پرش به محتوای اصلی

گوگل اندروید و جست‌وجو را با APIهای جدید Gemini به agentهای شخص ثالث باز می‌کند

Behzat AIagentic-aigemini-apisandroid-agentsdelegated-scopesplatform-integration
نمای ماکرو نزدیک از یک برد مدار که مسیرها، نقاط لحیم‌کاری و قطعات نصب‌شده روی سطح را نشان می‌دهد

گوگل توسعه اندروید را به agentهای هوش مصنوعی شخص ثالث باز کرده و APIهای جدید Gemini را رونمایی کرده است، در کنار اقداماتی برای باز کردن Gemini و جست‌وجو به اپ‌های بیشتر در حالی که agentهای هوش مصنوعی وب را دگرگون می‌کنند. این پوشش همچنین به مدل پرچم‌دار Gemini 4 Carbon اشاره می‌کند که با ارتقاهای امنیت سایبری معرفی می‌شود. برای سازندگان agent، این نخستین پلتفرم مصرف‌کننده در مقیاس بزرگ است که در آن انتظار می‌رود agentهای شخص ثالث مستقیماً عمل کنند، نه از طریق اتوماسیون شکننده در سطح صفحه.

نمای ماکرو از یک برد مدار الکترونیکی که ریزتراشه‌ها و قطعات را نشان می‌دهد

پیامد عملی، تغییری در طراحی یکپارچه‌سازی است. جایی که تیم‌ها پیش‌تر به استخراج داده از رابط‌های رندرشده تکیه می‌کردند، اکنون scopeهای واگذارشده و قراردادهای صریح API به فرض کاری تبدیل می‌شوند: یک agent مجوزهای محدود از پلتفرم و کاربر دریافت می‌کند، در چارچوب آن‌ها عمل می‌کند و نتایج را بازمی‌گرداند. این تغییر نحوه برخورد معماری‌های agent با احراز هویت، مذاکره بر سر قابلیت‌ها، ردپای حسابرسی و بازیابی از خطا را دگرگون می‌کند و پرسش‌های evaluation را حول تشدید scope و رفتار کمترین امتیاز مطرح می‌سازد.

آنچه از پوشش ارائه‌شده روشن نیست، مدل scope مشخص، سطح دانه‌بندی مجوزها، زمان‌بندی عرضه و دسترسی منطقه‌ای APIهای جدید است، و همچنین اینکه ارتقاهای امنیت سایبری Gemini 4 Carbon چگونه با کنترل‌های دسترسی agent تعامل دارند. استودیو این موارد را به عنوان اقلام باز برای راستی‌آزمایی در برابر مستندات اولیه پیش از طراحی بر پایه این سطح در نظر می‌گیرد. تیم‌هایی که agentهای مصرف‌کننده‌محور را برنامه‌ریزی می‌کنند باید از همین حالا مدل‌سازی جریان‌های مجوز واگذارشده را آغاز کنند، تا کار یکپارچه‌سازی به استخراج داده از رابطی وابسته نباشد که پلتفرم ممکن است آن را محدود کند.

بیایید صحبت کنیم!