一句话看懂：Google DeepMind 为 Gemini API 中的 Managed Agents 做了三项关键更新——默认模型升级为 Gemini 3.6 Flash，新增可在沙箱内拦截、审查工具调用的“环境钩子”，并开放免费套餐。这降低了搭建自主 agent 的技术门槛，也让远程沙箱内的安全控制变得可编程。
事件核心：发生了什么
2026 年 7 月 28 日，Google DeepMind 的技术人员 Philipp Schmid 与 Mariano Cocirio 在 Google AI Blog 上宣布，Gemini API 中的 Managed Agents 迎来重要升级。此前该服务已在 Gemini Interactions API 中实现单次 API 调用即可完成推理、代码执行、包安装、文件管理和网页检索等操作。本次更新主要围绕三个方向：
一是默认模型从旧版升级为 Gemini 3.6 Flash，现有代码无需修改即可自动生效；开发者也可以显式指定 Gemini 3.5 Flash 或 3.5 Flash-Lite 来平衡成本与性能。二是引入“环境钩子”（Environment Hooks），允许用户在 agent 每次工具调用前后运行自定义脚本（通过 .agents/hooks.json 配置），支持正则表达式匹配特定工具、设置超时，甚至向外部端点发送 HTTP 请求。三是增加了预算控制、定时任务触发器以及免费套餐——具体免费配额尚未披露，但意味着更多开发者可以零成本试用 Managed Agents。
为什么重要
环境钩子是本次更新中最具技术深度的功能。在此之前，Managed Agents 的沙箱环境完全托管在云端，用户无法在工具调用链中插入自定义验证或格式化逻辑。钩子机制让 agent 的行为变得可控制：例如在 code_execution 或 write_file 调用前运行安全网关，在每次工具执行后自动运行 lint 检查。这种设计借鉴了 CI/CD 中“pre/post hook”的成熟模式，使 AI agent 能嵌入到生产级合规与质量流程中。文中引用的案例——AI 投行 Offdeal 利用 post_tool_execution 钩子在沙箱内完成图片质量校验——展示了这一能力对企业级 agent 落地的直接价值。
Gemini 3.6 Flash 的默认化则进一步巩固了 Google 在“高性价比 agent 模型”上的定位：它比 3.5 Flash 在推理和工具调用上更强，但延迟与成本仍保持在可接受范围。加上免费套餐的开放，Google 正在降低竞争对手在 agent 平台上的生态黏性门槛。
对用户/开发者/创作者的影响
本次更新主要面向使用 Gemini Interactions API 构建自主 agent 的开发者。具体影响包括：
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
- 安全与合规更可控：环境钩子使开发者能在远程沙箱内阻断危险操作（如写入未知文件、执行未授权代码），无需自建代理或二次沙箱。
- 成本优化更灵活：通过显式指定 3.5 Flash-Lite 可处理低优先级任务，而 3.6 Flash 处理高复杂度工作，精准控制推理预算。
- 免费试用门槛降低：新增免费套餐让个人开发者和小团队无需绑定支付即可测试 Managed Agents 的完整能力，比如背景任务、MCP 服务器集成等。
- 自动化能力扩展：预算控制与定时触发器让 agent 可以按计划自动执行任务（如每日数据审计），更接近生产级 worker 形态。
值得关注的后续
第一，环境钩子目前仅支持命令型和 HTTP 型触发器，未来是否会增加 JavaScript/Python inline 脚本执行以降低配置复杂度，值得观察。第二，免费套餐的具体配额（如每日 API 调用次数、沙箱运行时上限）尚未公布，这将直接影响开发者是否愿意从其他平台迁移。第三，预算控制机制是否能结合自动降级（例如超支时自动切换为 Lite 模型）是开发者关心的实用点。最后，竞品如 OpenAI 和 Anthropic 是否会在 agent 平台中跟进类似的沙箱钩子设计，将影响整个 agent 生态的可信度标准。
