Google expande agentes gerenciados na API do Gemini com tarefas em segundo plano e suporte a MCP

Enquanto todo mundo esperava novidades do Gemini em modelos de linguagem, a jogada real do Google aconteceu nos bastidores — na infraestrutura para agentes de IA.

A empresa acaba de expandir os Managed Agents na API do Gemini, trazendo execução em segundo plano, suporte a servidores MCP remotos e novas funções personalizadas.

E o impacto para quem desenvolve agentes de IA é enorme.

O que o Google anunciou

> "Com essas atualizações, desenvolvedores podem criar agentes confiáveis e prontos para produção usando uma única API."

Segundo o blog oficial do Google, as novidades incluem quatro grandes recursos para os Managed Agents:

• Background execution: execução assíncrona de tarefas em segundo plano
• Remote MCP server integration: conexão facilitada com servidores MCP remotos
• Custom function calling: chamadas de funções personalizadas dentro do agente
• Credential refresh: atualização de credenciais entre interações

O anúncio foi feito por Philipp Schmid, engenheiro de relações com desenvolvedores, e Mariano Cocirio, gerente de produto — ambos do Google DeepMind.

Não é uma atualização cosmética. É uma reformulação de como agentes de IA funcionam em produção.

O que são Managed Agents e por que importam

Antes de entender as novidades, vale recapitular o conceito.

Os Managed Agents na API do Gemini são agentes de IA gerenciados pelo próprio Google. Na prática, o desenvolvedor chama um único endpoint.

A partir daí, o Gemini cuida de tudo: raciocínio, execução de código, instalação de pacotes, gerenciamento de arquivos e busca de informações na web.

Tudo isso roda dentro de um sandbox isolado na nuvem.

Ou seja, o desenvolvedor não precisa montar a infraestrutura do agente do zero. O Google faz isso por ele.

Isso reduz drasticamente a complexidade de colocar agentes em produção.

E é exatamente aí que as novas funcionalidades entram.

Execução em segundo plano: o recurso mais esperado

Um dos maiores gargalos de agentes de IA em produção é o tempo de resposta.

Tarefas complexas podem levar minutos. E manter o usuário esperando não é viável.

A nova funcionalidade de background execution resolve isso com execução assíncrona.

Como funciona na prática

O desenvolvedor envia uma tarefa para o agente. Em vez de esperar a resposta em tempo real, o agente processa tudo em segundo plano.

Quando termina, notifica o sistema de volta.

Isso é fundamental para fluxos de trabalho que envolvem múltiplas etapas — como análise de documentos, geração de relatórios ou automação de processos.

Por que isso muda o jogo

Sem execução em segundo plano, agentes ficam limitados a tarefas rápidas.

Com esse recurso, eles podem assumir trabalhos mais pesados. Pesquisas longas, compilação de dados, processamento de arquivos grandes.

Tudo sem travar a experiência do usuário.

É o tipo de funcionalidade que separa um protótipo de um produto real.

Suporte a MCP: o protocolo que conecta tudo

O segundo grande destaque é a integração com servidores MCP remotos.

MCP significa Model Context Protocol — um protocolo que vem ganhando força como padrão para conectar modelos de IA a ferramentas externas.

O que é o MCP

Pense no MCP como uma "tomada universal" para agentes de IA.

Em vez de criar integrações específicas para cada ferramenta, o agente se conecta a um servidor MCP. E esse servidor expõe as ferramentas disponíveis de forma padronizada.

Bancos de dados, APIs, sistemas internos — tudo pode ser acessado pelo agente via MCP.

O que o Google fez

Agora, os Managed Agents conseguem se conectar a servidores MCP remotos diretamente pela API do Gemini.

Isso significa que desenvolvedores podem plugar seus agentes em ecossistemas já existentes sem reescrever código.

A adoção do MCP pelo Google também sinaliza algo maior: o protocolo está se consolidando como padrão da indústria.

Quando Google, Anthropic e outras grandes empresas adotam o mesmo protocolo, o ecossistema inteiro se beneficia.

Funções personalizadas e credenciais

Além dos dois recursos principais, o Google trouxe mais duas melhorias relevantes.

Custom function calling

Agora desenvolvedores podem definir funções personalizadas que o agente pode chamar durante a execução.

Isso dá mais controle sobre o comportamento do agente. Em vez de depender apenas das capacidades nativas do Gemini, é possível ensinar o agente a usar ferramentas específicas do seu negócio.

Atualização de credenciais

O recurso de credential refresh permite que credenciais de autenticação sejam atualizadas entre interações.

Na prática, isso resolve um problema comum: agentes que perdem acesso a serviços externos porque o token expirou no meio de uma tarefa.

Parece um detalhe pequeno. Mas em produção, é o tipo de coisa que causa falhas silenciosas e frustrantes.

Como começar a usar

De acordo com as ferramentas para desenvolvedores do Google, a implementação é relativamente simples.

O Google disponibilizou exemplos usando o SDK JavaScript (@google/genai). Também há suporte para Python e cURL.

Para quem usa agentes de codificação com IA, existe até um atalho:

```
npx skills add google-gemini/gemini-skills --skill gemini-interactions-api
```

Esse comando instala a skill da Interactions API diretamente no seu ambiente.

Interactions API: o motor por trás

Os Managed Agents rodam sobre a Gemini Interactions API. Essa é a camada que orquestra tudo.

Você chama um endpoint. O Gemini decide como resolver a tarefa. Executa código, busca informações, gerencia arquivos.

Tudo acontece no sandbox isolado do Google Cloud.

O desenvolvedor só precisa se preocupar com a lógica do seu produto.

O contexto maior: a corrida dos agentes

> "Os Managed Agents endereçam diretamente o feedback dos desenvolvedores e as necessidades reais de produtos em produção."

Essa frase do anúncio oficial é reveladora.

O Google não está apenas lançando features. Está respondendo a demandas concretas do mercado.

E o timing não é coincidência.

A competição está acirrada

A Anthropic já oferece agentes com suporte a MCP. A OpenAI vem expandindo suas capacidades de function calling. A Microsoft integra agentes no Copilot.

Cada uma dessas empresas quer ser a plataforma padrão para agentes de IA em produção.

O Google, com os Managed Agents, aposta em simplicidade. Um endpoint, tudo gerenciado.

É uma proposta atraente para equipes que não querem montar infraestrutura complexa.

O papel do MCP nessa corrida

O suporte ao MCP é estratégico.

Ao adotar um protocolo aberto, o Google facilita a migração de desenvolvedores que já usam MCP com outras plataformas.

Isso reduz a barreira de entrada. E pode ser o diferencial para atrair desenvolvedores indecisos.

Segundo a área de inovação e IA do Google, a empresa vem priorizando interoperabilidade em suas ferramentas de IA.

O que ainda falta

Apesar dos avanços, algumas questões permanecem em aberto.

A fonte não menciona detalhes sobre precificação dos Managed Agents em escala. Também não há informações sobre limites de execução para tarefas em segundo plano.

Para equipes que planejam usar esses agentes em produção pesada, esses dados serão fundamentais.

Outro ponto: a documentação disponível até agora foca em JavaScript. Desenvolvedores Python provavelmente terão que esperar por exemplos mais completos.

Mas calma, tem mais.

O Google mencionou que essas atualizações respondem diretamente ao feedback de desenvolvedores. Isso sugere que novas melhorias devem vir em ciclos rápidos.

O veredito

O Google está transformando a API do Gemini em uma plataforma completa para agentes de IA.

Execução em segundo plano, suporte a MCP, funções personalizadas e gestão de credenciais — são exatamente os recursos que faltavam para levar agentes do protótipo à produção.

A aposta em simplicidade (um endpoint, tudo gerenciado) pode ser o grande diferencial frente à concorrência.

Se você desenvolve com IA, a pergunta não é se vai precisar de agentes gerenciados. É quando vai começar a usá-los.