Modelos e LLMs

Google libera agentes com Gemini 3.6 Flash e controles de execução

Atualização adiciona hooks para bloquear, revisar e auditar chamadas de ferramentas no sandbox remoto.

Reprodução · Google AI Blog

A Google anunciou em 28 de julho de 2026 novos recursos para seus agentes gerenciados na Gemini API. A atualização coloca o Gemini 3.6 Flash como modelo padrão e adiciona hooks que bloqueiam, revisam ou auditam chamadas de ferramentas dentro de um sandbox isolado na nuvem. O pacote também inclui controles de orçamento, gatilhos agendados e acesso ao nível gratuito. A mudança atende desenvolvedores que usam agentes para executar código, instalar pacotes, gerenciar arquivos e buscar informações na web.

Gemini 3.6 Flash vira o modelo padrão

O agente antigravity-preview-05-2026 passa a usar o Gemini 3.6 Flash por padrão. A Google diz que o desenvolvedor não precisa alterar o código: a próxima interação já adota o novo modelo.

O usuário também pode escolher o modelo pelo campo agent_config.model ao criar uma interação ou um agente gerenciado. A lista inclui o Gemini 3.6 Flash, para raciocínio, programação e uso de ferramentas; o Gemini 3.5 Flash, geração anterior para fluxos gerais; e o Gemini 3.5 Flash-Lite, com menor latência e custo dentro da família Gemini 3.5.

A API concentra várias tarefas em uma única chamada. O runtime coordena raciocínio, execução de código, instalação de pacotes, gerenciamento de arquivos e recuperação na web dentro de um sandbox remoto e isolado.

A atualização amplia uma versão anterior, que já havia recebido tarefas em segundo plano e integração com servidores MCP remotos. A Google mostra exemplos com o SDK @google/genai para TypeScript e JavaScript, além de indicar documentação para Python e cURL.

Hooks colocam regras antes e depois das ferramentas

Os hooks permitem que scripts personalizados rodem antes ou depois de cada chamada de ferramenta feita pelo agente no sandbox. O desenvolvedor configura esses scripts em .agents/hooks.json, usando os eventos pre_tool_execution e post_tool_execution.

O campo matcher aceita expressões regulares. Assim, uma regra pode atingir ferramentas específicas, como code_execution e write_file, ou todas as chamadas com o curinga *.

Um hook anterior à execução pode devolver {"decision": "deny", "reason": "..."}. Nesse caso, o runtime pula a chamada e envia o motivo da rejeição ao contexto do modelo. Um hook posterior pode rodar tarefas como lint e formatação depois que a ferramenta termina.

A configuração também aceita handlers do tipo HTTP, que enviam requisições POST para um endpoint externo. A Google não detalha no anúncio todas as regras para falhas e definições HTTP; ela direciona o leitor à documentação de hooks.

A empresa afirma que equipes já usam o recurso em pipelines de validação para produção. O exemplo citado envolve a OffDeal, banco de investimento descrito pela Google como nativo em inteligência artificial, que usa um hook posterior para verificar imagens dentro do sandbox remoto.

Alston Lin, fundador e diretor de tecnologia da OffDeal, disse que o sistema verifica logos criados para apresentações, incluindo proporção, tamanho, transparência, contraste e identidade da empresa. “Before agent hooks, we couldn’t do this on Gemini’s managed agents”, afirmou Lin, ao explicar que o código de validação não tinha onde rodar antes da chegada dos hooks.

A demonstração sustenta o uso de regras externas para controlar saídas do agente, mas não apresenta métricas de precisão, tempo de execução ou redução de falhas. O anúncio também não informa em quais regiões o nível gratuito está disponível, nem estabelece limites de uso para esse acesso.

Fontes

Google AI BlogModelos e LLMs
Como fazemos: nossa equipe monitora diariamente os repositórios de código aberto em maior alta e produz esta cobertura com apoio de modelos de linguagem, sempre a partir de dados verificados na fonte primária — repositório, documentação oficial e ranking público. Os números de estrelas e a posição no ranking refletem o momento da coleta. Entenda o método.