Gemini 3.5 Flash: руководство по агентному Computer Use — встроенный браузерный инструмент, Managed Agents и интеграция с маршрутизацией

24 июня 2026 года Google сделал computer use встроенным инструментом в Gemini 3.5 Flash — той же модели, которую разработчики уже используют для function calling, Search grounding и Maps grounding. Ранее для computer use требовалась отдельная preview-модель. Теперь один вызов google/gemini-3.5-flash может видеть скриншоты, анализировать элементы UI и выполнять действия в браузере, на десктопе и мобильных устройствах. Параллельно Google запустил Managed Agents с фоновым выполнением, интеграцию с удалёнными MCP-серверами и Interactions API в режиме GA с Flex Tier (на 50% дешевле, SLA задержки ~2 минуты). Вместе эти три обновления меняют подход к построению и маршрутизации агентных Gemini-workflow.

google/gemini-3.5-flash — верифицированная модель в каталоге TheRouter. Мы маршрутизируем запросы к ней через OpenAI-совместимый endpoint.

OpenAI-совместимость означает, что провайдер предоставляет endpoint chat-completions, чей контракт запроса и ответа достаточно близок к API OpenAI, чтобы немодифицированный вызов OpenAI SDK работал после замены трёх значений: API key, base URL, название модели. Минимальная поверхность на практике —POST /v1/chat/completions с messages, model и потоковым ответом в форме OpenAI.

Источники: Google Blog — Introducing Computer Use in Gemini 3.5 Flash, получено 2026-07-21; Gemini API Computer Use Docs, получено 2026-07-21; Google DeepMind Managed Agents Update (the-decoder.com), получено 2026-07-21; Gemini API Pricing, получено 2026-07-21; BenchLM — Gemini API Pricing July 2026, получено 2026-07-21.

Начало работы за 3 минуты

1. Получите API-ключ

Создайте или получите Gemini API key на ai.google.dev. Включите Gemini API в вашем Google Cloud-проекте, если планируете использовать Enterprise Agent Platform.

2. Установите SDK

pip install google-genai

3. Первый вызов computer use

from google import genai
from google.genai import types

client = genai.Client()

response = client.models.generate_content(
    model="gemini-3.5-flash",
    contents="Open the browser and navigate to therouter.ai",
    config=types.GenerateContentConfig(
        tools=[
            types.Tool(
                computer_use=types.ToolComputerUse(
                    environment=types.Environment(
                        browser=types.EnvironmentBrowser()
                    )
                )
            )
        ]
    ),
)
print(response.text)

Модель видит отрендеренную страницу, определяет, какой элемент нужно кликнуть, и возвращает структурированное действие. Отдельный model ID для computer use не нужен — gemini-3.5-flash поддерживает это нативно.

Поддерживаемые модели и возможности

Почему именно 3.5 Flash для computer use? Google выбрал Flash вместо Pro, потому что задачи computer use генерируют множество последовательных циклов «скриншот → действие». Более низкая стоимость за token у Flash ($1.50/$9.00 против $2.00/$12.00) сжимает стоимость этих высокотокенных агентных циклов.

Архитектура Computer Use

Pipeline computer use в Gemini 3.5 Flash работает в три этапа:

1. Захват скриншота — Агент делает скриншот текущей среды (viewport браузера, десктоп или экран мобильного устройства).
2. Рассуждение — Модель анализирует скриншот, определяет элементы UI и выбирает следующее действие для выполнения задачи.
3. Выполнение действия — Модель возвращает структурированное действие (click, type, scroll, navigate), которое ваше приложение выполняет в целевой среде.

Этот цикл повторяется до завершения задачи или до момента, когда модель определяет, что продолжение невозможно.

Поддерживаемые среды

• Браузер — Взаимодействие с веб-страницами через рендеринг скриншотов и DOM-действия.
• Десктоп — Управление нативными приложениями на macOS, Windows и Linux через захват экрана.
• Мобильные устройства — Автоматизация Android (поддержка iOS в preview).

Многошаговый пример: заполнение формы

from google import genai
from google.genai import types

client = genai.Client()

# Модель самостоятельно обрабатывает заполнение формы в несколько шагов
response = client.models.generate_content(
    model="gemini-3.5-flash",
    contents="Go to therouter.ai/contact, fill in name='Test User', email='test@example.com', and submit the form",
    config=types.GenerateContentConfig(
        tools=[
            types.Tool(
                computer_use=types.ToolComputerUse(
                    environment=types.Environment(
                        browser=types.EnvironmentBrowser()
                    )
                )
            )
        ]
    ),
)

Модель разбивает задачу на отдельные шаги — навигация, поиск поля имени, ввод, поиск поля email, ввод, поиск кнопки отправки, клик — каждый шаг валидируется на основе свежего скриншота.

Managed Agents: фоновое выполнение и удалённый MCP

8 июля 2026 года Google добавил четыре возможности в Managed Agents в Gemini API:

Фоновое выполнение

Запуск агентов асинхронно без удержания HTTP-соединения. Запустите задачу, получите handle, опрашивайте результат:

from google import genai

client = genai.Client()

# Запуск фоновой агентной задачи
operation = client.agentic.create(
    model="gemini-3.5-flash",
    config={
        "tools": [...],
        "execution_mode": "BACKGROUND",
    },
    contents="Analyze the top 10 pages on therouter.ai and summarize their content",
)

# Опрос статуса завершения
result = client.agentic.get(operation.name)

Это важно для долгих агентных задач (pipeline тестирования ПО, многостраничный web scraping, обработка данных), где удерживать синхронное HTTP-соединение непрактично.

Интеграция с удалёнными MCP-серверами

Managed Agents теперь могут подключаться к удалённым MCP-серверам (Model Context Protocol). Агенты получают доступ к внутренним базам данных, API или tool-серверам без пользовательских обёрток:

config = {
    "tools": [
        {
            "mcp_server": {
                "uri": "https://your-internal-api.example.com/mcp",
                "credentials": {"type": "bearer", "token": "..."}
            }
        }
    ]
}

Пользовательские функции вместе с sandbox-инструментами

Разработчики теперь могут определять пользовательские функции, которые работают параллельно со встроенными sandbox-инструментами Google (выполнение кода, файловый I/O). Раньше приходилось выбирать одно из двух.

Обновление credentials

Токены и credentials можно обновлять между раундами взаимодействия без потери состояния sandbox агента — критично для корпоративных workflow, где OAuth-токены истекают во время выполнения задачи.

Interactions API: GA с Flex Tier

Interactions API — интерфейс для многораундовых агентных бесед через Managed Agents. Он перешёл в GA в середине 2026 года с новым Flex Tier:

Flex Tier использует вычислительные мощности в периоды низкой нагрузки. Подходит для:

• Пакетных агентных задач — запуск множества агентов в очереди с асинхронным сбором результатов.
• Workflow с фоновым выполнением — задержка менее 2 минут приемлема.
• Оптимизации затрат на высоконагруженных агентных pipeline.

Standard-уровень остаётся выбором по умолчанию для интерактивных, пользовательских агентных интерфейсов.

Меры безопасности для Computer Use

Google использует стратегию «защиты в глубину» для computer use в 3.5 Flash:

1. Направленное adversarial-обучение — Модель специально обучена противостоять prompt injection в live-браузерных средах, где контент страницы может пытаться перехватить управление агентом.
2. Подтверждение чувствительных действий — Опциональная корпоративная защита, требующая явного одобрения пользователя перед выполнением необратимых действий (покупки, удаления, отправка форм с PII).
3. Автоматическое обнаружение prompt injection — Опциональная система, автоматически останавливающая задачу при обнаружении косвенной prompt injection в процессе выполнения.

Чек-лист для production:

• Включите обе опциональные защиты для любого production-развёртывания.
• Запускайте агентов в sandbox-браузерах (Google рекомендует Browserbase или аналоги).
• Внедрите проверку человеком для high-stakes-действий.
• Применяйте строгий контроль доступа — ограничьте права агента только необходимым.
• Мониторьте действия агента через аудит-логи.

Распространённые ошибки и решения

Интеграция с TheRouter

google/gemini-3.5-flash есть в каталоге моделей TheRouter. Маршрутизируйте запросы через единый endpoint TheRouter:

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_THEROUTER_KEY",
    base_url="https://therouter.ai/api/v1",
)

response = client.chat.completions.create(
    model="google/gemini-3.5-flash",
    messages=[
        {"role": "user", "content": "What are the top features of Gemini 3.5 Flash?"}
    ],
)

Для стандартных chat completions, function calling и search-grounded запросов TheRouter маршрутизирует к google/gemini-3.5-flash через OpenAI-совместимый интерфейс.

Примечание о computer use и Managed Agents: Встроенный инструмент computer_use и API Managed Agents используют вызовы Google-специфичного SDK (Python-пакет google-genai), выходящие за рамки спецификации OpenAI-совместимых chat completions. Эти возможности требуют прямой интеграции с Gemini API. TheRouter маршрутизирует стандартные chat- и function-calling-запросы к Gemini; для computer use и Managed Agents workflow используйте Google SDK напрямую, направляя неагентный Gemini-трафик через TheRouter для единого биллинга и fallback.

Маршрутизация агентных workflow: практический паттерн

Типичная архитектура production-агентных систем:

1. Вызовы планирования → Маршрутизация через TheRouter (стандартные chat completions, fallback на другие модели при rate-limiting Gemini).
2. Выполнение computer use → Прямой Gemini API (требуется инструмент computer_use, Google SDK).
3. Суммаризация результатов → Маршрутизация через TheRouter (стандартные chat completions, можно использовать любую модель).

Этот гибридный подход обеспечивает единый биллинг и fallback для поддерживаемых вызовов, при этом используя нативный Google SDK для возможностей, которые этого требуют.

FAQ

Q: Нужна ли отдельная модель для computer use? A: Нет. С 24 июня 2026 года computer use — встроенный инструмент в gemini-3.5-flash. Отдельная preview-модель из эры Gemini 2.5 больше не нужна.

Q: Какова стоимость вызовов computer use? A: Вызовы computer use тарифицируются по стандартному тарифу Gemini 3.5 Flash: $1.50 за 1M входных tokens и $9.00 за 1M выходных tokens. Каждый цикл «скриншот — действие» потребляет tokens (скриншоты тарифицируются как image tokens). Flex Tier даёт скидку 50% для пакетных/фоновых нагрузок.

Q: Можно ли использовать computer use через OpenAI-совместимый API? A: Нет. Инструмент computer_use требует Google genai SDK. Стандартные chat completions и function calling работают через OpenAI-совместимые endpoint (в том числе через TheRouter); computer use требует нативного Gemini API.

Q: Какие среды поддерживает computer use? A: Браузер, десктоп (macOS/Windows/Linux) и мобильные устройства (Android; iOS в preview).

Q: Как работает фоновое выполнение с Managed Agents? A: Запускаете агентную задачу с execution_mode: "BACKGROUND", получаете operation handle, опрашиваете статус завершения. Открытое HTTP-соединение не требуется. Доступно через Interactions API.

Q: Подходит ли Flex Tier для real-time пользовательских агентов? A: Flex Tier рассчитан на задержку ~2 минуты. Для интерактивных пользовательских интерфейсов используйте Standard-уровень. Flex лучше всего подходит для пакетной обработки, фоновых задач и экономичных pipeline.

Q: Могут ли Managed Agents подключаться к внутренним MCP-серверам? A: Да, с 8 июля 2026 года. Настройте mcp_server в конфигурации инструмента, указав URI сервера и credentials. Агент может вызывать MCP-инструменты наряду со встроенными sandbox-инструментами Google.

---

Последнее обновление: 21 июля 2026 года. Цены и возможности проверены по официальным источникам на дату получения. Возможности развиваются; проверяйте актуальную информацию в документации Gemini API.