Usa el agente de Deep Research de Gemini

Vista previa

Este producto está disponible en versión preliminar. Este producto es una oferta previa a la DG, sujeta a las "Condiciones de la oferta previa a la DG" de la sección Condiciones Generales del Servicio de las Condiciones Específicas del Servicio y las Condiciones Adicionales para Productos de IA Generativa en Versión Preliminar. Los productos y las características anteriores a la DG pueden tener asistencia limitada, y los cambios en estos productos y características podrían no ser compatibles con otras versiones a la fase previa a la DG. Para obtener más información, consulta las descripciones de la etapa de lanzamiento.

Las ofertas previas a la DG se encuentran en varias etapas de pruebas y revisiones internas. Por lo tanto, no uses datos de propiedad, sensibles ni otros datos confidenciales con estos modelos. Estos modelos se ponen a disposición de los Clientes únicamente para pruebas y evaluaciones limitadas, y no se pueden usar con fines comerciales o de producción.

El agente de Deep Research de Gemini es un agente de IA administrado diseñado para planificar, ejecutar y sintetizar flujos de trabajo de investigación complejos de varios pasos. Con la tecnología de Gemini, el agente navega por diversos entornos de información, incluidos la Web pública y los datos empresariales privados, para generar informes completos con citas que aceleran la toma de decisiones fundamentadas.

Para ver un ejemplo de cómo usar el agente de Deep Research de Gemini, ejecuta el notebook "Introducción al agente de Deep Research de Gemini" en uno de los siguientes entornos:

Abrir en Colab | Abrir en Colab Enterprise | Abrir en Agent Platform Workbench | Ver en GitHub

En esta página, se explica cómo usar el agente de Deep Research de Gemini, incluidas sus capacidades y limitaciones clave, cómo iniciar una tarea de investigación y cómo controlar los tiempos de espera y el manejo de errores.

Cuándo utilizar Deep Research

Deep Research es un agente, no solo un modelo. Es más adecuado para cargas de trabajo que permiten un enfoque de análisis asíncrono en lugar de un chat de baja latencia.

Ten en cuenta las siguientes fortalezas de Deep Research cuando planifiques tu proyecto:

• Proceso iterativo: En lugar de generar respuestas instantáneas como los modelos de chat estándar, Deep Research sigue un flujo de trabajo metódico y de varios pasos: Planificar > Búsqueda de varias fuentes > Iterar > Resultado.

• Cargas de trabajo avanzadas: Deep Research está diseñado específicamente para controlar tareas complejas, como la diligencia debida, el análisis de mercado y el panorama competitivo.

• Fundamentación de datos exhaustiva: El agente de Deep Research de Gemini puede razonar sobre varias fuentes de datos de forma simultánea. Esto incluye servidores de MCP remotos, conocimiento institucional interno y contexto directo de los archivos o carpetas subidos.

• Informes pulidos: Produce informes completos con citas que pueden incluir elementos visuales listos para presentaciones. Estos incluyen gráficos financieros, infografías intercaladas y matrices de posicionamiento en el mercado, que se generan con HTML y un modelo de imagen.

• Alta capacidad de control: Puedes personalizar en gran medida el resultado final directamente en tu instrucción. Esto incluye establecer un tono específico (por ejemplo, técnico o ejecutivo), definir formatos estrictos o solicitar tablas de datos estructurados.

En la siguiente tabla, se compara el agente de Deep Research de Gemini con los modelos de Gemini estándar en varias métricas diferentes, incluidas la latencia, los resultados y para qué es mejor cada uno:

Función	Modelos de Gemini estándar	Agente de Deep Research de Gemini
Latencia	Segundos	Minutos
Proceso	Generar → Resultado	Planificación → Búsqueda en varias fuentes → Iteración → Resultado
Salida	Texto y código de estilo conversacional	Informes detallados con citas, gráficos e imágenes intercalados
Ideal para	Chatbots, extracción de información, resúmenes	Análisis de mercado, investigación exhaustiva, panorama competitivo

Funciones clave

Deep Research incluye las siguientes funciones y capacidades:

• Fundamentación en múltiples fuentes, incluidas las siguientes:
  • Servidores de MCP remotos
  • Fundamentación con Agent Search
  • Fundamentación con la Búsqueda de Google o Fundamentación web para empresas, que están respaldadas por estándares estrictos de privacidad y filtrado adecuados para las cargas de trabajo empresariales
  • Cargas de archivos y carpetas intercaladas (como PDFs y hojas de cálculo), lo que te permite agregar contexto directamente en el flujo de trabajo de investigación y obtener citas
• Resultados de imágenes y gráficos: Genera informes detallados que contengan recursos listos para la presentación, como infografías intercaladas, gráficos de matriz de posicionamiento en el mercado y gráficos de rendimiento financiero.
• Citas intercaladas

Cómo usar Deep Research

Puedes acceder al agente de Deep Research de Gemini con el extremo global (v1beta1) a través del SDK de IA generativa de Google o solicitudes directas a la API de REST. Para ver un ejemplo de uso, consulta el notebook Introducción al agente de Deep Research de Gemini en GitHub.

Antes de comenzar

Accede a tu cuenta de Google Cloud . Si eres nuevo en Google Cloud, crea una cuenta para evaluar el rendimiento de nuestros productos en situaciones reales. Los clientes nuevos también obtienen $300 en créditos gratuitos para ejecutar, probar y, además, implementar cargas de trabajo.
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 Gemini Enterprise 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 Gemini Enterprise 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.

Cómo iniciar una tarea de Deep Research

Las tareas de investigación implican búsquedas y lecturas iterativas, y pueden tardar varios minutos en completarse. Debes ejecutar el agente de Deep Research de Gemini de forma asíncrona estableciendo background en True.

Puedes usar el agente de Deep Research de Gemini con o sin transmisión:

• Sondeo (sin transmisión): Configura background=True (y, de manera opcional, stream=False). La API devuelve un objeto Interaction de inmediato. Puedes usar la propiedad id para sondear la interacción hasta que el estado cambie de in_progress a completed o failed.
• Transmisión: Establece background=True y stream=True para recibir actualizaciones en tiempo real a medida que avanza la investigación. Para obtener más información, consulta Transmisión.

También puedes configurar el agente para que use el nivel diferido, que programa automáticamente los trabajos en segundo plano para las horas de menor actividad con una tarifa de descuento del 50%. Para usar el nivel diferido, se debe establecer stream en False durante la creación de la tarea.

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"
    }'

La API devuelve un interaction_id de inmediato. Puedes usar este ID para sondear el estado o volver a conectarte a una transmisión.

Transmisión

Deep Research admite la transmisión para recibir actualizaciones en tiempo real sobre el progreso de la investigación, incluidos resúmenes de ideas, resultados de texto e imágenes creadas con tecnología generativa. Cuando uses la transmisión, configura background=True y stream=True.

En el siguiente ejemplo, se inicia una tarea de investigación y se procesa la transmisión con reconexión automática. Realiza un seguimiento de interaction_id y last_event_id para que, si se interrumpe la conexión, pueda reanudarse desde donde se detuvo.

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)

Vuelve a conectarte a la transmisión de interacción

Para recuperar una transmisión descartada, envía una solicitud GET con el interaction_id original. La API volverá a reproducir todos los eventos pasados desde el inicio de la sesión antes de continuar con las actualizaciones en tiempo real.

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}"

Herramientas

Deep Research admite varias herramientas integradas y externas. De forma predeterminada (cuando no se proporciona ningún parámetro de herramientas), el agente tiene acceso a la Búsqueda de Google y al contexto de URL. Puedes especificar herramientas de forma explícita para restringir o extender las capacidades del agente. Entre las herramientas compatibles, se incluyen las siguientes:

Herramienta	Clave	Nota
Búsqueda de Google	google_search	Buscar en la Web pública Habilitada de forma predeterminada.
Servidores de MCP	mcp_server	Conectarse a servidores de MCP remotos para acceder a herramientas externas
Fundamentación web para empresas	enterprise_web_search	Búsqueda web con controles de cumplimiento adicionales.
Agent Search en Gemini Enterprise Agent Platform	vertex_ai_search	Busca en los datos de tu sitio web o en tus conjuntos de documentos.

Búsqueda de Google

Lo siguiente habilita la Búsqueda de Google como la única herramienta:

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
)

Servidores de MCP

Proporciona el nombre y la URL del servidor en la configuración de las herramientas. También puedes pasar credenciales de autenticación y restringir las herramientas a las que puede llamar el agente.

Consulta la siguiente referencia:

Campo	Tipo	Obligatorio	Descripción
type	cadena	Sí	Debe ser "mcp_server".
name	cadena	No	Es un nombre visible para el servidor de MCP.
url	cadena	No	La URL completa del extremo del servidor de MCP.
headers	objeto	No	Son pares clave-valor que se envían como encabezados HTTP con cada solicitud al servidor (por ejemplo, tokens de autenticación).
allowed_tools	array	No	Restringe las herramientas del servidor a las que puede llamar el agente.

Consulta el siguiente ejemplo:

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
)

Fundamentación web para empresas

La Fundamentación web para empresas permite que las organizaciones fundamenten las respuestas de la IA generativa en datos web seguros, conformes y actualizados. Permite que los desarrolladores y las empresas conecten modelos de IA a Internet sin comprometer la privacidad de los datos ni el cumplimiento de reglamentaciones.

Consulta el siguiente ejemplo:

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
)

Entradas multimodales

Deep Research admite entradas multimodales, incluidas imágenes y documentos (PDF), lo que permite que el agente analice contenido visual y realice investigaciones basadas en la Web contextualizadas por las entradas proporcionadas.

Consulta el siguiente ejemplo:

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)

Comprensión de documentos

Puedes pasar documentos directamente como entrada multimodal. El agente analiza los documentos proporcionados y realiza investigaciones basadas en su contenido.

Consulta el siguiente ejemplo:

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
)

Direccionabilidad y formato

Puedes dirigir el resultado del agente proporcionando instrucciones de formato específicas en tu instrucción. Esto te permite estructurar los informes en secciones y subsecciones específicas, incluir tablas de datos o ajustar el tono para diferentes públicos, por ejemplo, "técnico", "ejecutivo" o "casual".

Define el resultado de forma explícita en el texto de entrada. Consulta el siguiente ejemplo:

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
)

Referencia de la API

En esta sección, se proporciona información de referencia de la API para usar el agente de Deep Research de Gemini.

Para obtener más información, consulta la API de Interactions.

Método: interactions.create

Nombre completo: projects.locations.interactions.create

Inicia una nueva sesión de Deep Research.

Extremo

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

Parámetros del cuerpo de la solicitud

Los parámetros del cuerpo de la solicitud pueden incluir lo siguiente:

Parámetro	Tipo	Descripción
agent	string	Obligatorio. Especifica el código de ID del agente (como deep-research-preview-04-2026).
background	boolean	Obligatorio. Ejecuta la interacción de forma asíncrona. Se debe establecer en true.
stream	boolean	Es opcional. Habilita la transmisión. La configuración predeterminada es false.
input	array o string	Obligatorio. Es una lista que contiene la entrada del usuario. Solo se admite un objeto.
tools	array	Anula las herramientas predeterminadas. Admite google_search, external_data_mcp, vertex_search, etc.
service_tier	string	Establécelo en deferred para usar el nivel diferido, que programa automáticamente los trabajos en segundo plano para las horas de menor actividad.

Tiempos de espera y manejo de errores

Cuando interactúas con un agente, es posible que se produzcan tiempos de espera de conexión o errores del sistema. En esta sección, se explica cómo identificar y resolver los tiempos de espera flexibles y las fallas graves.

Tiempos de espera flexibles

Un tiempo de espera flexible se produce cuando se interrumpe la conexión de la API de Interactions mientras el agente sigue procesando una solicitud. El agente seguirá ejecutando la solicitud en segundo plano.

Para reanudar la sesión y ver los eventos reproducidos, vuelve a conectarte a la transmisión con tu interaction_id. Consulta Cómo volver a conectarse a la transmisión de interacción.

Fallas graves

Una falla grave se produce cuando un error del agente o del sistema interno finaliza el contexto del agente por completo. Por lo general, estos errores devuelven un código de estado HTTP 500. Entre las causas comunes, se incluyen superar el límite de ejecución de 120 minutos o experimentar una falla del sistema.

Para resolver este error, detén la sesión actual y define mejor tu consulta antes de iniciar una sesión nueva.

Prácticas recomendadas

Darle a un agente autónomo acceso a la Web y a tus archivos introduce dinámicas únicas. Ten en cuenta las siguientes prácticas recomendadas cuando implementes tu proyecto:

• Pregunta por datos desconocidos: Indica de forma explícita al agente cómo controlar los datos faltantes. Por ejemplo, indícale que indique si una cifra no está disponible en lugar de estimarla.

• Evita los riesgos de inyección de instrucciones: Asegúrate de que los archivos subidos provengan de fuentes confiables, ya que los archivos maliciosos podrían contener texto oculto diseñado para manipular el resultado de un agente.

• Evita el robo de datos: Ten mucho cuidado cuando le pidas al agente que resuma datos internos sensibles y, al mismo tiempo, le des acceso para que explore la Web pública.

• Verifica las citas: Si bien se aplica el filtrado de nivel empresarial, siempre verifica las citas proporcionadas en la respuesta para asegurarte de que las fuentes web sean confiables.

Limitaciones

Ten en cuenta las siguientes limitaciones cuando planifiques tu proyecto:

• Solo de un turno: Solo se admiten consultas de un turno. No se admite el uso del campo previous_interaction_id de la API.

• Seguridad empresarial: Durante la versión preliminar, no se admiten las claves de encriptación administradas por el cliente (CMEK) ni los Controles del servicio de VPC. Las restricciones de residencia de datos multirregionales están en evaluación.

• Almacenamiento en caché: El almacenamiento en caché implícito está habilitado de forma predeterminada para este servicio. No se puede desactivar.

• Retención de datos: Las instrucciones y el resultado generado se almacenan durante siete días para el procesamiento estándar. Cuando usas la Fundamentación con la Búsqueda de Google, Google almacena las instrucciones, la información contextual y el resultado generado durante tres días para realizar depuraciones y pruebas. Si usas la Fundamentación con la Búsqueda de Google, no puedes desactivar el almacenamiento de esta información. Si necesitas que no se retengan datos, se recomienda usar la Fundamentación Web para Empresas.

Precios

Deep Research usa las funciones de razonamiento avanzado de Gemini para realizar tareas de investigación de agentes de varios pasos. La facturación comprende el uso del modelo (tokens) y la ejecución de herramientas (búsqueda y fundamentación).

En el caso de los trabajos en segundo plano, puedes usar el nivel diferido para obtener un descuento.

Para obtener más información, consulta Precios.

Seguimiento de costos

De forma predeterminada, el agente de Deep Research de Gemini aplica automáticamente la etiqueta de usuario is_deep_research a sus operaciones. En Google Cloud, las etiquetas son pares clave-valor ligeros que se usan para organizar recursos y hacer un seguimiento de los costos en toda tu infraestructura.

• Etiquetado automatizado: No necesitas configurar esta etiqueta de forma manual en tus solicitudes a la API; el agente incluye la etiqueta is_deep_research de forma predeterminada para todas las tareas ejecutadas.

• Filtrado de facturación: Los informes de facturación de Deep Research se pueden filtrar con la etiqueta de facturación is_deep_research.

• Seguimiento integral: La etiqueta de facturación is_deep_research se aplica tanto al uso del modelo (tokens de entrada y salida) como a la ejecución de la herramienta (uso de la búsqueda y la fundamentación). Esto te ayuda a agregar y calcular el costo total de tus flujos de trabajo de investigación asíncronos.

Nota: Para obtener estrategias más amplias sobre el uso de etiquetas para la organización de recursos y la asignación de costos en tu entorno de Google Cloud , consulta la documentación de Resource Manager sobre etiquetas.

Cuota

Para admitir un tráfico más alto, tareas en segundo plano simultáneas o cargas de investigación más pesadas, puedes solicitar un aumento de cuota para la API de Agent Platform directamente en tu proyecto de Google Cloud .

Para aumentar tu cuota, haz lo siguiente:

1. En la consola de Google Cloud , ve a la página Cuotas y límites del sistema.

   Ir a Cuotas y límites del sistema

2. Asegúrate de haber seleccionado el proyecto correcto que ejecuta tus cargas de trabajo de Deep Research.

3. En el cuadro de búsqueda de filtros, busca API de Agent Platform (aiplatform.googleapis.com) para encontrar las cuotas de agentes y de interacciones pertinentes.

4. Selecciona el límite de cuota específico que necesitas ajustar.

5. Haz clic en Editar cuotas.

6. En el cuadro de diálogo Cambios de cuota, en el campo Valor nuevo, ingresa el límite solicitado. Proporciona una justificación clara en la descripción de la solicitud. Mencionar tu caso de uso específico de Deep Research, las necesidades de ejecución en segundo plano y los patrones de tráfico esperados puede ayudar a acelerar el proceso de aprobación.

7. Haz clic en Enviar solicitud.

Nota: Por lo general, las solicitudes de aumento de cuota tardan unos días hábiles en procesarse. Se recomienda supervisar el uso y enviar solicitudes de aumento de forma proactiva antes de los lanzamientos de producción o los aumentos repentinos de uso previstos.

Cumplimiento y seguridad

En esta sección, se explica cómo se retienen y almacenan en caché tus datos, y se enumeran los controles de seguridad que no se admiten durante la versión preliminar.

Retención de datos

Las instrucciones y los resultados generados se almacenan durante siete (7) días para el procesamiento estándar.

Como se describe en el artículo 19, "Servicios de IA generativa: Fundamentación con la Búsqueda de Google", de las Condiciones Específicas del Servicio, Google almacena las instrucciones y la información contextual que los clientes pueden proporcionar, y el resultado generado durante tres (3) días con el objetivo de crear resultados fundamentados y sugerencias de búsqueda. Esta información almacenada se puede usar para depurar y probar los sistemas que admiten la fundamentación con la Búsqueda de Google. No hay forma de inhabilitar el almacenamiento de esta información si usas la Fundamentación con la Búsqueda de Google. Si necesitas que no se retengan datos, te recomendamos que uses la fundamentación web para Enterprise.

Almacenamiento en caché

El almacenamiento en caché implícito está habilitado de forma predeterminada para Deep Research y no se puede desactivar.

Controles de seguridad

Los siguientes controles de seguridad no se admiten durante la versión preliminar:

• Claves de encriptación administradas por el cliente (CMEK)
• Controles del servicio de VPC (VPC-SC)
• Transparencia de acceso (AXT)
• Residencia de los datos
• Residencia de datos multirregional

¿Qué sigue?

Referencia

Referencia de la API de Interactions

Obtén información sobre la API de Interactions, que te permite interactuar con un agente.

Instructivo

Notebook: Introducción al agente de Deep Research de Gemini

Comienza a usar este notebook de Python de Deep Research en GitHub.