Как новый API для взаимодействия обеспечивает рабочие процессы с глубоким анализом, сохранением состояния и управлением агентами.
Делиться
Google незаметно закладывает основу для более структурированного подхода к созданию интерактивных приложений с сохранением состояния, управляемых искусственным интеллектом. Одним из наиболее интересных результатов этих усилий стал выпуск нового API для взаимодействия, состоявшийся несколько недель назад.
Поскольку большие языковые модели (LLM) появляются и исчезают, часто бывает так, что API, разработанный поставщиком LLM, может немного устареть. В конце концов, разработчику API сложно предвидеть все различные изменения и доработки, которые могут быть применены к той или иной системе, для которой предназначен API. Это вдвойне верно в отношении ИИ, где темпы изменений беспрецедентны для мира информационных технологий.
Мы уже видели подобное, например, на примере OpenAI. Их первоначальный API для моделей назывался Completions API. По мере развития моделей им пришлось обновить и выпустить новый API под названием Responses.
Google использует несколько иной подход к API взаимодействия. Это не полная замена их более старого API generateContent , а скорее его расширение.
Как указано в собственной документации Google…
«API для взаимодействия (бета-версия) — это унифицированный интерфейс для взаимодействия с моделями и агентами Gemini. Он упрощает управление состоянием, оркестровку инструментов и выполнение длительных задач».
В оставшейся части статьи мы рассмотрим архитектурную необходимость API взаимодействий. Мы начнем с простого, показав, как API взаимодействий может делать все, что мог его предшественник, а затем закончим тем, как он обеспечивает операции с сохранением состояния, явную интеграцию возможностей высокозадержечной работы агентов глубокого исследования Google и обработку длительных задач. Мы выйдем за рамки примера «Hello World» и перейдем к созданию систем, требующих глубокого осмысления и организации асинхронных исследований.
Архитектурный разрыв: почему «болтовни» недостаточно
Чтобы понять, зачем существует API для взаимодействия, мы должны проанализировать, почему стандартный цикл чата LLM недостаточен.
В стандартном чат-приложении «состояние» подразумевается. Оно существует только в виде скользящего окна истории токенов. Если пользователь находится на 3-м шаге мастера настройки и задает вопрос не по теме, модель может сгенерировать новый путь, что фактически нарушит работу мастера. Разработчик не имеет программной гарантии, что пользователь находится там, где должен быть.
Для разработки более современных систем искусственного интеллекта этого недостаточно. Чтобы решить эту проблему, новый API от Google предлагает способы обращения к предыдущему контексту в последующих взаимодействиях с LLM. Пример этого мы увидим позже.
Проблема глубоких исследований
Функция глубокого поиска Google (на базе Gemini) работает в автоматическом режиме. Она не просто извлекает информацию; она разрабатывает план, выполняет десятки поисковых запросов, читает сотни страниц и синтезирует ответ. Этот процесс асинхронный и характеризуется высокой задержкой.
Просто запустить стандартную модель чата для «глубокого исследования» в синхронном цикле невозможно без риска тайм-аутов или переполнения контекстного окна. API взаимодействий позволяет инкапсулировать этот нестабильный агентный процесс в стабильный, управляемый шаг , приостанавливая состояние взаимодействия. При этом основная работа выполняется и возобновляется только после получения структурированных данных. Однако, если агент глубокого исследования слишком долго выполняет свою работу, последнее, чего вам хочется, это сидеть сложа руки и ждать его завершения. API взаимодействий позволяет выполнять фоновое исследование и периодически опрашивать его результаты, поэтому вы будете получать уведомления, как только агент вернет свои результаты.
Настройка среды разработки
Давайте рассмотрим API взаимодействий поближе, изучив несколько примеров его использования в коде. Как и в любом проекте разработки, лучше всего изолировать свою среду, поэтому давайте сделаем это сейчас. Я использую Windows и менеджер пакетов UV , но вы можете использовать любой инструмент, с которым вам удобнее работать. Мой код запускался в блокноте Jupyter.
uv init interactions_demo —python 3.12 cd interactions_demo uv add google-genai jupyter # Чтобы запустить ноутбук, введите следующее: uv run jupyter notebook
Для запуска моего примера кода вам также понадобится ключ API Google. Если у вас его нет, перейдите на сайт Google AI Studio и войдите в систему. В левом нижнем углу экрана вы увидите ссылку « Получить ключ API» . Нажмите на нее и следуйте инструкциям, чтобы получить свой ключ. После получения ключа создайте в своей системе переменную среды с именем GOOGLE_API_KEY и установите для нее значение вашего ключа API.
Пример 1: Эквивалент программы «Hello World»
from google import genai client = genai.Client() interaction = client.interactions.create( model=»gemini-2.5-flash», input=»What is the capital of France» ) print(interaction.outputs[-1].text) # # Вывод # Столица Франции — **Париж**.
Пример 2: Использование Nano Banana для создания изображения
Прежде чем мы рассмотрим конкретные возможности управления состоянием и углубленного исследования, которые предлагает новый API Interactions, я хочу показать, что это также универсальный многомодальный инструмент. Для этого мы воспользуемся API для создания изображения с помощью Nano Banana, официально известной как Gemini 3 Pro Image Preview.
import base64 import os from google import genai # 1. Убедитесь, что каталог существует output_dir = r»c:temp» if not os.path.exists(output_dir): os.makedirs(output_dir) print(f»Создан каталог: {output_dir}») client = genai.Client() print(«Отправка запроса…») try: # 2. Правильный синтаксис: передайте 'response_modalities' напрямую (не внутри config) interaction = client.interactions.create( model=»gemini-3-pro-image-preview», # Убедитесь, что у вас есть доступ к этой модели input=»Сгенерируйте изображение бегемота в цилиндре, едущего на одноколесном велосипеде.»», response_modalities=[«IMAGE»] ) found_image = False # 3. Переберите выходные данные и выведите все for i, output in enumerate(interaction.outputs): # Отладка: выведите тип, чтобы мы знали Что мы получили print(f»n— Вывод {i+1} Тип: {output.type} —«) if output.type == «text»: # Если модель отказала или ответила в чате, будет выведено объяснение print(f»📝 Текстовый ответ: {output.text}») elif output.type == «image»: print(f»Ответ на изображение: MIME: {output.mime_type}») # Создание имени файла file_path = os.path.join(output_dir, f»hippo_{i}.png») # Сохранение изображения с помощью open(file_path, «wb») as f: # SDK обычно возвращает байты base64 или строку if isinstance(output.data, bytes): f.write(output.data) else: f.write(base64.b64decode(output.data)) print(f»Сохранено в: {file_path}») found_image = True if not found_image: print(«nИзображение не найдено Возвращено. Проверьте «Текстовый ответ» выше, чтобы узнать причину.») except Exception as e: print(f»nОшибка: {e}»)
Вот результат моей работы.
Пример 3: Управление государством
Управление состоянием в API взаимодействий построено на основе ресурса «Interaction» , который служит записью сессии, содержащей всю историю выполнения задачи, от ввода данных пользователем до результатов работы инструмента.
Чтобы продолжить разговор, сохранив предыдущий контекст, необходимо передать идентификатор предыдущего взаимодействия в параметр previous_interaction_id нового запроса.
Сервер использует этот идентификатор для автоматического получения полного контекста конкретной сессии, с которой он связан, что избавляет разработчика от необходимости повторно отправлять всю историю чата. Побочным эффектом является то, что таким образом можно более эффективно использовать кэширование, что приводит к повышению производительности и снижению стоимости токенов.
Для работы с сохранением состояния взаимодействия необходимо, чтобы данные хранились на серверах Google. По умолчанию параметр store установлен в значение true, что включает эту функцию. Если разработчик установит store=false, он не сможет использовать функции сохранения состояния, такие как previous_interaction_id.
Режим с сохранением состояния также позволяет смешивать разные модели и агентов в одном потоке. Например, вы можете использовать агента Deep Research для сбора данных, а затем, ссылаясь на идентификатор этого взаимодействия, использовать стандартную (более дешевую) модель Gemini для обобщения результатов.
Вот простой пример, в котором мы начинаем выполнение простой задачи, сообщив модели свое имя и задав ей несколько простых вопросов. Мы записываем идентификатор взаимодействия, который генерирует сессия, а затем, спустя некоторое время, спрашиваем модель, как нас звали и какой был второй заданный нами вопрос.
from google import genai client = genai.Client() # 1. Первый ход interaction1 = client.interactions.create( model=»gemini-3-flash-preview», input=»»» Привет, это Том, не могли бы вы сказать мне химическое название воды? А также, какая самая маленькая признанная страна в мире? И какова высота горы Эверест в футах? «»» ) print(f»Response: {interaction1.outputs[-1].text}») print(f»ID: {interaction1.id}») # # Вывод # Ответ: Привет, Том! Вот ответы на ваши вопросы: * **Химическое название воды:** Наиболее распространенное химическое название — **дигидрогенмоноксид** ($H_2O$), хотя в кругах формальной химии его систематическое название — **оксидан**. * **Самая маленькая признанная страна:** **Ватикан**. Оно занимает площадь всего около 0,17 квадратных миль (0,44 квадратных километра) и является независимым городом-государством, расположенным в пределах Рима, Италия. * **Высота горы Эверест:** Согласно последним официальным измерениям (подтвержденным в 2020 году), высота горы Эверест составляет **29 031,7 футов** (8 848,86 метров). ID: v1_ChdqamxlYVlQZ01jdmF4czBQbTlmSHlBOBIXampsZWFZUGdNY3ZheHMwUG05Zkh5QTg
Несколько часов спустя…
from google import genai client = genai.Client() # 2. Второй ход (с передачей previous_interaction_id) interaction2 = client.interactions.create( model=»gemini-3-flash-preview», input=»Can you tell me my name and what was the second question I asked you», previous_interaction_id='v1_ChdqamxlYVlQZ01jdmF4czBQbTlmSHlBOBIXampsZWFZUGdNY3ZheHMwUG05Zkh5QTg' ) print(f»Model: {interaction2.outputs[-1].text}») # # Вывод # Модель: Привет, Том! Тебя зовут **Том**, и второй вопрос, который ты задал, был: **»Какая самая маленькая признанная страна в мире?»** (ответ — Ватикан).
Пример 4: Асинхронный оркестратор глубоких исследований
Теперь перейдём к тому, чего не может сделать старый API Google. Одно из ключевых преимуществ API Interactions заключается в том, что вы можете использовать его для вызова специализированных агентов, таких как deep-research-pro-preview-12-2025, для решения сложных задач.
В этом примере мы создадим систему анализа конкурентной среды. Пользователь указывает конкурента, и система запускает агента глубокого исследования, который просматривает веб-сайты, читает годовые отчеты и создает SWOT-анализ (сильные стороны, слабые стороны, возможности и угрозы). Мы разделим это на две части. Во-первых, мы можем запустить наш запрос на исследование, используя следующий код.
import time import sys from google import genai def competitive_intelligence_engine(): client = genai.Client() print(«— Deep Research Competitive Intelligence Engine —«) competitor_name = input(«Введите название конкурента для анализа (например, Nvidia, Coca-Cola): «) # Мы создаем специальный запрос, чтобы заставить агента искать определенные типы документов prompt = f»»» Проведите углубленное исследование '{competitor_name}'. Ваши конкретные задачи: 1. Найдите в интернете последний годовой отчет (10-K) и последние стенограммы квартальных отчетов о доходах. 2. Найдите последние новости о запуске продуктов, стратегических партнерствах и судебных спорах за последние 12 месяцев. 3. Обобщите все полученные данные в подробный SWOT-анализ (сильные стороны, слабые стороны, возможности, угрозы). Отформатируйте вывод в виде профессионального резюме с четко определенным разделом SWOT в формате Markdown. «»» print(f»nРазвертывание агента глубокого исследования для: {competitor_name}…») # 1. Запуск агента глубокого исследования # Мы используем конкретный идентификатор агента, предоставленный в вашем примере try: initial_interaction = client.interactions.create( input=prompt, agent=»deep-research-pro-preview-12-2025″, background=True ) except Exception as e: print(f»Ошибка запуска агента: {e}») return print(f»Исследование началось. Идентификатор взаимодействия: {initial_interaction.id}») print(«⏳Агент сейчас просматривает веб-страницы и читает отчеты. Это может занять несколько минут.»)
В результате будет получен следующий результат.
— Механизм глубокого анализа конкурентной среды — Введите название конкурента для анализа (например, Nvidia, Coca-Cola): Nvidia Развертывание агента глубокого анализа для: Nvidia… Исследование началось. Идентификатор взаимодействия: v1_ChdDdXhiYWN1NEJLdjd2ZElQb3ZHdTBRdxIXQ3V4YmFjdTRCS3Y3dmRJUG92R3UwUXc Агент сейчас просматривает веб-страницы и читает отчеты. Это может занять несколько минут.
Далее, поскольку мы знаем, что выполнение исследовательской работы займет некоторое время, мы можем использовать указанный выше идентификатор взаимодействия для отслеживания ее хода и периодической проверки завершения.
Обычно это делается в рамках отдельного процесса, в ходе которого вам отправляют электронное письмо или SMS-сообщение, когда исследовательская работа завершена, чтобы вы могли тем временем заняться другими задачами.
try: while True: # Обновить статус взаимодействия interaction = client.interactions.get(initial_interaction.id) # Рассчитать прошедшее время elapsed = int(time.time() — start_time) # Вывести динамическую строку состояния, чтобы знать, что все работает sys.stdout.write(f»r Статус: {interaction.status.upper()} | Прошедшее время: {elapsed}с») sys.stdout.flush() if interaction.status == «completed»: print(«nn» + «=»*50) print(f» ОТЧЕТ О РАЗВЕДКЕ: {competitor_name.upper()}») print(«=»*50 + «n») # Вывести содержимое print(interaction.outputs[-1].text) break elif interaction.status in [«failed», «cancelled»]: print(f»nnЗадание завершилось со статусом: {interaction.status}») # Иногда возникает ошибка Подробности отображаются в выходном тексте даже в случае сбоя, если interaction.outputs: print(f»Подробности ошибки: {interaction.outputs[-1].text}») break # Подождать перед повторным опросом, чтобы соблюсти ограничения скорости time.sleep(10) except KeyboardInterrupt: print(«nПользователь прерван. Исследование может продолжиться в фоновом режиме.»)
Я не буду показывать весь объем исследования, так как он довольно длинный, но вот лишь его часть.
=================================================== 📝 АНАЛИТИЧЕСКИЙ ОТЧЕТ: NVIDIA ================================================== # Стратегический анализ и обзор руководства: Корпорация Nvidia (NVDA) ### Ключевые выводы * **Финансовое доминирование:** Nvidia сообщила о рекордной выручке за 3 квартал 2026 финансового года в размере **57,0 млрд долларов** (+62% по сравнению с аналогичным периодом прошлого года), чему способствовала ошеломляющая выручка от центров обработки данных в размере **51,2 млрд долларов**. Компания фактически перешла от производителя оборудования к поставщику базовой инфраструктуры для «промышленной революции в области искусственного интеллекта». * **Стратегическое расширение:** В конце 2025 года компания предприняла ряд важных шагов, включая **план инвестиций в размере 100 миллиардов долларов совместно с OpenAI** для развертывания 10 гигаватт вычислительных мощностей и **приобретение активов Groq за 20 миллиардов долларов**, что позволило Nvidia агрессивно переориентироваться на рынок вывода ИИ. * **Регуляторные риски:** Компания сталкивается с усиливающимися геополитическими трудностями. В сентябре 2025 года китайское Управление по регулированию и надзору за государственными органами (SAMR) признало Nvidia нарушившей антимонопольное законодательство в связи с приобретением Mellanox. Одновременно Верховный суд США разрешил продолжить рассмотрение коллективного иска, касающегося раскрытия информации о доходах от криптовалют. * **План развития продуктов:** Запуск **серии GeForce RTX 50** (архитектура Blackwell) и **проекта DIGITS** (персональный суперкомпьютер для ИИ) на выставке CES 2025 свидетельствует о стремлении демократизировать вычисления для ИИ за пределами центров обработки данных и на настольных компьютерах. — ## 1. Краткое изложение. Корпорация Nvidia (NASDAQ: NVDA) находится на вершине трансформации в области искусственного интеллекта, успешно эволюционировав из поставщика графических процессоров (GPU) в компанию, предоставляющую полноценные вычислительные платформы. К началу 2026 года Nvidia не просто продает чипы; она строит «фабрики ИИ» — целые центры обработки данных, интегрированные с ее собственными сетевыми, программными (CUDA) и аппаратными средствами. Финансовый 2025 год и первые три квартала финансового 2026 года продемонстрировали беспрецедентное финансовое ускорение. Архитектура «Blackwell» компании показала, что спрос превышает предложение, создав портфель заказов, который простирается далеко за пределы 2026 года. Однако это доминирование привлекло пристальное внимание. Геополитический раскол между США и Китаем представляет собой самую большую угрозу для долгосрочного роста Nvidia, о чем свидетельствуют недавние антимонопольные заключения китайских регуляторов и продолжающиеся споры о контрабанде, связанные с запрещенными чипами, такими как Blackwell B200. В стратегическом плане Nvidia хеджирует риски превращения обучения ИИ в товар массового потребления, агрессивно выходя на рынок **вывода** — этап, на котором модели ИИ используются, а не создаются. Приобретение технологии Groq в декабре 2025 года — это оборонительный и наступательный маневр, направленный на обеспечение возможностей обработки данных с низкой задержкой. — ## 2. Анализ финансовых показателей **Источники:** [цитата: 1, 2, 3, 4, 5] ### 2.1. Основные моменты годового отчета (10-K) за 2025 финансовый год. 2025 финансовый год Nvidia (заканчивающийся в январе 2025 года) ознаменовал собой исторический поворотный момент в технологическом секторе. * **Общая выручка:** 130,5 млрд долларов США, рост на **114%** по сравнению с предыдущим годом. * **Чистая прибыль:** 72,9 млрд долларов США, рост на **145%**. * **Доходы от центров обработки данных:** 115,2 млрд долларов (+142%), что подтверждает полный сдвиг в стратегии компании от игр к корпоративному ИИ. * **Валовая маржа:** выросла до **75,0%** (с 72,7%), что отражает ценовую политику и высокую ценность архитектуры Hopper. … … … ## 5. SWOT-анализ ### **Сильные стороны** * **Технологическая монополия:** Nvidia занимает примерно 80-90% рынка чипов для обучения ИИ. Архитектуры **Blackwell** и готовящаяся к выпуску **Vera Rubin** сохраняют многолетнее преимущество перед конкурентами. * **Экосистемная привязка (CUDA):** Программная платформа CUDA остается отраслевым стандартом. Недавнее расширение в «фабрики ИИ» и комплексные решения (сети + оборудование + программное обеспечение) делает затраты на переход непомерно высокими для корпоративных клиентов. * **Финансовая крепость:** Благодаря валовой прибыли, превышающей **73%**, и свободному денежному потоку в десятки миллиардов долларов, Nvidia обладает огромным капиталом для реинвестирования в НИОКР (инвестиции в OpenAI в размере 100 млрд долларов) и приобретения перспективных технологий (Groq). * **Контроль над цепочкой поставок:** Предварительно забронировав огромные мощности на TSMC (упаковка CoWoS), Nvidia фактически контролирует поток глобальных вычислительных мощностей для ИИ. ### **Слабые стороны** * **Концентрация доходов:** Значительная часть доходов поступает от нескольких «гипермасштабируемых компаний» (Microsoft, Meta, Google, Amazon). Если эти клиенты успешно перейдут на собственные специализированные микросхемы (TPU, Trainium, Maia), доходы Nvidia могут резко упасть. * **Ценовое отчуждение:** Высокая стоимость оборудования Nvidia (например, 1999 долларов за потребительские графические процессоры, более 30 000 долларов за чипы для корпоративного сегмента) подталкивает небольших разработчиков и стартапы к более дешевым альтернативам или облачным решениям для инференции. * **Единая точка отказа в цепочке поставок:** Полная зависимость от **TSMC** на Тайване подвергает Nvidia катастрофическому риску в случае конфликта через Тайваньский пролив или стихийного бедствия. ### **Возможности** * **Рынок инференции:** Сделка с Groq на 20 миллиардов долларов позволяет Nvidia доминировать на этапе *инференции* (запуск моделей), который, как ожидается, в долгосрочной перспективе будет больше, чем рынок обучения. * **Суверенный ИИ:** Страны (Япония, Франция, страны Ближнего Востока) создают свои собственные «суверенные облака» для защиты конфиденциальности данных. Это создает новую, огромную клиентскую базу за пределами крупных американских технологических компаний. * **Физический ИИ и робототехника:** С помощью **проекта GR00T** и платформы **Jetson** Nvidia позиционирует себя как «мозг» для человекоподобных роботов и автономных промышленных систем — рынка, который все еще находится в зачаточном состоянии. * **Программное обеспечение и услуги (NIMs):** Nvidia переходит к модели «программное обеспечение как услуга» с помощью Nvidia Inference Microservices (NIMs), создавая потоки регулярного дохода, которые менее цикличны, чем продажи оборудования. ### **Угрозы** * **Геополитическая торговая война:** Технологическая война между США и Китаем представляет собой экзистенциальную угрозу. Дальнейшее ужесточение экспортного контроля (например, запрет на чипы H2O) или агрессивные ответные меры со стороны Китая (антимонопольные санкции SAMR) могут навсегда лишить доступа к одному из крупнейших мировых рынков полупроводников. * **Антимонопольная политика:** Помимо Китая, Nvidia сталкивается с пристальным вниманием в ЕС и США (Министерство юстиции) в связи с ее практикой комплектации продуктов и доминированием на рынке. Принудительное разделение или меры по изменению поведения могут помешать ее стратегии «полного стека». * **Контрабанда и кража интеллектуальной собственности:** Как показал скандал с DeepSeek, запреты на экспорт могут непреднамеренно подпитывать черный рынок и ускорять внутренние инновации в Китае (например, Huawei Ascend), создавая конкурента, работающего вне рамок западного законодательства об интеллектуальной собственности. * **Конкуренция по принципу «достаточно хорошего качества»:** Для многих задач инференции более дешевые чипы от AMD или специализированные ASIC в конечном итоге могут стать «достаточно хорошими», подрывая ценовую власть Nvidia в нижнем сегменте рынка. … … …
Возможности API для взаимодействия значительно шире, чем я показал, включая вызов инструментов и функций, интеграцию с MCP, структурированный вывод и потоковую передачу данных.
Однако, пожалуйста, имейте в виду, что на момент написания этой статьи API для взаимодействия все еще находится в бета-версии, а агент углубленного исследования Google — в режиме предварительного просмотра . Несомненно, в ближайшие недели ситуация изменится, но лучше проверить наличие этого инструмента перед его использованием в рабочей системе.
Для получения более подробной информации перейдите по ссылке ниже на официальную страницу документации Google по API взаимодействия.
https://ai.google.dev/gemini-api/docs/interactions?ua=chat
Краткое содержание
API Google Interactions свидетельствует о зрелости экосистемы разработки ИИ. Он признает, что «подсказка для всего», представляющая собой единый, огромный блок текста, пытающийся обрабатывать информацию о личности, логике, инструментах и безопасности, является антипаттерном.
Используя этот API, разработчики, работающие с Google AI, могут эффективно отделить логическое мышление (задача магистра права) от архитектуры (задача разработчика).
В отличие от обычных циклов чата, где состояние подразумевается и подвержено искажениям, этот API использует структурированный ресурс «Взаимодействие» , который служит постоянной записью сессии, содержащей все входные и выходные данные, а также результаты работы инструментов. Благодаря управлению состоянием разработчики могут ссылаться на идентификатор взаимодействия из предыдущего чата и автоматически получать полный контекст. Это позволяет оптимизировать кэширование, повысить производительность и снизить затраты, устраняя необходимость повторной отправки всей истории.
Кроме того, API взаимодействия обладает уникальной возможностью организовывать асинхронные процессы с высокой задержкой, такие как глубокое исследование Google, которое может сканировать веб-пространство и синтезировать огромные массивы данных в сложные отчеты. Это исследование может проводиться асинхронно, что означает, что вы можете запускать длительные задачи и писать простой код для получения уведомления о завершении задачи, что позволяет вам заниматься другими задачами в промежутке.
Если вы создаёте помощника для творческого письма, достаточно простого цикла чата. Но если вы разрабатываете финансового аналитика, медицинский скрининговый инструмент или систему углубленного исследования, API взаимодействий предоставляет необходимую основу для превращения вероятностной модели в более надёжный продукт.
Источник: towardsdatascience.com
