Die Interactions API ist jetzt allgemein verfügbar. Wir empfehlen, diese API zu verwenden, um auf alle aktuellen Funktionen und Modelle zuzugreifen.

Google verwendet KI-Technologie, um Inhalte in Ihre bevorzugte Sprache zu übersetzen. KI-Übersetzungen können Fehler enthalten.

Verwaltete Agents erstellen

Mit verwalteten Agenten in der Gemini API können Sie den Antigravity-Agenten mit eigenen Anweisungen, Skills und Daten erweitern. Sie können den Agenten zur Interaktionszeit inline anpassen oder die Konfiguration als verwalteten Agenten speichern, den Sie per ID aufrufen.

Antigravity-Agent anpassen

Die schnellste Möglichkeit, einen benutzerdefinierten Agenten zu erstellen, besteht darin, die Konfiguration inline zu übergeben, während Sie eine neue Interaktion erstellen. Ein Registrierungsschritt ist nicht erforderlich. Sie können den Agenten auf verschiedene Arten erweitern:

Modellauswahl: Wählen Sie das zugrunde liegende Gemini-Modell über agent_config aus (Standardwert ist Gemini 3.7 Flash).
Systemanweisungen: Übergeben Sie Inline-Text über system_instruction, um das Verhalten zu gestalten.
Tools: Überschreiben Sie Standardtools (Codeausführung, Suche, URL-Kontext), registrieren Sie Remote-MCP-Server oder definieren Sie benutzerdefinierte Funktionen (Funktionsaufruf).
Dateien und Skills: Binden Sie Dateien wie AGENTS.md und SKILL.md in die Umgebung ein.

Hier ein Beispiel für die Inline-Übergabe aller drei:

Python

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    agent="antigravity-preview-05-2026",
    input="Analyze the Q1 revenue data and create a slide deck.",
    system_instruction="You are a data analyst. Always include visualizations and export results as PDF.",        
    environment={
        "type": "remote",
        "sources": [
            {
                "type": "inline",
                "target": ".agents/AGENTS.md",
                "content": "Always use matplotlib for charts. Include a summary table in every report.",
            },
            {
                "type": "inline",
                "target": ".agents/skills/slide-maker/SKILL.md",
                "content": "---\nname: slide-maker\n---\n# Slide Maker\nCreate HTML slide decks from data analysis results.",
            },
        ],
    },
)

print(interaction.output_text)

JavaScript

import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({});

const interaction = await client.interactions.create({
    agent: "antigravity-preview-05-2026",
    input: "Analyze the Q1 revenue data and create a slide deck.",
    system_instruction: "You are a data analyst. Always include visualizations and export results as PDF.",        
    environment: {
        type: "remote",
        sources: [
            {
                type: "inline",
                target: ".agents/AGENTS.md",
                content: "Always use matplotlib for charts. Include a summary table in every report.",
            },
            {
                type: "inline",
                target: ".agents/skills/slide-maker/SKILL.md",
                content: "---\nname: slide-maker\n---\n# Slide Maker\nCreate HTML slide decks from data analysis results.",
            },
        ],
    },
}, { timeout: 300000 });

console.log(interaction.output_text);

REST

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
-H "Content-Type: application/json" \
-H "x-goog-api-key: $GEMINI_API_KEY" \
-d '{
    "agent": "antigravity-preview-05-2026",
    "input": "Analyze the Q1 revenue data and create a slide deck.",
    "system_instruction": "You are a data analyst. Always include visualizations and export results as PDF.",
    "environment": {
        "type": "remote",
        "sources": [
            {
                "type": "inline",
                "target": ".agents/AGENTS.md",
                "content": "Always use matplotlib for charts. Include a summary table in every report."
            },
            {
                "type": "inline",
                "target": ".agents/skills/slide-maker/SKILL.md",
                "content": "---\nname: slide-maker\n---\n# Slide Maker\nCreate HTML slide decks from data analysis results."
            }
        ]
    }
}'

Alles wird zur Interaktionszeit definiert. Sie müssen nichts registrieren. Das Antigravity-Agent-Framework bietet die Laufzeit (Code-Ausführung, Dateiverwaltung, Webzugriff) und Ihre Konfigurationsebenen obenauf.

Tools und Systemanweisungen

Sie können das Verhalten und die Fähigkeiten des Agenten für eine bestimmte Interaktion mit den Parametern system_instruction und tools anpassen.

Systemanweisungen: Verwenden Sie den system_instruction Parameter, um Inline-Text zu übergeben, der das Verhalten des Agenten bestimmt. Dies ist ideal für schnelle Anpassungen, die Sie pro Aufruf ändern möchten. system_instruction und AGENTS.md sind additiv. Beide werden angewendet, wenn sie vorhanden sind.
Tools: Standardmäßig hat der Antigravity-Agent Zugriff auf code_execution, google_search, und url_context. Sie können diese Liste überschreiben, indem Sie den Parameter tools zur Interaktionszeit übergeben. Sie können auch Remote-MCP-Server registrieren oder benutzerdefinierte Funktionen (Funktionsaufruf) definieren, um den Agenten mit Ihren eigenen APIs und Datenbanken zu verbinden. Ausführliche Informationen zu den verfügbaren Tools finden Sie unter Antigravity-Agent: Unterstützte Tools.

Dateibasierte Anpassung

Verzeichnisstruktur des Agenten

Sie können zwar die Konfiguration inline übergeben, wir empfehlen jedoch, die Dateien des Agenten in einem strukturierten Verzeichnis zu organisieren. So lassen sie sich einfacher verwalten, versionieren und in die Umgebung des Agenten einbinden.

Ein typisches Agentenprojektverzeichnis sieht so aus:

my-agent/
├── AGENTS.md        # Instructions on how the agent should operate
├── skills/          # Custom skills (subfolders and SKILL.md files)
│   └── slide-maker/
│       └── SKILL.md
└── workspace/       # Initial data files and knowledge

Die Antigravity-Laufzeit sucht in .agents/ (und im Stammverzeichnis der Umgebung) nach diesen Dateien.

AGENTS.md

Der Agent lädt beim Start automatisch .agents/AGENTS.md (oder /.agents/AGENTS.md) aus der Umgebung als Systemanweisungen. Verwenden Sie AGENTS.md für lange Personadefinitionen, detaillierte Richtlinien und Anweisungen, die Sie zusammen mit Ihrem Code in die Versionsverwaltung aufnehmen möchten.

So binden Sie eine AGENTS.md-Datei über eine Inline-Quelle ein:

Python

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    agent="antigravity-preview-05-2026",
    input="Analyze the Q1 revenue data and create a report.",
    system_instruction="You are a data analyst. Always include visualizations and export results as PDF.",
    environment={
        "type": "remote",
        "sources": [
            {
                "type": "inline",
                "target": ".agents/AGENTS.md",
                "content": "Always use matplotlib for charts. Include a summary table in every report.",
            },
        ],
    },
)

print(interaction.output_text)

JavaScript

import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({});

const interaction = await client.interactions.create({
    agent: "antigravity-preview-05-2026",
    input: "Analyze the Q1 revenue data and create a report.",
    system_instruction: "You are a data analyst. Always include visualizations and export results as PDF.",
    environment: {
        type: "remote",
        sources: [
            {
                type: "inline",
                target: ".agents/AGENTS.md",
                content: "Always use matplotlib for charts. Include a summary table in every report.",
            },
        ],
    },
}, { timeout: 300000 });

console.log(interaction.output_text);

REST

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "Content-Type: application/json" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -d '{
      "agent": "antigravity-preview-05-2026",
      "input": "Analyze the Q1 revenue data and create a report.",
      "system_instruction": "You are a data analyst. Always include visualizations and export results as PDF.",
      "environment": {
          "type": "remote",
          "sources": [
              {
                  "type": "inline",
                  "target": ".agents/AGENTS.md",
                  "content": "Always use matplotlib for charts. Include a summary table in every report."
              }
          ]
      }
  }'

Skills: SKILL.md

Skills sind Dateien, die die Fähigkeiten des Agenten erweitern. Platzieren Sie sie unter .agents/skills/<skill-name>/SKILL.md. Das Framework erkennt und registriert sie automatisch.

.agents/
├── AGENTS.md
└── skills/
    └── slide-maker/
        └── SKILL.md

So binden Sie einen Skill über eine Inline-Quelle ein:

Python

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    agent="antigravity-preview-05-2026",
    input="Create a presentation about our Q1 results.",
    system_instruction="You create presentations from data.",
    environment={
        "type": "remote",
        "sources": [
            {
                "type": "inline",
                "target": ".agents/skills/slide-maker/SKILL.md",
                "content": "---\nname: slide-maker\ndescription: Create HTML slide decks\n---\n# Slide Maker\n\nWhen asked to create a presentation:\n1. Analyze the input data\n2. Create an HTML slide deck with reveal.js\n3. Save to /workspace/output/slides.html",
            },
        ],
    },
)

print(interaction.output_text)

JavaScript

import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({});

const interaction = await client.interactions.create({
    agent: "antigravity-preview-05-2026",
    input: "Create a presentation about our Q1 results.",
    system_instruction: "You create presentations from data.",
    environment: {
        type: "remote",
        sources: [
            {
                type: "inline",
                target: ".agents/skills/slide-maker/SKILL.md",
                content: "---\nname: slide-maker\ndescription: Create HTML slide decks\n---\n# Slide Maker\n\nWhen asked to create a presentation:\n1. Analyze the input data\n2. Create an HTML slide deck with reveal.js\n3. Save to /workspace/output/slides.html",
            },
        ],
    },
}, { timeout: 300000 });

console.log(interaction.output_text);

REST

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "Content-Type: application/json" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -d '{
      "agent": "antigravity-preview-05-2026",
      "input": "Create a presentation about our Q1 results.",
      "system_instruction": "You create presentations from data.",
      "environment": {
          "type": "remote",
          "sources": [
              {
                  "type": "inline",
                  "target": ".agents/skills/slide-maker/SKILL.md",
                  "content": "---\nname: slide-maker\ndescription: Create HTML slide decks\n---\n# Slide Maker\n\nWhen asked to create a presentation:\n1. Analyze the input data\n2. Create an HTML slide deck with reveal.js\n3. Save to /workspace/output/slides.html"
              }
          ]
      }
  }'

Skills, die aus .agents/skills/ und /.agents/skills/ geladen werden, werden automatisch erkannt.

Verwalteten Agenten erstellen

Sobald Sie Ihre Konfiguration durchlaufen haben, können Sie sie mit agents.create als verwalteten Agenten erstellen. So können Sie den Agenten per ID aufrufen, ohne die Konfiguration jedes Mal zu wiederholen.

Die id, die Sie beim Erstellen eines verwalteten Agenten angeben, muss für Ihr Projekt eindeutig sein und darf nicht mit reservierten Präfixen beginnen (z.B. google-, gemini-). Eine vollständige Liste der eingeschränkten Präfixe finden Sie unter Einschränkungen für Agenten-IDs.

Aus Quellen

Geben Sie base_agent, id, agent_config, system_instruction und base_environment mit Quellen an. Die Plattform stellt bei jedem Aufruf eine neue Sandbox mit Ihren Dateien bereit. Unter Umgebungen finden Sie die verfügbaren Quelltypen (Git, GCS, inline).

Python

from google import genai

client = genai.Client()

agent = client.agents.create(
    id="data-analyst",
    base_agent="antigravity-preview-05-2026",
    agent_config={
        "type": "antigravity",
        "model": "gemini-3.7-flash",
    },
    system_instruction="You are a data analyst. Always include visualizations and export results as PDF.",
    base_environment={
        "type": "remote",
        "sources": [
            {
                "type": "inline",
                "target": ".agents/AGENTS.md",
                "content": "Always use matplotlib for charts. Include a summary table in every report.",
            },
            {
                "type": "inline",
                "target": ".agents/skills/slide-maker/SKILL.md",
                "content": "---\nname: slide-maker\n---\n# Slide Maker\nCreate HTML slide decks from data analysis results.",
            },
            {
                "type": "repository",
                "source": "https://github.com/my-org/analysis-templates",
                "target": "/workspace/templates",
            },
        ],
    },
)

print(f"Created agent: {agent.id}")

JavaScript

import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({});

const agent = await client.agents.create({
    id: "data-analyst",
    base_agent: "antigravity-preview-05-2026",
    agent_config: {
        type: "antigravity",
        model: "gemini-3.7-flash",
    },
    system_instruction: "You are a data analyst. Always include visualizations and export results as PDF.",
    base_environment: {
        type: "remote",
        sources: [
            {
                type: "inline",
                target: ".agents/AGENTS.md",
                content: "Always use matplotlib for charts. Include a summary table in every report.",
            },
            {
                type: "inline",
                target: ".agents/skills/slide-maker/SKILL.md",
                content: "---\nname: slide-maker\n---\n# Slide Maker\nCreate HTML slide decks from data analysis results.",
            },
            {
                type: "repository",
                source: "https://github.com/my-org/analysis-templates",
                target: "/workspace/templates",
            },
        ],
    },
});

console.log(`Created agent: ${agent.id}`);

REST

curl -X POST "https://generativelanguage.googleapis.com/v1beta/agents" \
-H "Content-Type: application/json" \
-H "x-goog-api-key: $GEMINI_API_KEY" \
-d '{
    "id": "data-analyst",
    "base_agent": "antigravity-preview-05-2026",
    "agent_config": {
        "type": "antigravity",
        "model": "gemini-3.7-flash"
    },
    "system_instruction": "You are a data analyst. Always include visualizations and export results as PDF.",
    "base_environment": {
        "type": "remote",
        "sources": [
            {
                "type": "inline",
                "target": ".agents/AGENTS.md",
                "content": "Always use matplotlib for charts. Include a summary table in every report."
            },
            {
                "type": "inline",
                "target": ".agents/skills/slide-maker/SKILL.md",
                "content": "---\nname: slide-maker\n---\n# Slide Maker\nCreate HTML slide decks from data analysis results."
            },
            {
                "type": "repository",
                "source": "https://github.com/my-org/analysis-templates",
                "target": "/workspace/templates"
            }
        ]
    }
}'

Aus einer vorhandenen Umgebung (Fork)

Durchlaufen Sie den Antigravity-Basisagenten, bis die Umgebung richtig ist (Pakete installiert, Dateien vorhanden), und forken Sie ihn dann in einen verwalteten Agenten.

Python

from google import genai

client = genai.Client()

# Step 1: set up the environment interactively
interaction = client.interactions.create(
    agent="antigravity-preview-05-2026",
    input="Install pandas, matplotlib, and seaborn. Create an analysis template at /workspace/template.py.",
    environment="remote",
)

# Step 2: fork that environment into a managed agent

agent = client.agents.create(
    id="my-data-analyst",
    base_agent="antigravity-preview-05-2026",
    system_instruction="You are a data analyst. Use the template at /workspace/template.py for all reports.",
    base_environment=interaction.environment_id,
)

print(f"Forked agent successfully: {agent.id}")

JavaScript

import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({});

const interaction = await client.interactions.create({
    agent: "antigravity-preview-05-2026",
    input: "Install pandas, matplotlib, and seaborn. Create an analysis template at /workspace/template.py.",
    environment: "remote",
}, { timeout: 300000 });

const agent = await client.agents.create({
    id: "my-data-analyst",
    base_agent: "antigravity-preview-05-2026",
    system_instruction: "You are a data analyst. Use the template at /workspace/template.py for all reports.",
    base_environment: interaction.environment_id,
});

console.log(`Forked agent successfully: ${agent.id}`);

REST

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "Content-Type: application/json" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -d '{
      "agent": "antigravity-preview-05-2026",
      "input": "Install pandas, matplotlib, and seaborn. Create an analysis template at /workspace/template.py.",
      "environment": "remote"
  }'

Mit Netzwerkregeln

Sie können den ausgehenden Zugriff sperren oder Anmeldedaten einfügen, wenn Sie einen verwalteten Agenten speichern. Das vollständige Schema der Zulassungsliste, Anmeldedatenmuster und Platzhalter finden Sie unter Umgebungen: Netzwerkkonfiguration.

Im folgenden Beispiel wird ein issue-resolver-Agent erstellt, der nur auf GitHub und PyPI zugreifen kann. Für GitHub werden Anmeldedaten eingefügt:

Python

from google import genai

client = genai.Client()

agent = client.agents.create(
    id="issue-resolver",
    base_agent="antigravity-preview-05-2026",
    system_instruction="You resolve GitHub issues. Clone the repo, find the bug, write the fix, run the tests, and open a PR.",
    base_environment={
        "type": "remote",
        "sources": [
            {
                "type": "repository",
                "source": "https://github.com/my-org/backend",
                "target": "/workspace/repo",
            }
        ],
        "network": {
            "allowlist": [
                {
                    "domain": "api.github.com",
                    "transform": {
                        "Authorization": "Basic YOUR_BASE64_TOKEN"
                    },
                },
                {"domain": "pypi.org"},
            ]
        },
    },
)

print(f"Created issue-resolver agent successfully: {agent.id}")

JavaScript

import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({});

const agent = await client.agents.create({
    id: "issue-resolver",
    base_agent: "antigravity-preview-05-2026",
    system_instruction: "You resolve GitHub issues. Clone the repo, find the bug, write the fix, run the tests, and open a PR.",
    base_environment: {
        type: "remote",
        sources: [
            {
                type: "repository",
                source: "https://github.com/my-org/backend",
                target: "/workspace/repo",
            }
        ],
        network: {
            allowlist: [
                {
                    domain: "api.github.com",
                    transform: {
                        "Authorization": "Basic YOUR_BASE64_TOKEN"
                    },
                },
                { domain: "pypi.org" },
            ]
        }
    },
});

console.log(`Created issue-resolver agent successfully: ${agent.id}`);

REST

curl -X POST "https://generativelanguage.googleapis.com/v1beta/agents" \
  -H "Content-Type: application/json" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -d '{
      "id": "issue-resolver",
      "base_agent": "antigravity-preview-05-2026",
      "system_instruction": "You resolve GitHub issues. Clone the repo, find the bug, write the fix, run the tests, and open a PR.",
      "base_environment": {
          "type": "remote",
          "sources": [
              {
                  "type": "repository",
                  "source": "https://github.com/my-org/backend",
                  "target": "/workspace/repo"
              }
          ],
          "network": {
              "allowlist": [
                  {
                      "domain": "api.github.com",
                      "transform": {
                          "Authorization": "Basic YOUR_BASE64_TOKEN"
                      }
                  },
                  {"domain": "pypi.org"}
              ]
          }
      }
  }'

Agent aufrufen

Rufen Sie Ihren verwalteten Agenten mit Ihrer Agenten-ID auf, indem Sie eine neue Interaktion erstellen. Bei jedem Aufruf wird die Basisumgebung geforkt, sodass jede Ausführung sauber beginnt.

Python

result = client.interactions.create(
    agent="data-analyst",
    input="Analyze Q1 revenue data from /workspace/templates/sample.csv and create a slide deck.",
    environment="remote",
)

print(result.output_text)

JavaScript

const result = await client.interactions.create({
    agent: "data-analyst",
    input: "Analyze Q1 revenue data from /workspace/templates/sample.csv and create a slide deck.",
    environment: "remote",
}, { timeout: 300000 });

console.log(result.output_text);

REST

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "Content-Type: application/json" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -d '{
      "agent": "data-analyst",
      "input": "Analyze Q1 revenue data from /workspace/templates/sample.csv and create a slide deck.",
      "environment": "remote"
  }'

Informationen zu Mehrfachdialogen und Streaming finden Sie in der Kurzanleitung. Dieselben previous_interaction_id- und environment-Muster gelten für verwaltete Agenten.

Verwaltete Agenten unterstützen auch die Ausführung im Hintergrund und die Abbruchfunktion. Weitere Informationen und Codebeispiele finden Sie unter Antigravity-Agent: Ausführung im Hintergrund.

Konfiguration beim Aufruf überschreiben

Sie können die Standardnetzwerkkonfiguration system_instruction, tools und environment des Agenten überschreiben, wenn Sie eine Interaktion erstellen. So können Sie das Verhalten, die Fähigkeiten oder die Anmeldedaten des Agenten für eine bestimmte Ausführung ändern, ohne die gespeicherte Agentendefinition zu ändern.

Systemanweisung und Tools überschreiben

Python

result = client.interactions.create(
    agent="data-analyst",
    input="Analyze Q1 revenue data, but do not create a slide deck. Just output a summary table.",
    system_instruction="You are a data analyst. Focus ONLY on summary tables. Ignore default instructions about slides.",
    tools=[{"type": "code_execution"}], # Override to only use code execution
    environment="remote",
)
print(result.output_text)

JavaScript

const result = await client.interactions.create({
    agent: "data-analyst",
    input: "Analyze Q1 revenue data, but do not create a slide deck. Just output a summary table.",
    system_instruction: "You are a data analyst. Focus ONLY on summary tables. Ignore default instructions about slides.",
    tools: [{ type: "code_execution" }], // Override to only use code execution
    environment: "remote",
}, { timeout: 300000 });

console.log(result.output_text);

REST

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "Content-Type: application/json" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -d '{
      "agent": "data-analyst",
      "input": "Analyze Q1 revenue data, but do not create a slide deck. Just output a summary table.",
      "system_instruction": "You are a data analyst. Focus ONLY on summary tables. Ignore default instructions about slides.",
      "tools": [{"type": "code_execution"}],
      "environment": "remote"
  }'

Netzwerkkonfiguration überschreiben (Anmeldedaten aktualisieren)

Wenn in der base_environment Ihres verwalteten Agenten Netzwerkanmeldedaten eingebettet sind, können Sie diese beim Aufruf überschreiben, um abgelaufene Tokens zu aktualisieren oder API-Schlüssel zu rotieren. Übergeben Sie ein environment-Objekt mit einer neuen network-Konfiguration. Die neuen Netzwerkregeln ersetzen die vorherigen für diese Interaktion vollständig. Die Quellen der Basisumgebung (Dateien, Repositories) bleiben erhalten.

Python

# Invoke the agent with a fresh token, overriding the base_environment credentials
result = client.interactions.create(
    agent="issue-resolver",
    input="Fix issue #42 and open a PR.",
    environment={
        "type": "remote",
        "network": {
            "allowlist": [
                {
                    "domain": "api.github.com",
                    "transform": {
                        "Authorization": "Bearer ghp_REFRESHED_TOKEN"
                    },
                },
                {"domain": "pypi.org"},
            ]
        },
    },
)

print(result.output_text)

JavaScript

// Invoke the agent with a fresh token, overriding the base_environment credentials
const result = await client.interactions.create({
    agent: "issue-resolver",
    input: "Fix issue #42 and open a PR.",
    environment: {
        type: "remote",
        network: {
            allowlist: [
                {
                    domain: "api.github.com",
                    transform: {
                        "Authorization": "Bearer ghp_REFRESHED_TOKEN"
                    },
                },
                { domain: "pypi.org" },
            ]
        },
    },
}, { timeout: 300000 });

console.log(result.output_text);

REST

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "Content-Type: application/json" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -d '{
      "agent": "issue-resolver",
      "input": "Fix issue #42 and open a PR.",
      "environment": {
          "type": "remote",
          "network": {
              "allowlist": [
                  {
                      "domain": "api.github.com",
                      "transform": {
                          "Authorization": "Bearer ghp_REFRESHED_TOKEN"
                      }
                  },
                  {"domain": "pypi.org"}
              ]
          }
      }
  }'

Agenten verwalten

Sie können Agenten auflisten, abrufen und löschen.

Agenten auflisten

Python

agents = client.agents.list()
for a in agents.agents:
    print(f"{a.id}: {a.description}")

JavaScript

const agents = await client.agents.list();
if (agents.agents) {
    for (const a of agents.agents) {
        console.log(`${a.id}: ${a.description}`);
    }
}

REST

curl -X GET "https://generativelanguage.googleapis.com/v1beta/agents" \
  -H "x-goog-api-key: $GEMINI_API_KEY"

Agent abrufen

Python

agent = client.agents.get(id="data-analyst")
print(agent)

JavaScript

const agent = await client.agents.get("data-analyst");
console.log(agent);

REST

curl -X GET "https://generativelanguage.googleapis.com/v1beta/agents/data-analyst" \
  -H "x-goog-api-key: $GEMINI_API_KEY"

Agent löschen

Durch das Löschen wird die Konfiguration entfernt. Vorhandene Umgebungen und Interaktionen, die vom Agenten erstellt wurden, sind nicht betroffen.

Python

client.agents.delete(id="data-analyst")

JavaScript

await client.agents.delete("data-analyst");

REST

curl -X DELETE "https://generativelanguage.googleapis.com/v1beta/agents/data-analyst" \
  -H "x-goog-api-key: $GEMINI_API_KEY"

Referenz zur Agentendefinition

Feld	Typ	Erforderlich	Beschreibung
`id`	String	Ja	Eindeutige Agenten-ID im Google Cloud-Projekt. Wird zum Aufrufen des Agenten verwendet. Darf keine reservierten Präfixe verwenden. Siehe Einschränkungen für Agenten-IDs.
`description`	String	Nein	Eine menschenlesbare Beschreibung des Agenten.
`base_agent`	String	Ja	Basis-Agenten-ID (z.B. `antigravity-preview-05-2026`).
`agent_config`	Objekt	Nein	Konfiguration für den Basisagenten, einschließlich der Modellauswahl (`{"type": "antigravity", "model": "gemini-3.7-flash"}`). Der Standardwert ist `gemini-3.7-flash`, wenn nichts angegeben ist. Kann zur Interaktionszeit für benannte Agenten nicht überschrieben werden.
`system_instruction`	String	Nein	Systemanweisung, die Verhalten und Persona definiert.
`tools`	Array	Nein	Tools, die der Agent verwenden kann. Der Standardwert ist `code_execution`, `google_search` und `url_context`, wenn nichts angegeben ist. Unterstützte Tools sind `code_execution`, `google_search`, `url_context`, `mcp_server` und benutzerdefinierte `function`-Definitionen.
`base_environment`	String oder Objekt	Nein	`"remote"`, eine `environment_id` oder ein Konfigurationsobjekt mit `sources` und `network`. Siehe Umgebungen.

Einschränkungen für Agenten-IDs

Beim Erstellen eines verwalteten Agenten muss die angegebene id die folgenden Regeln erfüllen:

Sie muss für Ihr Google Cloud-Projekt eindeutig sein.
Sie darf nicht mit einem der folgenden reservierten Präfixe beginnen (Groß-/Kleinschreibung wird nicht berücksichtigt). Andernfalls schlägt die Erstellung fehl:
- antigravity-
- veo-
- omni-
- lyria-
- imagen-
- gemma-
- gemini-
- google-
- youtube-
- android-
- chrome-
- pixel-
- waze-
- fitbit-
- nest-
- kaggle-

Workflow für die Iteration

Prototyp mit dem Antigravity-Basisagenten. Übergeben Sie Systemanweisungen und Umgebungsquellen inline. Testen Sie Anweisungen, Skills und die Umgebungseinrichtung interaktiv.
Stabilisieren Sie die Umgebung. Installieren Sie Pakete, binden Sie Quellen ein und prüfen Sie, ob alles funktioniert.
Speichern Sie ihn als verwalteten Agenten, indem Sie entweder aus Quellen einen neuen Agenten erstellen oder die Umgebung forken.
Aktualisieren Sie die Agentendefinition. Ändern Sie die Systemanweisung, tauschen Sie Skills aus oder fügen Sie Quellen hinzu. Beim nächsten Aufruf wird die neue Konfiguration verwendet.

Beschränkungen

Vorschau: Verwaltete Agenten sind in der Vorschau verfügbar. Funktionen und Schemas können sich ändern.
Basisagent und Modelle: Nur antigravity-preview-05-2026 wird als base_agent unterstützt. Unterstützte Modelloptionen in agent_config sind gemini-3.7-flash (Standard), gemini-3.6-flash, gemini-3.5-flash und gemini-3.5-flash-lite. Für benannte Agenten kann das Modell zur Interaktionszeit nicht überschrieben werden.
Keine Versionierung: Die Agentenversionierung und das Rollback sind noch nicht verfügbar.
Keine Unteragenten-Nesting: Die Unteragenten-Delegierung wird noch nicht unterstützt.
Sie können bis zu 1.000 verwaltete Agenten haben.

Nächste Schritte

Übersicht zu Agenten: Informationen zu den grundlegenden Konzepten verwalteter Agenten.
Kurzanleitung: Mit Mehrfachdialogen und Streaming beginnen.
Antigravity-Agent: Informationen zu Funktionen, Tools und Preisen für den Standardagenten.
Agentenumgebungen: Sandboxes, Quellen und Netzwerke konfigurieren.
Managed Agents API auf der Agent Platform: Zum Erstellen von verwalteten KI-Agenten mit integrierter Governance für Organisationen.