Construye tu propio equipo de agentes gestionados - Jack Wotherspoon, Google DeepMind

하이라이트

• Los agentes gestionados se ejecutan en entornos aislados en la nube mediante una sola llamada a la API de Gemini.

• La API de interacciones gestiona los turnos conversacionales de varios pasos mientras que los entornos controlan el sistema de archivos del sandbox.

• El modelo Gemini 4 Argon procesa análisis financieros avanzados con una ventana de un millón de tokens compartida entre entrada, razonamiento y salida.

• Un servidor proxy intermedio inyecta credenciales reales de forma segura para impedir que los secretos ingresen al entorno aislado.

• Los flujos multiagente combinan agentes especializados que reutilizan el mismo ID de entorno para procesar datos de forma secuencial.

타임라인

1. 00:00:00 - 02:57:00

   Fundamentos de los agentes gestionados en la nube

   La ejecución local de agentes de programación satura los recursos del ordenador y genera bloqueos en el navegador. Trasladar la infraestructura a la nube mediante contenedores aislados resuelve las limitaciones de escala y facilita compartir configuraciones con equipos de trabajo.

   • Los agentes en la nube se ejecutan en entornos aislados independientes de la máquina local.
   • La ejecución remota elimina los conflictos del navegador local y permite escalar las implementaciones para los usuarios.
2. 02:57:00 - 08:51:00

   Arquitectura y componentes de la API de interacciones

   Una sola llamada a la API despliega un entorno aislado con el arnés antigravedad integrado. El modelo Gemini 4 Argon destaca en análisis financieros y procesamiento masivo de datos gracias a su capacidad de decodificación larga para salidas extensas.

   • La API de interacciones gestiona flujos de múltiples pasos con llamadas sencillas a la API.
   • El modelo Gemini 4 Argon amplía la ventana de un millón de tokens para compartir capacidad entre entrada, razonamiento y salida.
   • El sistema incluye herramientas nativas de búsqueda web, lectura de archivos y ejecución de código junto con servidores MCP.
3. 08:51:00 - 14:34:00

   Primitivas de estado, seguridad y flujos multiagente

   La separación entre interacciones y entornos permite construir flujos multiagente donde distintos agentes reutilizan los mismos archivos del sandbox con contextos independientes. Los secretos permanecen protegidos mediante marcadores de posición ficticios.

   • Las interacciones guardan el historial conversacional mientras que los entornos gestionan el sistema de archivos del sandbox.
   • Un servidor proxy intermedio inyecta los tokens reales para impedir que las credenciales lleguen al entorno aislado.
   • Los activadores automatizan la ejecución periódica de los agentes en horarios específicos.
4. 14:34:00 - 19:36:00

   Demostraciones prácticas y casos de uso

   Las aplicaciones demuestran la integración de agentes gestionados con Google Drive y la galería de AI Studio. Un investigador de la SEC recopila datos, un agente cuantitativo calcula estimaciones bursátiles y un tercer componente consolida la información en un informe visual exportable.

   • Los agentes extraen datos financieros de documentos de la SEC para evaluar empresas como NVIDIA.
   • Un flujo secuencial de múltiples agentes procesa métricas, ejecuta código de Python y genera informes completos en formato PDF.