Gemini Deep Research-Agent verwenden

Vorschau

Dieses Produkt ist eine Vorabversion. Dieses Produkt ist ein Pre-GA-Angebot, das den „Bedingungen für Pre-GA-Angebote“ im Abschnitt „Allgemeine Dienstbedingungen“ der dienstspezifischen Nutzungsbedingungen und den Zusatzbedingungen für Vorschauprodukte auf Basis von generativer KI unterliegt. Pre-GA-Produkte und -Funktionen werden eventuell nur eingeschränkt unterstützt. Änderungen an Pre-GA-Produkten und -Funktionen sind möglicherweise nicht mit anderen Pre-GA-Versionen kompatibel. Weitere Informationen finden Sie unter den Beschreibungen der Startphase.

Pre-GA-Angebote befinden sich in verschiedenen Phasen interner Tests und Überprüfungen. Verwenden Sie daher keine geschützten, sensiblen oder anderen vertraulichen Daten mit diesen Modellen. Diese Modelle werden Kunden ausschließlich für begrenzte Tests und Bewertungen zur Verfügung gestellt und dürfen nicht für kommerzielle oder Produktionszwecke verwendet werden.

Der Gemini Deep Research-Agent ist ein verwalteter KI-Agent, der komplexe, mehrstufige Recherche-Workflows planen, ausführen und zusammenfassen kann. Der auf Gemini basierende Agent kann auf verschiedene Informationsquellen zugreifen, darunter das öffentliche Web und private Unternehmensdaten, um umfassende, zitierte Berichte zu erstellen, die eine fundierte Entscheidungsfindung beschleunigen.

Wenn Sie ein Beispiel für die Verwendung des Gemini Deep Research-Agents sehen möchten, führen Sie das Notebook „Introduction to Gemini Deep Research Agent“ in einer der folgenden Umgebungen aus:

In Colab öffnen | In Colab Enterprise öffnen | In Agent Platform Workbench öffnen | Auf GitHub ansehen

Auf dieser Seite wird beschrieben, wie Sie den Gemini Deep Research-Agenten verwenden, einschließlich seiner wichtigsten Funktionen und Einschränkungen, wie Sie eine Rechercheaufgabe starten und wie Sie Zeitüberschreitungen und Fehlerbehandlung handhaben.

Wann sollte Deep Research verwendet werden?

Deep Research ist ein Agent, nicht nur ein Modell. Sie eignet sich am besten für Arbeitslasten, die einen asynchronen Analyseansatz anstelle von Chat mit geringer Latenz ermöglichen.

Berücksichtigen Sie bei der Planung Ihres Projekts die folgenden Stärken von Deep Research:

• Iterativer Prozess: Im Gegensatz zu Standard-Chatmodellen, die sofortige Antworten generieren, folgt Deep Research einem methodischen, mehrstufigen Workflow: Planen > Suche aus mehreren Quellen > Iterieren > Ausgeben.

• Erweiterte Arbeitslasten: Deep Research wurde speziell für komplexe Aufgaben wie Due-Diligence-Prüfung, Marktanalyse und Wettbewerbsanalyse entwickelt.

• Umfassende Datenbasis: Der Gemini Deep Research-Agent kann gleichzeitig verschiedene Datenquellen analysieren. Dazu gehören Remote-MCP-Server, internes institutionelles Wissen und direkter Kontext aus hochgeladenen Dateien oder Ordnern.

• Ausgereifte Berichte: Das Tool erstellt umfassende Berichte mit Quellenangaben, die auch präsentationsfertige Grafiken enthalten können. Dazu gehören Finanzdiagramme, Inline-Infografiken und Matrizen zur Marktpositionierung, die mit HTML und einem Bildmodell generiert werden.

• Hohe Steuerbarkeit: Sie können die endgültige Ausgabe direkt in Ihrem Prompt anpassen. Dazu gehört, einen bestimmten Ton festzulegen (z. B. technisch oder für Führungskräfte), strenge Formate zu definieren oder strukturierte Datentabellen anzufordern.

In der folgenden Tabelle wird der Gemini Deep Research Agent anhand verschiedener Messwerte mit Standard-Gemini-Modellen verglichen, darunter Latenz, Ausgaben und die jeweiligen Anwendungsbereiche:

Funktion	Standard-Gemini-Modelle	Gemini Deep Research-Agent
Latenz	Sekunden	Minuten
Prozess	Generieren → Ausgabe	Plan → Suche aus mehreren Quellen → Wiederholung → Ausgabe
Ausgabe	Text und Code im Konversationsstil	Detaillierte, zitierte Berichte mit Inline-Diagrammen und ‑Bildern
Optimal für	Chatbots, Informationsgewinnung, Zusammenfassung	Marktanalyse, detaillierte Recherche, Wettbewerbsanalyse

Hauptmerkmale

Deep Research bietet die folgenden Funktionen:

• Fundierung auf mehreren Quellen, darunter:
  • Remote-MCP-Server
  • Fundierung mit Agent Search
  • Fundierung mit der Google Suche oder Web-Fundierung für Unternehmen, die auf strengen Datenschutz- und Filterstandards basieren, die für Unternehmensarbeitslasten geeignet sind
  • Inline-Uploads von Dateien und Ordnern (z. B. PDFs und Tabellen), damit Sie dem Recherche-Workflow direkt Kontext hinzufügen und Zitationen erhalten können
• Bild- und Diagrammausgaben: Detaillierte Berichte mit präsentationsfertigen Assets wie Inline-Infografiken, Matrixdiagrammen zur Marktpositionierung und Diagrammen zur finanziellen Leistung erstellen
• Inline-Quellenangaben

Deep Research verwenden

Sie können über den globalen Endpunkt (v1beta1) auf den Gemini Deep Research-Agenten zugreifen. Dazu können Sie entweder das Google Gen AI SDK oder direkte REST API-Anfragen verwenden. Ein Beispiel für die Verwendung finden Sie im Notebook „Introduction to Gemini Deep Research Agent“ auf GitHub.

Hinweis

Melden Sie sich in Ihrem Google Cloud -Konto an. Wenn Sie mit Google Cloudnoch nicht vertraut sind, erstellen Sie einfach ein Konto, um die Leistungsfähigkeit unserer Produkte in der Praxis sehen und bewerten zu können. Neukunden erhalten außerdem ein Guthaben von 300 $, um Arbeitslasten auszuführen, zu testen und bereitzustellen.
In the Google Cloud console, on the project selector page, select or create a Google Cloud project.
Roles required to select or create a project
• Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
• Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.
Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.
Go to project selector
Verify that billing is enabled for your Google Cloud project.
Enable the Agent Platform API, if it is not already enabled.
Roles required to enable APIs
To enable APIs, you need the serviceusage.services.enable permission. If you created the project, then you likely already have this permission through the Owner role (roles/owner). Otherwise, you can get this permission through the Service Usage Admin role (roles/serviceusage.serviceUsageAdmin). Learn how to grant roles.
Enable the API
Make sure that you have the following role or roles on the project: roles/aiplatform.user, roles/serviceusage.serviceUsageConsumer
Check for the roles
1. In the Google Cloud console, go to the IAM page.

   Go to IAM
2. Select the project.

3. In the Principal column, find all rows that identify you or a group that you're included in. To learn which groups you're included in, contact your administrator.

4. For all rows that specify or include you, check the Role column to see whether the list of roles includes the required roles.
Grant the roles
1. In the Google Cloud console, go to the IAM page.

   Go to IAM
2. Select the project.
3. Click Grant access.

4. In the New principals field, enter your user identifier. This is typically the email address for a Google Account.

5. Click Select a role, then search for the role.
6. To grant additional roles, click Add another role and add each additional role.
7. Click Save.

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Roles required to select or create a project

• Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
• Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

Verify that billing is enabled for your Google Cloud project.

Enable the Agent Platform API, if it is not already enabled.

Roles required to enable APIs

To enable APIs, you need the serviceusage.services.enable permission. If you created the project, then you likely already have this permission through the Owner role (roles/owner). Otherwise, you can get this permission through the Service Usage Admin role (roles/serviceusage.serviceUsageAdmin). Learn how to grant roles.

Enable the API

Make sure that you have the following role or roles on the project: roles/aiplatform.user, roles/serviceusage.serviceUsageConsumer

Check for the roles

1. In the Google Cloud console, go to the IAM page.

   Go to IAM
2. Select the project.

3. In the Principal column, find all rows that identify you or a group that you're included in. To learn which groups you're included in, contact your administrator.

4. For all rows that specify or include you, check the Role column to see whether the list of roles includes the required roles.

Grant the roles

1. In the Google Cloud console, go to the IAM page.

   Go to IAM
2. Select the project.
3. Click Grant access.

4. In the New principals field, enter your user identifier. This is typically the email address for a Google Account.

5. Click Select a role, then search for the role.
6. To grant additional roles, click Add another role and add each additional role.
7. Click Save.

Deep Research-Aufgabe starten

Rechercheaufgaben erfordern iteratives Suchen und Lesen und können mehrere Minuten in Anspruch nehmen. Sie müssen den Gemini Deep Research-Agenten asynchron ausführen, indem Sie background auf True festlegen.

Sie können den Gemini Deep Research-Agent mit oder ohne Streaming verwenden:

• Polling (nicht streamend): Legen Sie background=True (und optional stream=False) fest. Die API gibt sofort ein Interaction-Objekt zurück. Sie können die Eigenschaft id verwenden, um die Interaktion abzufragen, bis der Status von in_progress zu completed oder failed wechselt.
• Streaming: Legen Sie background=True und stream=True fest, um Echtzeit-Updates zu erhalten, während die Recherche läuft. Weitere Informationen finden Sie unter Streaming.

Sie können den Agent auch so konfigurieren, dass er den aufgeschobenen Tarif verwendet. Dabei werden Hintergrundjobs automatisch für die Nebenzeiten geplant und Sie erhalten einen Rabatt von 50 %. Wenn Sie die verzögerte Stufe verwenden möchten, muss stream beim Erstellen der Aufgabe auf False festgelegt werden.

Python

import time
from google import genai

client = genai.Client(enterprise=True, project="PROJECT_ID", location="global")

interaction = client.interactions.create(
  input="Analyze competitive positioning for solar energy providers.",
  agent="deep-research-preview-04-2026",
  background=True,
  stream=False,
  service_tier="deferred"
)

print(f"Research started: {interaction.id}")

while True:
  interaction = client.interactions.get(interaction.id)
  if interaction.status == "completed":
    print(interaction.steps[-1].content[0].text)
    break
  elif interaction.status == "failed":
    print(f"Research failed: {interaction.error}")
    break
  time.sleep(10)
      

REST

PROJECT_ID=PROJECT_ID;
curl --max-time 3600 --keepalive-time 10 -X POST \
    -H "Authorization: Bearer $(gcloud auth print-access-token)" \
    -H "Content-Type: application/json" \
    "https://aiplatform.googleapis.com/v1beta1/projects/${PROJECT_ID}/locations/global/interactions" \
    -d '{
      "input": "Research the history of Google TPUs.",
      "agent": "deep-research-preview-04-2026",
      "background": true,
      "stream": false,
      "service_tier": "deferred"
    }'

Die API gibt sofort ein interaction_id zurück. Sie können diese ID verwenden, um den Status abzufragen oder die Verbindung zu einem Stream wiederherzustellen.

Streaming

Deep Research unterstützt Streaming, um Echtzeit-Updates zum Forschungsfortschritt zu erhalten, einschließlich Zusammenfassungen der Gedanken, Textausgabe und generierter Bilder. Wenn Sie Streaming verwenden, legen Sie background=True und stream=True fest.

Im folgenden Beispiel wird eine Rechercheaufgabe gestartet und der Stream mit automatischer Wiederverbindung verarbeitet. Es werden die interaction_id und last_event_id erfasst, sodass die Verbindung bei einem Abbruch an der Stelle fortgesetzt werden kann, an der sie unterbrochen wurde.

from google import genai

client = genai.Client(enterprise=True, project="PROJECT_ID", location="global")

interaction_id = None
last_event_id = None
is_complete = False

def process_stream(stream):
  global interaction_id, last_event_id, is_complete
  for event in stream:
    if event.event_type == "interaction.created":
      interaction_id = event.interaction.id
    if event.event_id:
      last_event_id = event.event_id
    if event.event_type == "step.delta":
      if event.delta.type == "text":
        print(event.delta.text, end="", flush=True)
      elif event.delta.type == "thought":
        print(f"Thought: {event.delta.text}", flush=True)
    elif event.event_type in ("interaction.completed", "error"):
      is_complete = True

stream = client.interactions.create(
  input="Research the history of Google TPUs.",
  agent="deep-research-preview-04-2026",
  background=True,
  stream=True,
  agent_config={"type": "deep-research", "thinking_summaries": "auto"},
)

process_stream(stream)

while not is_complete and interaction_id:
  status = client.interactions.get(interaction_id)
  if status.status != "in_progress":
    break
  stream = client.interactions.get(
    id=interaction_id, stream=True, last_event_id=last_event_id,
  )
  process_stream(stream)

Verbindung zum Interaktionsstream wiederherstellen

Wenn Sie einen unterbrochenen Stream wiederherstellen möchten, senden Sie eine GET-Anfrage mit dem ursprünglichen interaction_id. Die API gibt alle vergangenen Ereignisse seit Beginn der Sitzung wieder, bevor sie mit Echtzeit-Updates fortfährt.

Python

response = client.interactions.get(
  id = 'INTERACTION_ID',
  stream=True
)
for chunk in response:
  print(chunk)
      

REST

PROJECT_ID=PROJECT_ID;
INTERACTION_ID=INTERACTION_ID

curl -X GET \
    -H "Authorization: Bearer $(gcloud auth print-access-token)" \
    -H "Content-Type: application/json" \
    "https://aiplatform.googleapis.com/v1beta1/projects/${PROJECT_ID}/locations/global/interactions/${INTERACTION_ID}"

Tools

Deep Research unterstützt mehrere integrierte und externe Tools. Standardmäßig (wenn kein „tools“-Parameter angegeben ist) hat der Agent Zugriff auf die Google Suche und den URL-Kontext. Sie können Tools explizit angeben, um die Funktionen des KI-Agenten einzuschränken oder zu erweitern. Zu den unterstützten Tools gehören:

Tool	Schlüssel	Notiz
Google Suche	google_search	Im öffentlichen Web suchen Standardmäßig aktiviert.
MCP-Server	mcp_server	Verbindung zu Remote-MCP-Servern für den Zugriff auf externe Tools herstellen
Websuche für Unternehmen	enterprise_web_search	Websuche mit zusätzlichen Compliance-Kontrollen.
Agentensuche	vertex_ai_search	Website-Daten oder Dokumentensammlungen durchsuchen

Google Suche

Wenn Sie die Google Suche als einziges Tool aktivieren, gehen Sie so vor:

interaction = client.interactions.create(
  agent="deep-research-preview-04-2026",
  input="What are the latest developments in quantum computing?",
  tools=[{"type": "google_search"}],
  background=True,
  stream=True
)

MCP-Server

Geben Sie den Servernamen und die URL in der Toolkonfiguration an. Sie können auch Anmeldedaten übergeben und einschränken, welche Tools der Agent aufrufen kann.

Weitere Informationen finden Sie in der folgenden Referenz:

Feld	Typ	Erforderlich	Beschreibung
type	String	Ja	Muss "mcp_server" lauten.
name	String	Nein	Ein Anzeigename für den MCP-Server.
url	String	Nein	Die vollständige URL für den MCP-Serverendpunkt.
headers	Objekt	Nein	Schlüssel/Wert-Paare, die mit jeder Anfrage an den Server als HTTP-Header gesendet werden (z. B. Authentifizierungstokens).
allowed_tools	Array	Nein	Einschränken, welche Tools vom Server aufgerufen werden dürfen.

Sehen Sie sich folgendes Beispiel an:

interaction = client.interactions.create(
  agent="deep-research-preview-04-2026",
  input="How to deploy an app to Cloud Run on Google Cloud?",
  tools=[
    {
      "type": "mcp_server",
      "name": "Google Cloud Developer Knowledge",
      "url": "https://developerknowledge.googleapis.com/mcp",
      "headers": {"Authorization": "Bearer token"},
    }
  ],
  background=True,
  stream=True
)

Websuche für Unternehmen

Mit der Enterprise-Websuche können Organisationen generative KI-Antworten auf sicheren, konformen und aktuellen Webdaten basieren lassen. So können Entwickler und Unternehmen KI-Modelle mit dem Internet verbinden, ohne den Datenschutz oder die Einhaltung regulatorischer Anforderungen zu beeinträchtigen.

Sehen Sie sich folgendes Beispiel an:

interaction = client.interactions.create(
  agent="deep-research-preview-04-2026",
  input="Research on the latest trend on AI",
  tools=[
    {
      "type": "google_search",
      "search_type": ["enterprise_web_search"],
    }
  ],
  background=True,
  stream=True
)

Multimodale Eingaben

Deep Research unterstützt multimodale Eingaben, einschließlich Bilder und Dokumente (PDFs). So kann der Agent visuelle Inhalte analysieren und webbasierte Recherchen durchführen, die durch die bereitgestellten Eingaben kontextualisiert werden.

Sehen Sie sich folgendes Beispiel an:

prompt = """
Analyze the interspecies dynamics and behavioral risks present
in the provided image of the African watering hole. Specifically, investigate
the symbiotic relationship between the avian species and the pachyderms
shown, and conduct a risk assessment for the reticulated giraffes based on
their drinking posture relative to the specific predator visible in the
foreground.
"""

interaction = client.interactions.create(
  input=[
    {"type": "text", "text": prompt},
    {
      "type": "image",
      "uri": "https://storage.googleapis.com/generativeai-downloads/images/generated_elephants_giraffes_zebras_sunset.jpg"
    }
  ],
  agent="deep-research-preview-04-2026",
  background=True,
  stream=True
)

print(f"Research started: {interaction.id}")

while True:
  interaction = client.interactions.get(interaction.id)
  if interaction.status == "completed":
    print(interaction.steps[-1].content[0].text)
    break
  elif interaction.status == "failed":
    print(f"Research failed: {interaction.error}")
    break
  time.sleep(10)

Verständnis von Dokumenten

Sie können Dokumente direkt als multimodalen Input übergeben. Der Agent analysiert die bereitgestellten Dokumente und führt auf deren Grundlage Recherchen durch.

Sehen Sie sich folgendes Beispiel an:

interaction = client.interactions.create(
  agent="deep-research-preview-04-2026",
  input=[
    {"type": "text", "text": "What is this document about?"},
    {
      "type": "document",
      "uri": "https://arxiv.org/pdf/1706.03762",
      "mime_type": "application/pdf",
    },
  ],
  background=True,
  stream=True
)

Steuerbarkeit und Formatierung

Sie können die Ausgabe des Agenten steuern, indem Sie in Ihrem Prompt bestimmte Formatierungsanweisungen angeben. So können Sie Berichte in bestimmte Abschnitte und Unterabschnitte unterteilen, Datentabellen einfügen oder den Tonfall für verschiedene Zielgruppen anpassen, z. B. „technisch“, „führungskräfteorientiert“ oder „informell“.

Definieren Sie die Ausgabe explizit in Ihrem Eingabetext. Sehen Sie sich folgendes Beispiel an:

prompt = """
Research the competitive landscape of EV batteries.

Format the output as a technical report with the following structure:
1. Executive Summary
2. Key Players (Must include a data table comparing capacity and chemistry)
3. Supply Chain Risks
"""

interaction = client.interactions.create(
    input=prompt,
    agent="deep-research-preview-04-2026",
    background=True,
    stream=True
)

API-Referenz

In diesem Abschnitt finden Sie API-Referenzinformationen zur Verwendung des Gemini Deep Research-Agenten.

Weitere Informationen finden Sie unter Interactions API.

Methode: interactions.create

Vollständiger Name:projects.locations.interactions.create

Startet eine neue Deep Research-Sitzung.

Endpunkt

Beitrag https://aiplatform.googleapis.com/v1beta1/{parent}/interactions

Parameter des Anfragetexts

Parameter für den Anfragetext können Folgendes umfassen:

Parameter	Typ	Beschreibung
agent	string	Erforderlich. Gibt den Code der Agent-ID an, z. B. deep-research-preview-04-2026.
background	boolean	Erforderlich. Führt die Interaktion asynchron aus. Muss auf true festgelegt sein.
stream	boolean	Optional. Ermöglicht das Streaming. Die Standardeinstellung ist false.
input	array oder string	Erforderlich. Eine Liste mit Nutzereingaben. Es wird nur ein einzelnes Objekt unterstützt.
tools	array	Überschreibt die Standardtools. Unterstützt google_search, external_data_mcp, vertex_search usw.
service_tier	string	Auf deferred festgelegt, um die aufgeschobene Stufe zu verwenden, in der Hintergrundjobs automatisch für die Nebenzeiten geplant werden.

Timeouts und Fehlerbehandlung

Bei der Interaktion mit einem Agenten können Verbindungszeitüberschreitungen oder Systemfehler auftreten. In diesem Abschnitt wird erläutert, wie Sie Soft-Timeouts und Hard-Fehler erkennen und beheben.

Soft-Timeouts

Ein Soft-Timeout tritt auf, wenn die Verbindung zur Interactions API unterbrochen wird, während der Agent noch eine Anfrage verarbeitet. Der KI-Agent führt die Anfrage im Hintergrund weiter aus.

Wenn du die Sitzung fortsetzen und wiedergegebene Ereignisse ansehen möchtest, stelle mit deinem interaction_id eine neue Verbindung zum Stream her. Weitere Informationen finden Sie unter Wiederverbindung mit dem Interaktionsstream.

Schwere Fehler

Ein schwerwiegender Fehler tritt auf, wenn der Agentkontext durch einen Agent- oder internen Systemfehler vollständig beendet wird. Diese Fehler geben in der Regel den Statuscode HTTP 500 zurück. Häufige Ursachen sind das Überschreiten des Ausführungslimits von 120 Minuten oder ein Systemfehler.

Um diesen Fehler zu beheben, beenden Sie die aktuelle Sitzung und optimieren Sie Ihre Anfrage, bevor Sie eine neue Sitzung starten.

Best Practices

Wenn Sie einem autonomen Agent Zugriff auf das Web und Ihre Dateien gewähren, ergeben sich daraus einzigartige Dynamiken. Beachten Sie bei der Umsetzung Ihres Projekts die folgenden Best Practices:

• Nach Unbekannten fragen: Weisen Sie den Agenten explizit an, wie er mit fehlenden Daten umgehen soll. Sie können beispielsweise festlegen, dass keine Schätzungen vorgenommen werden sollen, sondern dass angegeben werden soll, wenn eine Zahl nicht verfügbar ist.

• Risiken durch Prompt-Injection vermeiden: Achten Sie darauf, dass hochgeladene Dateien aus vertrauenswürdigen Quellen stammen, da schädliche Dateien verborgenen Text enthalten können, der die Ausgabe eines Agenten manipulieren soll.

• Datenexfiltration vermeiden: Seien Sie äußerst vorsichtig, wenn Sie den Agenten bitten, sensible interne Daten zusammenzufassen und ihm gleichzeitig Zugriff auf das öffentliche Web gewähren.

• Zitate überprüfen: Obwohl Filter auf Unternehmensniveau angewendet werden, sollten Sie die in der Antwort angegebenen Zitate immer überprüfen, um sicherzustellen, dass die Webquellen seriös sind.

Beschränkungen

Beachten Sie beim Planen Ihres Projekts die folgenden Einschränkungen:

• Nur einmalige Anfragen: Es werden nur einmalige Anfragen unterstützt. Die Verwendung des Felds previous_interaction_id der API wird nicht unterstützt.

• Sicherheit auf Unternehmensniveau: Während der Vorschau werden kundenverwaltete Verschlüsselungsschlüssel (Customer-Managed Encryption Keys, CMEK) und VPC Service Controls nicht unterstützt. Einschränkungen für den Datenstandort in mehreren Regionen werden geprüft.

• Caching: Das implizite Caching ist für diesen Dienst standardmäßig aktiviert. Sie kann nicht deaktiviert werden.

• Datenaufbewahrung: Prompts und generierte Ausgaben werden für die Standardverarbeitung sieben Tage lang gespeichert. Wenn Sie die Fundierung mit der Google Suche verwenden, speichert Google Prompts, Kontextinformationen und generierte Ausgaben drei Tage lang zu Debugging- und Testzwecken. Wenn Sie Fundierung mit der Google Suche verwenden, können Sie das Speichern dieser Informationen nicht deaktivieren. Wenn Sie keine Datenaufbewahrung benötigen, empfiehlt es sich, die Fundierung mit der Enterprise Web Search zu verwenden.

Preise

Deep Research nutzt die fortschrittlichen Funktionen zum logischen Schlussfolgern von Gemini, um mehrstufige agentische Rechercheaufgaben auszuführen. Die Abrechnung umfasst die Modellnutzung (Tokens) und die Ausführung von Tools (Suche und Fundierung).

Für Hintergrundjobs können Sie das aufgeschobene Kontingent verwenden, um einen Rabatt zu erhalten.

Weitere Informationen finden Sie unter Preise.

Kosten-Tracking

Standardmäßig wendet der Gemini Deep Research-Agent automatisch das Nutzerlabel is_deep_research auf seine Vorgänge an. In Google Cloudsind Labels einfache Schlüssel/Wert-Paare, mit denen Sie Ressourcen organisieren und Kosten in Ihrer Infrastruktur nachverfolgen können.

• Automatisches Labeling: Sie müssen dieses Label nicht manuell in Ihren API-Anfragen konfigurieren. Der Agent enthält das Label is_deep_research standardmäßig für alle ausgeführten Aufgaben.

• Abrechnungsfilter: Deep Research-Abrechnungsberichte können mit dem Abrechnungslabel is_deep_research gefiltert werden.

• Umfassendes Tracking: Das Abrechnungslabels is_deep_research wird sowohl für die Modellnutzung (Eingabe- und Ausgabetokens) als auch für die Tool-Ausführung (Nutzung von Suche und Fundierung) angewendet. So können Sie die Gesamtkosten Ihrer asynchronen Recherche-Workflows zusammenfassen und berechnen.

Hinweis :Weitere Informationen zu Strategien für die Verwendung von Labels zur Ressourcenorganisation und Kostenzuordnung in Ihrer Google Cloud Umgebung finden Sie in der Resource Manager-Dokumentation zu Labels.

Kontingent

Um mehr Traffic, gleichzeitige Hintergrundaufgaben oder höhere Forschungsanforderungen zu bewältigen, können Sie eine Kontingenterhöhung für die Agent Platform API direkt in Ihrem Google Cloud -Projekt anfordern.

So erhöhen Sie Ihr Kontingent:

1. Rufen Sie in der Google Cloud Console die Seite Kontingente und Systemlimits auf.

   Zur Seite „Kontingente und Systemlimits“

2. Achten Sie darauf, dass Sie das richtige Projekt ausgewählt haben, in dem Ihre Deep Research-Arbeitslasten ausgeführt werden.

3. Suchen Sie im Filterfeld nach Agent Platform API (aiplatform.googleapis.com), um die relevanten Agent- und Interaktionskontingente zu finden.

4. Wählen Sie das spezifische Kontingentlimit aus, das Sie anpassen möchten.

5. Klicken Sie auf Kontingente bearbeiten.

6. Geben Sie im Dialogfeld Kontingentänderungen im Feld Neuer Wert das gewünschte Limit ein. Geben Sie in der Anforderungsbeschreibung eine klare Begründung an. Wenn Sie Ihren spezifischen Deep Research-Anwendungsfall, die Anforderungen an die Hintergrundausführung und die erwarteten Trafficmuster angeben, kann dies den Genehmigungsprozess beschleunigen.

7. Klicken Sie auf Anfrage senden.

Hinweis: Die Bearbeitung von Anfragen zur Kontingenterhöhung dauert in der Regel einige Arbeitstage. Wir empfehlen dringend, die Nutzung im Blick zu behalten und proaktiv Anträge auf Erhöhung zu stellen, bevor die Produktion gestartet wird oder mit Nutzungsspitzen zu rechnen ist.

Compliance und Sicherheit

In diesem Abschnitt wird erläutert, wie Ihre Daten aufbewahrt und im Cache gespeichert werden. Außerdem werden die Sicherheitskontrollen aufgeführt, die während der Vorschau nicht unterstützt werden.

Datenaufbewahrung

Prompts und generierte Ausgaben werden für die Standardverarbeitung sieben (7) Tage lang gespeichert.

Wie in Abschnitt 19 „Generative KI-Dienste: Fundierung mit der Google Suche“ der dienstspezifischen Nutzungsbedingungen beschrieben, speichert Google Prompts und Kontextinformationen, die Kunden bereitstellen, sowie generierte Ausgaben für drei (3) Tage, um fundierte Ergebnisse und Suchvorschläge zu erstellen. Diese gespeicherten Informationen können für das Debugging und Testen von Systemen verwendet werden, die die Fundierung mit der Google Suche unterstützen. Wenn Sie Grounding mit der Google Suche verwenden, können Sie das Speichern dieser Informationen nicht deaktivieren. Wenn Sie keine Datenaufbewahrung benötigen, empfehlen wir Web Grounding for Enterprise.

Caching

Implizites Caching ist für Deep Research standardmäßig aktiviert und kann nicht deaktiviert werden.

Sicherheitskontrollen

Die folgenden Sicherheitskontrollen werden während der Vorabversion nicht unterstützt:

• Kundenverwaltete Verschlüsselungsschlüssel (CMEK, Customer-Managed Encryption Keys)
• VPC Service Controls (VPC-SC)
• Access Transparency (AXT)
• Datenstandort
• Datenstandort in mehreren Regionen

Nächste Schritte

Referenz

Interactions API-Referenz

Informationen zur Interactions API, mit der Sie mit einem Agent interagieren können

Tutorial

Notebook: Einführung in den Gemini Deep Research-Agent

Hier finden Sie ein Python-Notebook für Deep Research auf GitHub.