Google представил Managed Agents в AI Studio и консольный инструмент Agents CLI
Развитие искусственного интеллекта постепенно переходит от простых чат-ботов к полноценным автономным агентам, способным выполнять сложные цепочки действий. Однако до последнего времени существовал серьезный барьер: если разработать логику агента локально относительно легко, то развернуть его в стабильной и безопасной производственной среде — задача, требующая огромных инженерных усилий. Разработчикам приходилось самостоятельно настраивать сервера, создавать изолированные песочницы для безопасного исполнения сгенерированного кода, подключать внешние инструменты и организовывать мониторинг.
В ответ на этот вызов Google представил концепцию управляемых агентов — Managed Agents — непосредственно в интерфейсе Google AI Studio, дополнив её открытым консольным инструментом Agents CLI и комплектом разработки ADK (Agent Development Kit). Эта экосистема берет на себя всю тяжелую инфраструктурную работу, позволяя запускать, тестировать и развертывать агентов буквально в один клик.
Архитектура управляемых агентов и облачные песочницы
Главная особенность Managed Agents заключается в том, что каждый запущенный агент получает в свое распоряжение полноценный виртуальный компьютер на облачной инфраструктуре Google. Это изолированный контейнер под управлением операционной системы Ubuntu Linux, оснащенный 4 ядрами виртуального процессора (vCPU) и 16 ГБ оперативной памяти.
Такая облачная песочница решает критически важную проблему безопасности при выполнении сгенерированного кода. Когда ИИ-агенту требуется решить аналитическую задачу, он пишет и запускает код (например, на Python для обработки таблиц). Выполнять такой произвольный код на локальном компьютере пользователя или на общем сервере компании крайне опасно. Облачная песочница Google полностью изолирована от локальной машины разработчика, предотвращая любые риски компрометации систем.
При первом обращении к агенту Google автоматически создает такой контейнер и присваивает ему уникальный идентификатор. Вся рабочая среда сохраняет свое состояние: установленные библиотеки, созданные файлы и настройки не стираются после каждого запроса. Агент засыпает только после 15 минут бездействия, а сам контейнер хранится до одной недели. Это позволяет вести непрерывные сессии разработки, когда агент возвращается к задаче ровно в том состоянии, в котором его оставили, работая с реальными файлами проекта. В качестве основного «мозга» системы выступает быстрая и экономичная модель Gemini 3.5 Flash, которая обеспечивает мгновенный отклик и высокую скорость генерации токенов. На данный момент инструмент находится на стадии публичного превью и доступен пользователям с подпиской Google Ultra.
Эволюция агентской платформы Google и масштаб токенов
Выпуск Managed Agents стал результатом стремительной эволюции ИИ-технологий Google за последние полгода. Первым шагом в этом направлении стал запуск агента DeepResearch в декабре 2025 года. Этот инструмент продемонстрировал способность совершать сотни поисковых запросов в секунду и собирать глубокие структурированные отчеты, но оставался закрытым решением для выполнения одной конкретной задачи.
В апреле 2026 года Google представил масштабную агентскую платформу для крупного бизнеса, однако её интеграция требовала сложной настройки и была недоступна для независимых разработчиков и небольших команд. Решающий шаг произошел на конференции Google I/O 19 мая 2026 года, когда компания интегрировала управляемых агентов прямо в AI Studio. Это открыло технологию для широкой аудитории, позволив тестировать агентов без написания кода.
Масштаб внедрения этой технологии подтверждается официальной статистикой. Генеральный директор Google Сундар Пичай сообщил, что объем токенов, обрабатываемых ИИ-системами компании, вырос с 480 миллиардов до рекордных 3,2 триллиона токенов в месяц. Этот семикратный рост всего за один месяц показывает колоссальный спрос разработчиков на масштабируемые облачные вычисления.
Концепция Skills и управление агентами без кода
Для создания управляемого агента больше не требуется писать сложный бэкэнд. Вся логика его поведения и доступные инструменты описываются на естественном языке с помощью двух простых текстовых файлов в формате Markdown:
- agents.md — содержит глобальные инструкции, системный промпт, описание роли агента (например, «ассистент по исследованиям рынка») и правила его поведения.
- skill.md — описывает конкретные навыки (tools), которыми обладает агент. Это инструкции о том, какие внешние действия он должен выполнять по запросу пользователя — например, «создать презентацию на основе текстового файла» или «провести поиск по базе данных».
Процесс напоминает классическое описание должностных инструкций для нового сотрудника: разработчик просто объясняет модели правила игры, а Google AI Studio автоматически преобразует эти Markdown-файлы в исполняемую логику агента.
Возможности Agents CLI и цикл разработки
Для профессиональных разработчиков, предпочитающих работать в терминале, Google выпустил Agents CLI — консольную утилиту, которая отлично интегрируется с современными ИИ-ассистентами (например, Claude Code). Утилита предоставляет полный набор инструментов для автоматизации жизненного цикла агента через открытый фреймворк ADK. Основные сценарии использования CLI включают следующие команды:
- scaffold — автоматическое создание структуры нового агентского проекта и развертывание базовых файлов конфигурации.
- run — запуск агента в удаленной облачной песочнице с передачей конкретного запроса из локального терминала.
- evaluate — запуск автоматических тестов (evals) на наборе сценариев для проверки качества работы агента перед деплоем.
- optimize — автоматическая оптимизация системных промптов на основе накопленных результатов тестирования.
ИИ-ассистент может самостоятельно управлять установкой CLI, создавать структуру проекта, проводить тесты и отправлять готового агента на gcp-хостинг, избавляя человека от необходимости вручную писать консольные команды.
Легковесные фреймворки против тяжелых SDK в продакшене
Появление Agents CLI и ADK обострило дискуссию о выборе правильного технологического стека. Разработчики часто задаются вопросом: зачем использовать классические фреймворки вроде Google ADK, Pydantic AI или LangChain, если существуют мощные комплексные платформы разработки (например, Antigravity SDK)?
Ответ кроется в эффективности и скорости работы в продакшене. Комплексные агентские SDK идеально подходят для создания сложных локальных систем автоматизации, «вторых мозгов» или персональных рабочих пространств, где качество и широта возможностей важнее стоимости вычислений. Однако они крайне неэффективны с точки зрения расхода токенов и времени отклика, поскольку несут в себе избыточный контекст.
Для клиентских бизнес-приложений критически важна скорость. Исследования показывают, что если пользователь платформы не получает первый токен ответа в течение 4 секунд, вероятность того, что он закроет вкладку, возрастает многократно. Фреймворки вроде Google ADK предлагают минималистичный подход: разработчик полностью контролирует промпты, структуру вызовов функций и контекст. Это делает агента очень быстрым, дешевым в масштабировании и пригодным для обслуживания миллионов пользователей одновременно.
Безопасность и управление доступом в облаке
Помимо изоляции кода, Google уделил особое внимание безопасности личных данных. При интеграции с Google Workspace (Gmail, Sheets, Calendar) Managed Agents используют строгую модель разграничения прав.
Пользователь может гибко настраивать доступы: разрешить агенту читать только определенные папки на Google Drive или ограничить список сайтов, на которые он может переходить во время веб-поиска. Все секретные ключи, пароли и API-токены внешних сервисов хранятся и обрабатываются вне контекста самого агента — модель никогда не видит приватные учетные данные напрямую, что исключает их утечку при компрометации промптов. Кроме того, в панели AI Studio доступна полная трассировка (traces) и аудит логов, позволяющие детально отслеживать каждое действие агента в облаке.