A Gemini Interactions API 2026 júniusában elérte az általánosan elérhető (GA) státuszt, vagyis a Google fejlesztői felülete fél év zárt béta után most minden fejlesztő számára nyitva áll. Ez nem egy újabb apró frissítés: a Google ezzel egyetlen, egységesített belépési pontot ad a Gemini modellekhez és az agentekhez egyaránt.
A korábbi generateContent végpontot a Google hivatalosan is legacy státuszba helyezte. Marad a teljes támogatás, de az összes jövőbeli frontier modell és új képesség kizárólag az Interactions API-n keresztül lesz elérhető. Aki most kezd építeni, annak ez a kiindulópont.
Mi az a Gemini Interactions API, és milyen problémát old meg?
Eddig egy összetettebb AI-alkalmazás összerakása több különböző Google-végpont összehangolását jelentette. Külön kellett kezelni a szöveggenerálást, a multimodális kéréseket, a hosszan futó feladatokat és az agentikus munkafolyamatokat. Ez sok ragasztókódot és kézi állapotkezelést igényelt.
Az Interactions API ezt egyetlen, stabil sémájú végpont mögé tolja össze. A Google saját megfogalmazásában ez „a legegyszerűbb módja annak, hogy Geminivel építs”. A GA-státusz pedig azt jelenti, hogy a séma stabil, produkciós használatra alkalmas — nem fog kérés nélkül megváltozni alattad.
„The Interactions API is now generally available. We recommend using this API for access to all the latest features and models.” — Google AI Developer Documentation
A gyakorlatban tehát egy fejlesztő egyetlen API-val lefedi a chatbottól a többlépéses kutatóagensig terjedő spektrumot, ahelyett hogy több szolgáltatást kötne össze.
Hogyan működik: szerver oldali állapot és háttér-végrehajtás
A két legfontosabb gyakorlati újítás technikai, de a hatásuk üzleti. Az első a szerver oldali állapotkezelés. A previous_interaction_id paraméterrel nem kell minden kérésnél újraküldened a teljes beszélgetési előzményt — a szerver tárolja helyetted.
„The server manages the full conversation history for you.” — Google AI Developer Documentation
Ez nemcsak kényelmi kérdés. Mivel nem kell minden körben visszaküldeni a teljes kontextust, a Google szerint „alacsonyabb költség magasabb cache-találati arány mellett” érhető el — vagyis kevesebb feldolgozott tokent fizetsz ugyanazért a beszélgetésért.
A második a háttér-végrehajtás. A background=True paraméterrel aszinkron, hosszan futó feladatokat indíthatsz, amelyek a kapcsolat bontása után is dolgoznak tovább. Ez pontosan az, amire egy mélykutató vagy több lépéses elemző agensnek szüksége van.
Managed Agents és sandbox: kész agentkörnyezet a dobozban
Az Interactions API nem csak modellhívás. A Google két előre felépített agenst is ad hozzá: a Deep Research Preview és az Antigravity Preview managed agenseket. Ezek olyan kész munkafolyamatok, amelyeket nem neked kell összeraknod nulláról.
Emellé jár egy agentkörnyezet is: távoli Linux sandbox-ok, amelyekben az agens kódot futtathat, böngészhet és fájlokat kezelhet. Ez az a réteg, amely a sima szöveggenerálást valódi, cselekvő ügynökké teszi — a modell nemcsak válaszol, hanem el is végzi a feladatot egy izolált környezetben.
A médiagenerálás is ide került: az API natívan tud képet generálni, zenét készíteni a Lyria 3 modellel, és többhangzású szöveg-beszéd átalakítást végezni. Egy multimodális alkalmazáshoz így nem kell külön szolgáltatásokat összefűzni.
Mennyibe kerül, és hogyan érhető el?
Az árazás két szintre bomlik: Flex és Priority. A Flex opcióval a Google szerint akár 50%-os költségcsökkentés érhető el — cserébe a kérések rugalmasabb, nem garantált sebességgel futnak. Ez a kisebb fejlesztőknek és a költségérzékeny projekteknek csökkenti a belépési korlátot.
Az adatmegőrzés is szintfüggő: a fizetős szinten 55 nap, az ingyenes szinten mindössze 1 nap. Az 55 napos megőrzés a hosszú kontextusú, agentikus alkalmazásoknak fontos — ennyi ideig hivatkozhatsz vissza korábbi interakciókra a szerver oldali állapoton keresztül.
Eléréshez a frissített SDK-k kellenek: a Python oldalon a google-genai 2.3.0+, JavaScripten a @google/genai 2.3.0+. Aki harmadik féltől származó eszközöket használ, jó hír: az API már integrálódik a LiteLLM, az Eigent és az Agno platformokkal is.
Hol vannak a határai? Az őszinte hátrányok
A GA nem jelenti azt, hogy minden funkció kész. Néhány képesség egyelőre hiányzik, és ezt érdemes a tervezésnél figyelembe venni. Jelenleg nincsenek videó-metaadat vezérlők, nincs Batch API a nagy tételű kötegelt feldolgozáshoz, és az explicit caching sem támogatott.
A cache kapcsán fontos a pontosítás: az implicit caching működik — a rendszer automatikusan újrahasznosítja az ismétlődő tartalmat —, de te magad nem jelölheted ki kézzel, mit gyorsítótárazzon. Akinek nagyon kiszámítható, finomhangolt cache-stratégia kell, annak ez korlát lehet.
A Batch API hiánya pedig azt jelenti, hogy ha sok ezer kérést akarsz olcsón, kötegelve lefuttatni, arra egyelőre a legacy generateContent oldalon kell maradnod. Ez a két API átmeneti párhuzamos létezését is indokolja.
Kinek éri meg most váltani?
A legtisztább eset az új projekt: ha most kezdesz Geminire építeni, nincs értelme a legacy végpontról indulni, hiszen az új modellek úgyis csak itt jönnek. A szerver oldali állapot és a háttér-végrehajtás miatt különösen az agentikus, többlépéses alkalmazásoknak éri meg — chatbotok, kutatóasszisztensek, automatizált workflow-k.
A meglévő, stabilan futó generateContent-alapú rendszereknél nincs sürgető kényszer: a Google fenntartja a teljes támogatást. A migrációt akkor érdemes ütemezni, amikor új frontier modellre vagy az új agentképességekre van szükség — ezeket ugyanis a régi végpont már nem kapja meg.
Aki nagy tételű kötegelt feldolgozást vagy explicit cache-vezérlést igényel, az egyelőre maradhat a legacy oldalon, amíg ezek a funkciók meg nem érkeznek az Interactions API-ba.
Mit jelent ez a gyakorlatban egy fejlesztőcsapatnak?
A legtöbb csapat számára a legkézzelfoghatóbb változás a kódmennyiség csökkenése. Korábban egy agentikus alkalmazás összerakásához külön kellett megírni az állapotkezelést, a hosszan futó feladatok várólistáját és a multimodális hívások összefűzését. Az Interactions API ezeket a beépített funkcióival kiváltja.
A szerver oldali állapot különösen a hosszú beszélgetésekben hoz mérhető megtakarítást. Minél hosszabb egy munkamenet, annál nagyobb tételt jelentett eddig a teljes előzmény ismételt elküldése. A previous_interaction_id ezt megszünteti, és a magasabb cache-találati arány közvetlenül a számlán látszik.
A managed agensek és a Linux sandbox-ok pedig azoknak a csapatoknak adnak gyorsítást, amelyek eddig nem mertek belevágni az agentikus fejlesztésbe a komplexitás miatt. A Deep Research Preview kész munkafolyamatként indítható, így a prototípustól a működő demóig vezető út rövidül.
A buktató ott van, hogy a hiányzó funkciók — Batch API, explicit caching, videó-metaadat vezérlők — egy-egy konkrét használati esetnél fájdalmasak lehetnek. Érdemes a tervezés elején ellenőrizni, hogy a projekted nem épp ezekre épülne-e.
5 gyakorlati következtetés fejlesztőknek
- Új projektnél kezdj az Interactions API-val: minden jövőbeli frontier modell ide jön, a legacy végpont nem kapja meg őket.
- Használd a szerver oldali állapotot: a previous_interaction_id kevesebb tokent és olcsóbb futást jelent hosszú beszélgetéseknél.
- Hosszú feladatra tedd háttérbe: a background=True megoldja az aszinkron, percekig futó agens-feladatokat.
- Költségérzékeny projektnél válaszd a Flex szintet: akár 50%-kal csökkenti a számládat a Priority helyett.
- Ne migrálj fejvesztve: ha nincs Batch API-d vagy explicit cache-igényed, a stabil legacy rendszered maradhat, amíg a hiányzó funkciók megérkeznek.
A Google egységesítési húzása a teljes platformot átrendezi
A Gemini Interactions API GA-ja jóval több egy fejlesztői kényelmi frissítésnél. A Google ezzel kijelöli a jövő platformját: egyetlen végpont a modellektől az agentekig, kész sandbox-okkal és médiagenerálással. Az üzenet a fejlesztőknek világos — a régi generateContent még él, de az innováció innentől máshol történik.
A stratégiai tét az ökoszisztéma: minél kevesebb integrációs súrlódás van egy platformon, annál nehezebb onnan elvándorolni. A Google ezzel nemcsak könnyebbé teszi az építést, hanem szorosabban is köti magához a Gemini-re épülő fejlesztőket.
Kapcsolódó elemzésünkben részletesen bemutatjuk az agentikus AI vállalati irányát: OpenAI Frontier: egységes vállalati AI-ágensréteg. A teljes dokumentációt a Google hivatalos fejlesztői oldalán találod. Ha prompt-technikákat is csiszolnál a Geminihez, nézd meg a PromptMester útmutatóit, és iratkozz fel az AI Hírek hírlevelére a friss eszköz-bemutatókért.