Google Managed Agents API 深度解析：一个 API 调用部署完整 AI Agent
Google I/O 2026 发布的 Managed Agents API 让开发者通过一次 API 调用即可部署一个包含 Linux 沙箱、工具循环、状态管理的完整 AI Agent。本文深入分析技术架构、与 Claude Managed Agents 的对比，以及对应用开发者的实际影响。
Google Managed Agents API 深度解析：一个 API 调用部署完整 AI Agent
在 AI Agent 从实验走向产品化的十字路口，Google 在 I/O 2026 上投下了一枚重磅炸弹——Managed Agents API。不再需要自己拼装 Docker 沙箱、工具注册表、重试逻辑和状态管理，一条 API 调用，一个完整的 AI Agent 就此诞生。
引言
2026 年 5 月 19 日，Google I/O 2026 主题演讲结束后的三天里，技术媒体的头条不是某个新模型，而是一行计费字段——Managed Agents in the Gemini API，按”运行次数”而非按 token 收费。
这意味着什么？在之前，构建一个工具调用式 Agent 意味着你要自己组装所有基础设施：推理循环、工具路由器、代码执行沙箱、文件存储、重试逻辑、跨轮次的状态管理。Managed Agents 将这一切缩编为一个托管服务。你用 Markdown 描述行为，注册它，Google 帮你跑执行环境。
本文将从技术架构、开发体验、成本模型和生态系统四个维度，深度解析这次发布。
一、技术架构：从 API 调用到 Linux 沙箱
1.1 核心模型
Managed Agents 的核心概念是一个托管的、短暂存在的 Agent 运行时。调用 Google 的 Interactions API 时，会发生以下过程：
- API 调用 → 您发送一个包含 agent 定义和任务描述的请求
- 环境创建 → Google 在服务器端启动一个隔离的 Linux 沙箱
- Agent 执行 → Agent 在沙箱中推理、规划、调用工具、执行代码、管理文件、浏览网页
- 结果返回 → 返回执行结果和
environment_id，用于后续继续 - 环境销毁 → 资源自动回收
from google import genai
client = genai.Client(api_key="YOUR_API_KEY")
# 创建并运行 Agent
response = client.interactions.create(
model="gemini-3.5-flash",
agent="antigravity",
messages=[{"role": "user", "content": "分析这个代码仓库的结构"}],
)
关键特性：状态持久化。返回的 environment_id 让你可以继续之前的会话。所有文件和状态保持完好——这在处理长任务时极其重要。
1.2 Markdown 驱动的 Agent 定义
Google 引入了一种声明式 Agent 定义方式：Markdown 文件即 Agent 配置。
.agents/
├── AGENTS.md # Agent 行为指令
├── SKILL.md # 工具定义和能力描述
└── agents.yaml # 注册配置
你只需将这些文件放到仓库中，注册后即可通过 Interactions API 调用。无需 Dockerfile，无需基础设施模板，无需编排代码。这种方式是可版本控制、声明式、可测试的。
1.3 默认工具集
Managed Agents 开箱即用的工具包括：
| 工具 | 功能 |
|---|---|
| 代码执行 | 在隔离沙箱中运行 Python、Shell 等 |
| 文件系统操作 | 读取、写入、编辑文件 |
| Google 搜索 | 实时网络搜索能力 |
| URL 内容获取 | 获取并解析网页内容 |
| Agent Skills | 可插拔的自定义能力模块 |
二、Antigravity 2.0：桌面级多 Agent 编排
Managed Agents 的运行时是 Google 同步推出的 Antigravity 2.0 平台的一部分。Antigravity 从 1.0 的单 Agent 桌面 Shell 进化为：
- 桌面应用 — 可视化多 Agent 编排
- CLI（Go 重写） — 轻量级终端接口，适合 CI/CD
- SDK — 可嵌入的 Agent 编排引擎
- Managed Agents API — 运行时层
并行编排：Antigravity 2.0 支持同时运行多个 Agent，而非顺序执行。Agent 可以动态生成子 Agent，每个子 Agent 拥有独立的上下文和工具集。
Google 明确建议 Gemini CLI 用户迁移到 Antigravity CLI——这标志着 Gemini CLI 只是过渡产品，Antigravity CLI 才是长期方案。
三、完整的技术栈视图
结合 I/O 2026 的其他发布，Google 打造的 Agent 技术栈如下：
| 层级 | 产品 | 功能 |
|---|---|---|
| 模型 | Gemini 3.5 Flash | 边界智能 × 4 倍速度 |
| Agent 框架 | Antigravity | 多 Agent 编排、调度、CLI |
| Agent 部署 | Managed Agents | 一次 API 调用 + 隔离环境 |
| Agent 定义 | Markdown (AGENTS.md) | 声明式、可版本化配置 |
| 开发环境 | Google AI Studio + 移动端 | 原型到发布，一键导出 |
四、与 Claude Managed Agents 的对比
Anthropic 先于 Google 进入了托管 Agent 市场。Claude Managed Agents 在 2026 年 4 月发布，定价约 $0.08/小时。
| 维度 | Google Managed Agents | Claude Managed Agents |
|---|---|---|
| 定价模型 | 按”运行次数” | 按执行时间（~$0.08/小时） |
| 运行时 | 托管 Linux 沙箱 | 托管环境 |
| Agent 定义 | AGENTS.md + SKILL.md | 配置文件 |
| 工具循环 | 内置（代码、搜索、文件、网页） | 内置 |
| 公开定价 | 尚未公布 | 已公布 |
| 编排层 | Antigravity 2.0 (并行 + 子Agent) | 基础编排 |
| 开源 | Agent Executor (开源) | 否 |
| 开发者预览 | Public Preview + Private Preview (企业) | GA |
关键差异：
- 定价透明度：Google 尚未公布正式定价，这对生产环境决策是最大的障碍。Claude Managed Agents 的按小时定价让成本建模更为直接。
- 供应商锁定：Google 的完全托管模式在简化运维的同时带来了更深的锁定。Anthropic 的模型层编排方式相对更灵活。
- 开源策略：Google 同步开源的 Agent Executor 是其差异化优势。CIO 对此的评价是 reminiscent of Kubernetes strategy——“把运行时开源，驱动云服务消费”。
五、对开发者的实际影响
5.1 基建税正在消失
Managed Agents 的核心意义不在于又一个聊天端点，而在于它将大量的 Agent 基础设施转移到平台层。对于独立开发者和小团队来说，这意味着：
- 无需自建沙箱：安全执行环境由 Google 维护
- 无需状态管理：会话持久化自动处理
- 无需工具路由：Agent 自动决定调用哪些工具
- 缩短从想法到产品的路径
5.2 成本模型需要谨慎评估
两个关键问题：
- 高频短任务：按”运行次数”计费对于高频、短生命周期任务可能不利。需要同时建模按 token 计费和按运行计费两种场景。
- 预览阶段的不确定性：Public Preview 阶段没有生产级 SLA，企业版也没有公开定价。
5.3 架构建议
原型阶段：Managed Agents 的开发者预览非常适合快速验证 Agent 产品的可行性。
生产阶段：保持 Agent 定义的可移植性——AGENTS.md 和 SKILL.md 层应该是可迁移的，以便在定价或控制需求变化时迁出。
六、Google 的野心：从 Kubernetes 到 Agent Executor
最值得关注的战略信号是 Google 同时发布的 Agent Executor——一个开源的 Agent 运行时。CIO 的分析准确指出了 Google 的动机：
“Google 的 Agent Executor 策略让人想起十年前 Kubernetes 走过的路：把运行时免费给出去，然后通过 Google Cloud 的服务（Gemini Enterprise Agent Platform、Managed Agents API）驱动云消费。”
这套策略暗示：Google 的目标不是通过 Agent 工具直接盈利，而是通过云基础设施消费获利。对于开发者来说，这意味着 Google 有长期维护和投资的动力。
七、总结
Google Managed Agents API 代表了 Agent 基础设施发展的一个重要里程碑。它和 Claude Managed Agents 一起，标志着托管 Agent 运行时正式成为云平台的核心产品类别。
对于 NixAPI 的用户——作为出海 AI 产品开发者——这一发布的影响是直接的：
- 更低的 Agent 产品门槛：不再需要自建全套基础设施
- 更多的 API 选择：在 Google、Anthropic、OpenAI 之间的切换成本降低
- 更激烈的竞争：托管 Agent 价格战即将到来
但现阶段，谨慎测试、保持可移植性是最明智的策略。定价公布后，真正的成本对比分析才能做出。
参考资料：
- Google I/O 2026: Managed Agents in the Gemini API (blog.google)
- Introducing Antigravity 2.0 (google.dev)
- Google Managed Agents API Docs (cloud.google.com)
- The Stack Dispatch: I/O 2026 turned agents into an API line item
- niteagent: Managed Agents, Antigravity 2.0, and What Developers Need to Know
- Sean Kim: Gemini API Managed Agents Explained