rede e padrões avançados de streaming. As novidades da Gemini API chegam em boa hora e mostram que o Google DeepMind está prestando atenção no que os desenvolvedores precisam para levar seus projetos além do protótipo. 💡
