Google DeepMind推全新Interactions API 變AI開發新紀元

谷歌DeepMind推出Interactions API，推進生成式AI進入有狀態自主代理時代

過去兩年，生成式AI的基本運作單位一直是「完成（completion）」。你輸入文字提示，模型回傳文字，交互結束。若要繼續對話，必須重新將整個對話歷史發送給模型。這種「無狀態」架構（如谷歌舊有的`generateContent`端點）適合簡單聊天機械人，但隨著開發者開始打造能使用工具、維持複雜狀態並進行長期思考的自主代理，這種無狀態模式已成為瓶頸。

上星期，谷歌DeepMind終於填補了這一基礎設施缺口，公開測試推出了全新的Interactions API（`/interactions`端點）。雖然OpenAI早在2025年3月已以Responses API率先改變這一局面，谷歌此次進場代表它也積極推動技術前沿。Interactions API不僅是狀態管理工具，更是一個統一介面，將大型語言模型（LLM）視為遠端操作系統，而非單純文本生成器。

「遠端運算」模式的核心創新

Interactions API的核心在於將伺服器端狀態管理設定為預設行為。過去，開發者必須手動管理龐大的JSON對話紀錄，隨每次請求往返數MB數據。新API只需傳遞`previous_interaction_id`，谷歌基礎設施會保留對話歷史、工具輸出及「思考」過程。

DeepMind的Ali Çevik與Philipp Schmid在官方博客指出：「模型正逐步成為系統，甚至未來可能成為代理。若硬將這些功能塞入`generateContent`，API將變得過於複雜且脆弱。」此舉同時啟用「背景執行」功能，讓代理能在後台長時間運作（例如上網搜集資料一小時），避免常見的HTTP超時問題，API成為智慧任務隊列。

本地化「深度研究」與Model Context Protocol（MCP）支持

基於此基礎設施，谷歌推出首個內建代理：Gemini Deep Research。透過同一`/interactions`端點，該代理可執行「長期研究任務」，透過搜尋、閱讀與整合反覆迴圈，超越單純預測下一字元的能力。

此外，谷歌也支持開放生態，原生整合Model Context Protocol（MCP），讓Gemini模型可直接呼叫遠端工具（如天氣服務或資料庫），無需開發者撰寫專用解析程式碼。

谷歌加入有狀態時代，與OpenAI路線分歧

谷歌雖顯得有些追趕，但帶來獨特哲學差異。OpenAI自2025年3月推出Responses API後，採用「壓縮」策略——以「加密壓縮項目」替代工具輸出和推理鏈，優先節省token使用，但對開發者來說成為「黑盒」，過往推理過程難以檢視。

谷歌則採用「託管」方式，完整保留且可組合歷史資料，讓開發者能「除錯、操作、串流及推理交錯訊息」，優先透明可檢視性而非壓縮效率。

支援模型與使用情況

Interactions API現於公開測試階段，開發者可透過Google AI Studio立即使用。支持谷歌最新一代各種規格模型，包括：

– Gemini 3.0：Gemini 3專業預覽版
– Gemini 2.5：Flash、Flash-lite及專業版
– 代理：Deep Research 預覽版（`deep-research-pro-preview-12-2025`）

商業方面，API整合谷歌現有收費結構，依所選模型計算輸入輸出token費用。由於API為有狀態，谷歌須儲存互動歷史以提供隱式快取和上下文檢索功能。免費用戶限1天保存，適合短暫測試，付費用戶則享55天資料保留，能有效降低成本，避免重複處理大量上下文資料。

由於仍處Beta階段，谷歌提醒功能與架構可能調整。

「你正與系統互動」——專家觀點

谷歌機器學習開發專家、Red Dragon AI執行長Sam Witteveen認為，這是開發堆疊的必然演進。他指出：「過去是簡單的文字輸入輸出，但現在你是與一個系統互動。這系統能同時使用多個模型、執行多輪呼叫、使用工具及後端執行代碼。」

他強調此架構帶來的經濟效益：隱式快取。對話歷史存於谷歌伺服器，開發者無需重複上傳相同上下文，節省token成本。

不過他也批評Deep Research代理的引用系統，返回的URL多為谷歌內部或Vertex AI重定向鏈接，非直接可用的原始URL。「若我將這些URL保存並嘗試在不同會話使用，它們會失效。若要給報告附上引用，希望能直接點擊連結，這點目前不理想。」

對團隊的影響與建議

對專注快速部署與微調的AI工程師，這次發布提供了解決「超時」問題的架構方案：背景執行。無需自行管理非同步處理或任務隊列，能將複雜度交給谷歌，但也需在速度便利與細節掌控間做權衡。

資深工程師可利用`previous_interaction_id`實現隱式快取，顯著降低重複上傳上下文的token費用，提升效能與成本控制。

但使用遠端MCP連接外部工具時，須嚴格驗證服務安全性與認證，避免產生風險。若現有token開銷過高，建議優先考慮遷移至有狀態的Interactions API以節省成本。

數據工程師則可從結構化的對話模型中獲益，提升數據完整性與除錯能力。但需注意引用URL的「包裝」問題，可能影響數據擷取與存檔流程，建議開發清洗步驟或測試新格式輸出以取代脆弱的正則表達式解析。

IT安全主管則需評估數據駐留風險。谷歌在付費方案中保留互動歷史達55天，與OpenAI的零資料保留策略形成對比。若政策不允許長期存儲敏感對話，需要設置`store=false`，但會失去有狀態API的成本及效能優勢。

—

編輯評論：

谷歌DeepMind這次推出的Interactions API，標誌著生成式AI從「單次完成」向「持續狀態」運作模式的重大轉變，對推動自主代理技術具有里程碑意義。相比OpenAI的「壓縮黑盒」策略，谷歌更重視開發者的透明度和可控性，這反映了兩大巨頭在AI生態系統哲學上的不同取向。

這種「遠端運算」思維，不單是技術升級，更是AI服務架構的根本變革。它讓AI代理不再是孤立的文字生成器，而是具備多模型協同、工具整合及長期思考能力的智慧系統。這對企業和開發者而言，意味著更複雜的應用場景和更豐富的功能，但同時也帶來了安全、隱私和數據治理的新挑戰。

尤其是數據駐留與引用鏈接問題，凸顯了AI產業在追求技術突破的同時，必須同步完善生態系統的基礎設施和標準。未來，如何平衡技術創新、透明度、成本效益與用戶信任，將是谷歌與整個AI產業必須面對的課題。

對香港企業和開發者來說，谷歌此舉提供了更靈活且可控的AI工具選擇，尤其適合需要長期記憶和複雜工作流的應用場景。隨著API更廣泛普及，如何在保持數據安全的前提下，善用這些新功能，將成為提升競爭力的關鍵。

以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。