gemini-agents-api

Навык Google посвящён управлению пользовательскими Agent resources в Gemini Enterprise Agent Platform через Managed Agents API. В исходном SKILL.md описаны stateful-агенты, состояние которых хранится на стороне сервиса, а также подключение файлов, skills и tools к ресурсу до выполнения разговоров. Это control plane workflow: он помогает создать, получить, изменить, перечислить и удалить настроенный ресурс агента, а не описывает обычный одноразовый вызов модели. Для начала навык требует подготовить Google Cloud project, location и токен доступа, полученный через Application Default Credentials. В REST-запросах используется Bearer token, а production endpoint строится по пути v1beta1/projects/{PROJECT_ID}/locations/{LOCATION}/agents. Документ обращает внимание на выбор поддерживаемой локации и показывает global как пример; фактическую доступность региона нужно проверить в окружении. При создании можно передать идентификатор, базового агента, системную инструкцию, описание, набор tools и базовое окружение. В качестве источника файлов или каталогов рассматривается Google Cloud Storage, а для skill registry — ресурс Skill Registry с целевым каталогом внутри среды агента. Операция создания является long-running operation. Поэтому после POST навык предлагает сохранить имя операции, опрашивать отдельный endpoint и дождаться done=true, после чего читать созданный Agent resource из response. Отдельный GET позволяет получить существующую конфигурацию, включая system instruction, tools и environment. Такой порядок важен для автоматизации: отправка запроса о создании сама по себе ещё не означает, что агент готов к взаимодействиям. В документе также разобраны подключаемые инструменты. В примерах есть code execution, filesystem, google_search и url_context, а для MCP указываются имя сервера, URL и необязательные custom headers. Источник отдельно описывает динамическое добавление MCP-инструментов в момент создания conversation interaction через data plane и рекомендует учитывать конфиденциальность заголовков при маршрутизации к указанному URL. Это делает skill полезным для сценариев, где конфигурация агента должна быть воспроизводимой: создание ресурса, монтирование набора материалов, подключение tools, ожидание LRO и последующая проверка состояния. Ограничения следуют из самого workflow: нужны действующие ADC, права на проект и API, корректные PROJECT_ID и LOCATION, а операции создания выполняются асинхронно. Нельзя считать пример с GCS, Skill Registry или MCP готовой конфигурацией для любого проекта; источники, IAM, сетевые allowlist и секреты необходимо адаптировать и проверить отдельно. Навык является инструкцией по REST control plane и payload-полям, а не обещанием, что любой указанный базовый агент, регион или тип инструмента доступен без дополнительных условий.