Pe 7 iulie 2026, Google a anunțat patru capabilități noi pentru Managed Agents, agenții gestionați din Gemini API: execuție în fundal pentru sarcini lungi, conectare directă la servere MCP remote, function calling personalizat și reîmprospătarea credențialelor fără pierderea stării agentului. Tradus din limbaj de dezvoltator: sarcinile de automatizare care durează mult (rapoarte, monitorizări, procesări de date) pot rula acum nesupravegheate în infrastructura Google și se pot conecta la sistemele tale interne, fără ca firma să construiască și să întrețină propria infrastructură de agenți.

Ce sunt agenții gestionați, pe scurt

Un agent AI clasic cere multă instalare: un model, unelte, un mediu în care să ruleze cod, gestionarea erorilor, totul asamblat și întreținut de un dezvoltator. Managed Agents, parte din Gemini Interactions API, mută toată această greutate la Google: apelezi un singur endpoint, iar Gemini se ocupă de raționament, execuție de cod, instalare de pachete, gestionare de fișiere și acces la informații de pe web, totul într-un sandbox cloud izolat.

Diferența față de un simplu chat cu AI e că agentul nu doar răspunde: lucrează. Poate scrie și rula cod ca să proceseze un fișier de vânzări, poate căuta pe web, poate genera un raport final, în cadrul aceleiași sarcini. Pentru o firmă mică fără echipă tehnică serioasă, modelul "gestionat" e exact ce lipsea: plătești utilizarea, nu întreținerea.

Ce aduc nou cele patru capabilități

Execuție în fundal. Până acum, o sarcină lungă însemna o conexiune HTTP ținută deschisă până la final, o abordare fragilă: se rupea conexiunea, se pierdea munca. Acum, cu parametrul background: true, API-ul răspunde imediat cu un ID de interacțiune, iar rezultatul poate fi verificat sau reluat mai târziu, prin polling sau streaming. E diferența dintre "stau pe telefon cât lucrezi" și "sună-mă când e gata".

Servere MCP remote. Agenții se pot conecta direct la servere Model Context Protocol aflate la distanță, deci la baze de date private și API-uri interne, din interiorul sandbox-ului securizat, alături de uneltele încorporate precum execuția de cod și Google Search. Dispare nevoia de middleware de tip proxy construit special: agentul ajunge la datele firmei pe un standard deschis, folosit deja de întregul ecosistem AI.

Function calling personalizat. Uneltele proprii ale firmei pot funcționa alături de cele încorporate. Mecanismul e pragmatic: uneltele Google rulează automat pe server, iar când agentul are nevoie de o funcție a ta, sarcina intră în starea requires_action și partea ta de cod execută logica de business local. Agentul orchestrează, tu păstrezi controlul asupra acțiunilor sensibile.

Reîmprospătarea credențialelor. Token-urile de acces expiră, de regulă în mijlocul sarcinilor lungi. Acum credențialele se pot înnoi în timpul sesiunii, pasând un environment_id existent cu o configurație nouă de rețea, iar sandbox-ul își păstrează starea: fișierele, pachetele instalate, repository-urile clonate. Detaliu plictisitor, dar exact genul de detaliu care desparte demo-urile de automatizările pe care te poți baza zilnic.

Ce poate automatiza practic o firmă mică

Combinația "rulează mult în fundal" plus "acces la datele interne" acoperă exact sarcinile pe care firmele mici le amână la nesfârșit:

Regula de aur rămâne: agentul pregătește și execută munca mecanică, omul validează înainte ca rezultatul să ajungă la client sau în contabilitate.

Contextul competitiv: săptămâna în care agenții au devenit produs

Anunțul Google a venit pe 7 iulie, cu o zi înaintea lansării GPT-Live de la OpenAI și cu două înaintea familiei GPT-5.6, care aduce propriul mod de lucru cu subagenți. Nu e o coincidență de calendar, ci o convergență de direcție: toți marii furnizori mută accentul de la modele care răspund la întrebări către agenți care duc sarcini la capăt. Iar adoptarea MCP ca standard de conectare la date interne, inclusiv de către Google, e o veste bună pentru firme: uneltele construite acum nu te leagă definitiv de un singur furnizor.

Pentru piața din România, fereastra e favorabilă: costul construirii unei automatizări serioase a scăzut de la "proiect software cu echipă" la "câteva zile de lucru ale unui dezvoltator freelancer plus consumul de API". Avantajul nu va veni din acces la tehnologie, ci din claritatea proceselor: firmele care își cunosc fluxurile și își țin datele în ordine vor automatiza în săptămâni; restul vor plăti scump ca alții să le descopere procesele din mers.

Ce faci concret

Pași aplicabili pentru un marketer sau un antreprenor din România:

  1. Fă lista sarcinilor repetitive care consumă ore. Criteriul de selecție: se repetă cel puțin săptămânal, are intrări și ieșiri clare (fișiere, rapoarte, liste) și nu cere judecată umană la fiecare pas. Primele trei de pe listă sunt candidații de automatizare.
  2. Începe cu raportarea. E cazul de utilizare cu cel mai bun raport risc-beneficiu: dacă agentul greșește, pierzi un raport, nu un client. Un raport săptămânal automatizat îți arată în două-trei săptămâni dacă abordarea merită extinsă.
  3. Cere dezvoltatorului tău să evalueze Gemini Interactions API. Documentația e pe ai.google.dev, cu SDK pentru Python și JavaScript. Un prototip pe o sarcină reală se face în câteva zile, iar execuția în fundal se activează cu un singur parametru.
  4. Pune datele interne în spatele unui server MCP, nu în copii lipite manual. Dacă agentul are nevoie de date din magazin sau CRM, conectarea pe un standard deschis înseamnă că aceeași "priză" va merge și cu alte modele, nu doar cu Gemini.
  5. Definește de la început punctele de control uman. Orice acțiune care atinge banii sau clienții (trimitere de emailuri, modificare de prețuri) trece prin function calling personalizat, adică prin aprobare pe partea ta, nu se execută automat în sandbox.

Sursa: Google Blog