Google actualiza Managed Agents en la Gemini API con hooks de entorno, selección de modelos y disponibilidad en la capa gratuita. ¿Qué significa esto para desarrolladores, equipos y emprendedores? Más control sobre lo que hace un agente dentro de un sandbox remoto, mejores opciones de costos y caminos claros para automatizar tareas recurrentes sin complicaciones.
Novedades principales
Estas son las mejoras que importan de forma práctica:
- Gemini 3.6 Flash es ahora el modelo por defecto para el agente "antigravity-preview-05-2026".
- Puedes fijar o elegir modelos explícitamente con
agent_config.modelal crear una interacción o un agente gestionado. - Los environment hooks permiten ejecutar scripts antes o después de cada llamada a herramientas dentro del sandbox remoto.
- Managed agents ya están disponibles en proyectos de la capa gratuita para experimentar sin facturación activa.
- Controles de presupuesto como
max_total_tokens, ejecución programada con triggers y una Environments API para listar/limpiar sandboxes.
Gemini 3.6 Flash como modelo por defecto
El agente antigravity-preview-05-2026 ahora corre por defecto con Gemini 3.6 Flash. No necesitas cambiar tu código: la próxima interacción lo recogerá automáticamente.
Si quieres elegir otro modelo, lo fijas en agent_config.model. Por ejemplo puedes preferir gemini-3.5-flash-lite por menor costo y latencia.
import { GoogleGenAI } from "@google/genai";
const client = new GoogleGenAI({});
const interaction = await client.interactions.create({
agent: "antigravity-preview-05-2026",
input: "Audit all dependencies in package.json, upgrade outdated packages, and verify the build by running npm test.",
environment: "remote",
agent_config: {
type: "antigravity",
model: "gemini-3.5-flash-lite",
},
});
console.log(interaction.output_text);
Modelos soportados:
gemini-3.6-flash(por defecto): balance entre razonamiento, código y uso de herramientas.gemini-3.5-flash: generación anterior para flujos agenticos generales.gemini-3.5-flash-lite: menor latencia y costo en la familia 3.5.
Hooks de entorno: validación y formato dentro del sandbox
Los environment hooks te permiten ejecutar tus propios scripts antes o después de cada llamada a una herramienta que el agente realiza dentro de su sandbox. Se define un archivo .agents/hooks.json en el entorno y el runtime ejecuta los handlers en eventos pre_tool_execution o post_tool_execution.
Ejemplo de hooks.json:
{
"security-gate": {
"pre_tool_execution": [
{
"matcher": "code_execution|write_file",
"hooks": [
{
"type": "command",
"command": "python3 /.agents/hooks-scripts/gate.py",
"timeout": 10
}
]
}
]
},
"auto-format": {
"post_tool_execution": [
{
"matcher": "*",
"hooks": [
{
"type": "command",
"command": "python3 /.agents/hooks-scripts/auto_lint.py",
"timeout": 15
}
]
}
]
}
}
Qué hace esta configuración:
- El grupo
security-gateejecutagate.pyantes de llamadas acode_executionowrite_file. Si el script devuelve{ "decision": "deny", "reason": "..." }, la llamada a la herramienta se omite y el motivo llega al contexto del modelo. - El grupo
auto-formatejecutaauto_lint.pydespués de cada herramienta para aplicar formato y estilo. - Además de
command, los hooks soportan handlers de tipohttpque hacen POST a endpoints externos.
"OffDeal es un banco de inversiones nativo de IA, y Archie es el analista que nuestros banqueros usan cada día. Antes de los agent hooks, no podíamos ejecutar nuestra validación dentro del sandbox remoto. Con hooks, un post_tool_execution dispara nuestro pipeline que verifica pixel-level quality, validaciones con Gemini vision y publica un manifiesto de archivos aprobados."
- Alston Lin, Founder & CTO de OffDeal
Ese ejemplo muestra por qué los hooks son valiosos: permiten construir pipelines de validacion y control de calidad que corren junto al agente, sin exponer datos ni mover artefactos fuera del sandbox.
Control de costos y automatización
Managed agents pueden consumir muchos tokens porque ejecutan bucles autónomos y múltiples pasos. Google añade herramientas para evitar facturas inesperadas y para operar en producción.
- Acceso en capa gratuita: puedes probar agentes gestionados con una API key en un proyecto sin facturación activa.
max_total_tokens: enagent_configfijas un tope (input + output + thinking). Cuando el agente alcanza el límite, la ejecución se pausa de forma segura y la interacción devuelvestatus: "incomplete". El estado del entorno se preserva y puedes reanudar pasandoprevious_interaction_idcon nuevo presupuesto.
const interaction = await client.interactions.create({
agent: "antigravity-preview-05-2026",
input: "Audit all modules in this repo and generate a migration report.",
agent_config: {
type: "antigravity",
max_total_tokens: 10000,
},
environment: "remote",
});
- Triggers programados: crea un trigger que liga agente, entorno, prompt y cron para ejecuciones recurrentes. Cada corrida reutiliza el mismo sandbox, así que los archivos persisten entre ejecuciones.
- Environments API: lista, inspecciona y elimina sesiones sandbox desde código. Útil para recuperar IDs tras desconexiones o limpiar sandboxes en pipelines en vez de esperar la TTL de 7 días.
Cómo empezar hoy
Un camino rápido para probarlo:
- Si usas la skill de Interactions API en tu asistente de código, añade esto en tu terminal:
npx skills add google-gemini/gemini-skills --skill gemini-interactions-api
- Instala el SDK de TypeScript/JavaScript si lo vas a usar:
npm install @google/genai
- Revisa la documentación: Gemini Interactions API overview y el managed agents quickstart para ver definiciones de agentes, configuraciones de entorno, reglas de red y patrones de streaming avanzados.
¿Te preocupa la seguridad o el costo? Empieza por hooks simples que validen cada escritura y define max_total_tokens bajo hasta entender el comportamiento del agente en tu caso de uso.
Estas mejoras convierten a los managed agents en trabajadores autónomos controlables: ejecutan tareas dentro de entornos reales de desarrollo, mantienen archivos, obedecen reglas de validacion y se integran con tu CI/CD sin pedir orquestadores externos.