О чём урок
Interactions API предоставляет унифицированный интерфейс для работы с моделями и агентами Gemini. В блокноте «Начало работы» рассказывается, как использовать его со стандартными моделями Gemini для генерации текста, многоходовых диалогов и использования инструментов.
Этот блокнот посвящен другому: управляемым агентам с агентом antigravity-preview-05-2026.
При вызове Interactions API вы выбираете один из двух режимов:
С model= вы получаете вызов LLM без сохранения состояния (см. блокнот «Начало работы»). С agent= вы запускаете автономного агента, который может рассуждать, планировать, писать и выполнять код, просматривать веб-страницы и управлять файлами — все это внутри безопасной песочницы, без необходимости писать какую-либо логику оркестровки.
Этот блокнот шаг за шагом проведет вас по режиму агента:
- Простые вопросы — используйте агента как LLM (это работает, но это излишне!)
- Многоходовые диалоги — постоянная песочница = встроенная память
- Использование инструментов — выполнение кода, веб-поиск, файловые операции
- Загрузка данных в песочницу — внедрение файлов до запуска агента
- Создание многоразовых пользовательских агентов — объединение инструкций, навыков и среды
Установите SDK из PyPI. Рекомендуется всегда использовать последнюю версию.
Чтобы запустить следующую ячейку, ваш ключ API должен быть сохранен в секрете Colab с именем GEMINI_API_KEY. Если у вас еще нет ключа API или вы не знаете, как создать секрет Colab, см. Аутентификация для примера.
С новым SDK теперь вам нужно только инициализировать клиент с вашим ключом API.
Самый простой способ использовать управляемого агента — задать ему вопрос, точно так же, как вы бы вызвали стандартную модель Gemini. Передайте agent="antigravity-preview-05-2026" и environment="remote", чтобы создать новую песочницу Linux для агента.
Это работает, но это немного похоже на поездку на машине Формулы-1 в продуктовый магазин — агент обладает возможностями выполнения кода, веб-поиска и управления файлами, которые простаивают для простого фактического вопроса.
Обратите внимание на environment_id в ответе. Это постоянная песочница Linux агента. Даже для этого простого вопроса был выделен полный контейнер. Давайте воспользуемся этой постоянностью далее.
Поскольку каждый агент работает в постоянной песочнице, вы…
План урока
- agent= против model=
- Настройка
- Установка SDK
- Настройка ключа API
- Инициализация клиента SDK
- 1. Простые вопросы — агент как LLM
- 2. Многоходовые диалоги
- 3. Использование инструментов — где агент проявляет себя
Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.