Google DeepMind 正在为 Gemini API 中的 Managed Agents 添加四项新功能，使智能体能够异步后台运行、直接连接远程 MCP 服务器、在沙盒工具旁使用自定义函数，并在不丢失状态的情况下刷新凭证。

发生了什么

Google DeepMind 宣布为 Gemini API 的 Managed Agents 引入四项新特性：

  1. 后台执行：智能体现在可以异步运行，无需等待实时响应即可处理长时间任务。
  2. MCP 支持：智能体可直接连接远程 MCP（Model Context Protocol）服务器，扩展其与外部数据源和工具的交互能力。
  3. 自定义函数与沙盒工具混用：开发者可以在使用 Google 提供的沙盒工具的同时，注入自己的自定义函数，实现更灵活的编排。
  4. 无状态丢失的凭证刷新：智能体在刷新认证凭证时，不会丢失当前对话状态或上下文，确保长时间运行任务的连续性。

这些更新旨在提升 Managed Agents 的生产级可用性，使其更适合企业级自动化场景。

为什么重要

Managed Agents 是 Google DeepMind 在 Gemini API 中提供的托管智能体服务，旨在降低开发者构建和部署 AI 智能体的门槛。此前，该服务主要支持同步执行，且工具集成能力有限。

后台执行功能解决了智能体在需要长时间处理（如数据批处理、周期性任务）时的阻塞问题，使其能够像传统微服务一样异步运行。MCP 支持则直接对标 OpenAI 的 Function Calling 和 Anthropic 的 Tool Use，但通过标准化协议（MCP）允许智能体与任意兼容的远程服务交互，而非仅限于预定义工具集。这为开发者打开了连接企业数据库、CRM、ERP 等现有系统的通道。

自定义函数与沙盒工具的混用，意味着开发者可以在不放弃 Google 预置工具（如代码执行、搜索）的前提下，补充专有逻辑。而无状态丢失的凭证刷新，则解决了长期运行任务中常见的 token 过期问题，这是生产环境部署的关键痛点。

影响与看点

对于开发者而言，这些更新直接提升了 Managed Agents 的实用性。后台执行和凭证管理使其更适合构建“即发即忘”的自动化工作流；MCP 支持则降低了与外部系统集成的复杂度。

值得关注的是，Google 选择支持 MCP 而非自建协议，这可能推动行业向标准化工具互操作协议靠拢。如果 MCP 被广泛采用，智能体生态的碎片化问题将得到缓解。

从竞争格局看，Google 正在缩小与 OpenAI（Assistants API）和 Anthropic（Tool Use）在智能体能力上的差距，并试图通过托管服务降低运维负担。对于企业用户，Managed Agents 的更新意味着更低的迁移成本和更快的集成速度。

独立判断：后台执行和 MCP 支持是智能体从“演示级”走向“生产级”的关键一步，但真正的考验在于大规模运行时的可靠性、成本控制以及与其他云服务的无缝集成。