‫Google משתמשת בטכנולוגיית AI כדי לתרגם תוכן לשפה המועדפת עליך. בתרגומים כאלו עשויות להיות שגיאות.

שימוש ב-Gemini Deep Research Agent

תצוגה מקדימה

המוצר הזה נמצא בגרסת טרום-השקה (Preview). המוצר הזה הוא מוצר בשלב טרום-GA, והשימוש בו כפוף לתנאי השימוש במוצרים בשלב טרום-GA, בחלק "תנאים כלליים לשירות" של התנאים הספציפיים לשירות, וגם לתנאים הנוספים למוצרים בגרסת טרום-GA של AI גנרטיבי. יכול להיות שהתמיכה במוצרים ובתכונות בגרסת טרום-GA תהיה מוגבלת, ושינויים במוצרים ובתכונות בגרסת טרום-GA לא יהיו תואמים לגרסאות אחרות של טרום-GA. מידע נוסף זמין בקטע תיאורים של שלבי ההשקה.

מוצרים במצב טרום-GA נמצאים בשלבים שונים של בדיקה וביקורת פנימיות. לכן, אל תשתמשו בנתונים קנייניים, רגישים או סודיים אחרים עם המודלים האלה. המודלים האלה זמינים ללקוחות למטרות בדיקה והערכה מוגבלות בלבד, ואין להשתמש בהם למטרות מסחריות או למטרות ייצור.

סוכן Deep Research ב-Gemini הוא סוכן AI מנוהל שנועד לתכנן, לבצע ולסכם תהליכי עבודה מורכבים של מחקר עם כמה שלבים. הסוכן מבוסס על Gemini, והוא נע בין מקורות מידע מגוונים, כולל האינטרנט הציבורי ונתונים פרטיים של הארגון, כדי ליצור דוחות מקיפים עם ציטוטים מהמקורות האלה. הדוחות האלה עוזרים לקבל החלטות מושכלות במהירות.

בדף הזה מוסבר איך להשתמש ב-Gemini Deep Research Agent, כולל היכולות והמגבלות העיקריות שלו, איך להתחיל משימת מחקר ואיך לטפל בפרק זמן קצוב לתפוגה ובטיפול בשגיאות.

מתי כדאי להשתמש ב-Deep Research

התכונה Deep Research היא סוכן, לא רק מודל. הוא מתאים במיוחד לעומסי עבודה שמאפשרים גישה אסינכרונית לניתוח, ולא לשיחות עם זמן אחזור נמוך.

כשמתכננים את הפרויקט, כדאי לקחת בחשבון את היתרונות הבאים של Deep Research:

תהליך איטרטיבי: במקום ליצור תשובות מיידיות כמו מודלים רגילים של צ'אט, התכונה Deep Research פועלת לפי תהליך עבודה שיטתי ומרובה שלבים: תכנון > חיפוש במקורות מרובים > איטרציה > פלט.
עומסי עבודה מתקדמים: תכונת ה-Deep Research נועדה במיוחד לטפל במשימות מורכבות כמו בדיקת נאותות, ניתוח שוק וניתוח התחרות.
התבססות על נתונים מקיפים: סוכן Deep Research של Gemini יכול להסיק מסקנות ממקורות נתונים שונים בו-זמנית. זה כולל שרתי MCP מרוחקים, ידע פנימי של המוסד והקשר ישיר מקבצים או מתיקיות שהועלו.
דוחות מלוטשים: הוא יוצר דוחות מקיפים עם ציטוטים, שיכולים לכלול תמונות שמוכנות להצגה. הם כוללים גרפים פיננסיים, אינפוגרפיקות מוטמעות ומטריצות של מיקום בשוק, שנוצרים באמצעות HTML ומודל תמונות.
יכולת גבוהה לכוון את התוצאה: אפשר להתאים אישית את הפלט הסופי ישירות בהנחיה. הפעולות האלה כוללות הגדרת טון ספציפי (לדוגמה, טכני או ניהולי), הגדרת פורמטים מדויקים או בקשה של טבלאות נתונים מובנות.

בטבלה הבאה מוצגת השוואה בין סוכן Gemini Deep Research לבין מודלים רגילים של Gemini לפי כמה מדדים שונים, כולל זמן האחזור, הפלט והשימוש המומלץ בכל אחד מהם:

תכונה	מודלים רגילים של Gemini	סוכן Deep Research ב-Gemini
זמן אחזור	שניות	דקות
תהליך	יצירה ← פלט	תוכנית → חיפוש בכמה מקורות → חזרה על הפעולה → פלט
תשובה	טקסט וקוד בסגנון שיחה	דוחות מפורטים עם ציטוטים, תרשימים ותמונות מוטמעים
מתאים במיוחד בשביל	צ'אט בוטים, חילוץ מידע, סיכום	ניתוח שוק, מחקר מעמיק, ניתוח מצב התחרות

יכולות מרכזיות

התכונה Deep Research כוללת את התכונות והיכולות הבאות:

התבססות על כמה מקורות, כולל:
- שרתי MCP מרוחקים
- עיגון באמצעות חיפוש מבוסס סוכנים
- עיגון באמצעות חיפוש Google או עיגון באינטרנט לשימוש ארגוני, שמגובות בתקני פרטיות וסינון מחמירים שמתאימים לעומסי עבודה ארגוניים
- העלאה של קבצים ותיקיות (כמו קובצי PDF וגיליונות אלקטרוניים) בתוך הטקסט, כדי שתוכלו להוסיף הקשר ישירות לתהליך המחקר ולקבל ציטוטים
תמונות ותרשימים: יצירת דוחות מפורטים שמכילים נכסים מוכנים להצגה, כמו אינפוגרפיקה מוטמעת, תרשימי מטריצה של מיצוב בשוק וגרפים של ביצועים פיננסיים
הפניות למקור בגוף הטקסט

איך משתמשים ב-Deep Research

אפשר לגשת לסוכן Gemini Deep Research באמצעות נקודת הקצה הגלובלית (v1beta1) באמצעות Google Gen AI SDK או בקשות ישירות ל-API בארכיטקטורת REST. דוגמה לשימוש אפשר לראות ב-notebook של Gemini Deep Research Agent ב-GitHub.

לפני שמתחילים

נכנסים לחשבון Google Cloud . אנחנו ממליצים למשתמשים חדשים ב- Google Cloud ליצור חשבון כדי שיוכלו להעריך את הביצועים של המוצרים שלנו בתרחישים מהעולם האמיתי. לקוחות חדשים מקבלים בחינם גם קרדיט בשווי 300$ להרצה, לבדיקה ולפריסה של עומסי העבודה.

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.

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

In the Google Cloud console, go to the IAM page.
Go to IAM
Select the project.
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.
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

In the Google Cloud console, go to the IAM page.
Go to IAM
Select the project.
Click Grant access.
In the New principals field, enter your user identifier. This is typically the email address for a Google Account.
Click Select a role, then search for the role.
To grant additional roles, click Add another role and add each additional role.
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.

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

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

In the Google Cloud console, go to the IAM page.
Go to IAM
Select the project.
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.
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

In the Google Cloud console, go to the IAM page.
Go to IAM
Select the project.
Click Grant access.
In the New principals field, enter your user identifier. This is typically the email address for a Google Account.
Click Select a role, then search for the role.
To grant additional roles, click Add another role and add each additional role.
Click Save.

יצירת משימה ב-Deep Research

משימות מחקר כוללות חיפוש וקריאה חוזרים, והן יכולות להימשך כמה דקות. צריך להריץ את סוכן Deep Research של Gemini באופן אסינכרוני על ידי הגדרת background ל-True.

אתם יכולים להשתמש בסוכן Deep Research ל-Gemini עם או בלי סטרימינג:

Polling (non-streaming): Set background=True (and optionally stream=False). The API returns an Interaction object immediately. אפשר להשתמש במאפיין id כדי לבדוק את האינטראקציה עד שהמצב משתנה מ-in_progress ל-completed או ל-failed.
סטרימינג: מגדירים את background=True ואת stream=True כדי לקבל עדכונים בזמן אמת ככל שהמחקר מתקדם. מידע נוסף זמין במאמר בנושא סטרימינג.

אפשר גם להגדיר את הסוכן להשתמש ברמת השירות של דחיית העדכון, שמתזמנת באופן אוטומטי משימות ברקע לשעות שאינן שעות שיא, בהנחה של 50%. כדי להשתמש במסלול התמחור עם התשלום הדחוי, צריך להגדיר את stream ל-False במהלך יצירת המשימה.

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"
    }'

ה-API מחזיר interaction_id באופן מיידי. אפשר להשתמש במזהה הזה כדי לשלוח בקשות לסטטוס או להתחבר מחדש למקור נתונים.

סטרימינג

התכונה Deep Research תומכת בהזרמה כדי לקבל עדכונים בזמן אמת על התקדמות המחקר, כולל סיכומי מחשבות, פלט טקסט ותמונות שנוצרו. כשמשתמשים בסטרימינג, צריך להגדיר את background=True ואת stream=True.

בדוגמה הבאה מתחילה משימת מחקר והזרם מעובד עם חיבור מחדש אוטומטי. הוא עוקב אחרי interaction_id וlast_event_id, כך שאם החיבור ייפסק, הוא יוכל להמשיך מהמקום שבו הוא נעצר.


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)

חיבור מחדש לסטרימינג של האינטראקציה

כדי לשחזר שידור שהופסק, שולחים בקשת GET באמצעות interaction_id המקורי. ה-API יפעיל מחדש את כל האירועים הקודמים מתחילת הסשן לפני שימשיך בעדכונים בזמן אמת.

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}"

כלים

‫Deep Research תומך בכמה כלים מובנים וחיצוניים. כברירת מחדל (כשלא מציינים פרמטר של כלי), לסוכן יש גישה לחיפוש Google ול-URL Context. אתם יכולים לציין במפורש כלים כדי להגביל או להרחיב את היכולות של הסוכן. הכלים הנתמכים כוללים את:

כלי	מפתח	נתונים
חיפוש Google	`google_search`	לחפש באינטרנט. מופעל כברירת מחדל.
שרתי MCP	`mcp_server`	להתחבר לשרתי MCP מרוחקים כדי לגשת לכלים חיצוניים.
חיפוש באינטרנט לארגונים	`enterprise_web_search`	חיפוש באינטרנט עם אמצעי בקרה נוספים לתאימות.
חיפוש מבוסס סוכנים	`vertex_ai_search`	חיפוש נתונים באתר או במערכי מסמכים.

חיפוש Google

ההגדרה הבאה מאפשרת להשתמש בחיפוש Google ככלי היחיד:


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
)

שרתי MCP

מציינים את שם השרת ואת כתובת ה-URL בהגדרת הכלי. אפשר גם להעביר פרטי אימות ולהגביל את הכלים שהסוכן יכול להפעיל.

תוכלו לעיין במקורות המידע הבאים:

שדה	סוג	חובה	תיאור
`type`	מחרוזת	כן	חייב להיות `"mcp_server"`.
`name`	מחרוזת	לא	השם המוצג של שרת ה-MCP.
`url`	מחרוזת	לא	כתובת ה-URL המלאה של נקודת הקצה של שרת ה-MCP.
`headers`	אובייקט	לא	זוגות של מפתח/ערך שנשלחים ככותרות HTTP עם כל בקשה לשרת (לדוגמה, טוקנים של אימות).
`allowed_tools`	מערך	לא	הגבלת הכלים מהשרת שהנציג יכול להפעיל.

מקרה לדוגמה:


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
)

חיפוש באינטרנט לארגונים

חיפוש אינטרנט לארגונים מאפשר לארגונים לבסס תשובות של AI גנרטיבי על נתונים מאובטחים, עדכניים ותואמים מהאינטרנט. היא מאפשרת למפתחים ולעסקים לקשר מודלים של AI לאינטרנט בלי לפגוע בפרטיות הנתונים או בעמידה בדרישות הרגולטוריות.

מקרה לדוגמה:


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
)

קלט מולטי-מודאלי

התכונה Deep Research תומכת בקלט מולטי-מודאלי, כולל תמונות ומסמכים (קובצי PDF), ומאפשרת לסוכן לנתח תוכן ויזואלי ולבצע מחקר באינטרנט בהקשר של הקלט שסופק.

מקרה לדוגמה:


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)

הבנת מסמכים

אתם יכולים להעביר מסמכים ישירות כקלט מולטימודאלי. הסוכן מנתח את המסמכים שסופקו ומבצע מחקר שמבוסס על התוכן שלהם.

מקרה לדוגמה:


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
)

התאמה אישית ועיצוב

אתם יכולים להנחות את הפלט של הסוכן על ידי מתן הוראות ספציפיות לעיצוב בהנחיה. כך תוכלו לחלק את הדוחות לקטעים ותתי-קטעים ספציפיים, לכלול טבלאות נתונים או לשנות את הטון בהתאם לקהלים שונים, למשל: 'טכני', 'מנהלים' או 'לא רשמי'.

מגדירים את הפלט באופן מפורש בטקסט הקלט. מקרה לדוגמה:


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
)

מאמרי העזרה של ה-API

בקטע הזה מופיעים מאמרי העזרה של ה-API לשימוש בסוכן Deep Research של Gemini.

מידע נוסף זמין במאמר בנושא Interactions API.

שיטה: interactions.create

שם מלא: projects.locations.interactions.create

התחלת סשן חדש של Deep Research.

נקודת קצה (endpoint)

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

פרמטרים של גוף הבקשה

פרמטרים בגוף הבקשה יכולים לכלול את האפשרויות הבאות:

פרמטר	סוג	תיאור
`agent`	`string`	חובה. מציין את קוד מזהה הסוכן (למשל `deep-research-preview-04-2026`).
`background`	`boolean`	חובה. הפעלת האינטראקציה באופן אסינכרוני. הערך חייב להיות `true`.
`stream`	`boolean`	זה שינוי אופציונלי. הפעלה של סטרימינג. ברירת המחדל היא `false`.
`input`	`array` או `string`	חובה. רשימה שמכילה קלט של משתמשים. יש תמיכה באובייקט אחד בלבד.
`tools`	`array`	שינוי כלי ברירת המחדל. תומך ב-`google_search`,‏ `external_data_mcp`,‏ `vertex_search` וכו'.
`service_tier`	`string`	ההגדרה `deferred` מאפשרת להשתמש ברמת השירות של דחיית ביצוע, שמתזמנת באופן אוטומטי משימות ברקע לשעות שבהן העומס נמוך.

פסק זמן וטיפול בשגיאות

במהלך אינטראקציה עם סוכן, יכול להיות שתיתקלו בפסק זמן של החיבור או בשגיאות מערכת. בקטע הזה מוסבר איך לזהות ולפתור בעיות שקשורות לפסק זמן רך ולכשלים קשים.

זמן גמיש לתפוגה

פסק זמן רך מתרחש כשהחיבור ל-API של האינטראקציות מתנתק בזמן שהסוכן עדיין מעבד בקשה. הסוכן ממשיך לבצע את הבקשה ברקע.

כדי להמשיך את הפעילות ולצפות באירועים ששוחזרו, צריך להתחבר מחדש לשידור באמצעות interaction_id. איך מתחברים מחדש לזרם האינטראקציות

כשלים קשים

כשל חמור מתרחש כשסוכן או שגיאה במערכת פנימית מסיימים את ההקשר של הסוכן באופן מלא. בדרך כלל השגיאות האלה מחזירות קוד סטטוס HTTP 500. הסיבות הנפוצות לכך הן חריגה ממגבלת הביצוע של 120 דקות או כשל במערכת.

כדי לפתור את הבעיה, צריך להפסיק את הסשן הנוכחי ולשפר את השאילתה לפני שמתחילים סשן חדש.

שיטות מומלצות

כשנותנים ל-Agent אוטונומי גישה לאינטרנט ולקבצים, נוצרת דינמיקה ייחודית. כדאי לפעול לפי השיטות המומלצות הבאות כשמטמיעים את הפרויקט:

הנחיה לגבי נתונים לא ידועים: נותנים לסוכן הוראות מפורשות לגבי אופן הטיפול בנתונים חסרים. לדוגמה, אפשר להנחות אותו לציין אם נתון מסוים לא זמין במקום להעריך אותו.
הימנעות מסיכוני הזרקת הנחיות: חשוב לוודא שהקבצים שהועלו מגיעים ממקורות מהימנים, כי קבצים זדוניים עלולים להכיל טקסט מוסתר שנועד לתמרן את הפלט של הסוכן.
הימנעות מגניבת נתונים: חשוב לנקוט משנה זהירות כשמבקשים מהסוכן לסכם נתונים פנימיים רגישים, ובמקביל לתת לו גישה לגלישה באינטרנט הציבורי.
אימות ציטוטים: למרות שמוחל סינון ברמה של ארגונים, חשוב תמיד לאמת את הציטוטים שמופיעים בתשובה כדי לוודא שהמקורות באינטרנט הם אמינים.

מגבלות

במהלך תכנון הפרויקט, כדאי לקחת בחשבון את המגבלות הבאות:

רק שאילתות של תור אחד: יש תמיכה רק בשאילתות של תור אחד. אין תמיכה בשימוש בשדה previous_interaction_id של ה-API.
אבטחה ברמה שמתאימה לארגונים: במהלך תקופת התצוגה המקדימה, לא ניתן להשתמש במפתחות הצפנה בניהול הלקוח (CMEK) וב-VPC Service Controls. אנחנו בודקים את האילוצים של מיקום אחסון הנתונים במספר אזורים.
שמירה במטמון: שמירה במטמון מופעלת כברירת מחדל בשירות הזה. אי אפשר להשבית אותו.
שמירת נתונים: הנחיות ופלט שנוצר נשמרים למשך שבעה ימים לצורך עיבוד רגיל. כשמשתמשים ב-עיגון באמצעות חיפוש Google,‏ Google שומרת את הפרומפטים, את המידע ההקשרי ואת התוצרים למשך שלושה ימים לצורך ניפוי באגים ובדיקות. אם אתם משתמשים ב-Grounding עם חיפוש Google, אי אפשר להשבית את האחסון של המידע הזה. אם אתם צריכים להבטיח שלא יישמרו נתונים, מומלץ להשתמש ב-Grounding עם חיפוש אינטרנט ב-Enterprise.

תמחור

Deep Research משתמש בתכונות של Gemini לחשיבה רציונלית משופרת כדי לבצע משימות מחקר סוכניות עם מספר שלבים. החיוב כולל שימוש במודל (טוקנים) והפעלת כלי (חיפוש והצמדה).

לגבי משימות ברקע, אפשר להשתמש ברמת השירות deferred כדי לקבל הנחה.

מידע נוסף מפורט במאמר בנושא תמחור.

מעקב עלויות

כברירת מחדל, סוכן ה-Deep Research של Gemini מחיל באופן אוטומטי את התווית is_deep_research משתמש על הפעולות שלו. ב- Google Cloud, תוויות הן צמדי מפתח/ערך קלי משקל שמשמשים לארגון משאבים ולמעקב אחר עלויות בתשתית.

הוספת תוויות אוטומטית: לא צריך להגדיר את התווית הזו באופן ידני בבקשות ה-API. סוכן ה-AI כולל את התווית is_deep_research כברירת מחדל בכל המשימות שמבוצעות.
סינון נתוני החיוב: אפשר לסנן את דוחות החיוב של Deep Research באמצעות התווית is_deep_research billing.
מעקב מקיף: תווית החיוב is_deep_research חלה גם על השימוש במודל (אסימוני קלט ופלט) וגם על הפעלת הכלים (שימוש בחיפוש ובהארקה). כך תוכלו לצבור ולחשב את העלות הכוללת של תהליכי העבודה האסינכרוניים של המחקר.

מכסה

כדי להתמודד עם נפח תנועה גבוה יותר, עם משימות מקבילות ברקע או עם עומסי מחקר כבדים יותר, אפשר לבקש הגדלה של המכסה עבור Agent Platform API ישירות ב Google Cloud פרויקט.

כדי להגדיל את המכסה:

במסוף Google Cloud , פותחים את הדף Quotas & system limits.

כניסה לדף Quotas and system limits
חשוב לוודא שבחרתם את הפרויקט הנכון שבו מופעלים עומסי העבודה של Deep Research.
בתיבת החיפוש של המסנן, מחפשים את Agent Platform API ‏(aiplatform.googleapis.com) כדי למצוא את המכסות הרלוונטיות של הסוכן והאינטראקציה.
בוחרים את מגבלת המכסה הספציפית שרוצים לשנות.
לוחצים על Edit quotas.
בתיבת הדו-שיח Quota changes, בשדה New value, מזינים את המגבלה המבוקשת. חשוב לספק הצדקה ברורה בתיאור הבקשה. כדי לזרז את תהליך האישור, כדאי לציין את תרחיש השימוש הספציפי שלכם ב-Deep Research, את הצורך בהרצת תהליכים ברקע ואת דפוסי התנועה הצפויים.
לוחצים על Submit request.

תאימות ואבטחה

בקטע הזה מוסבר איך הנתונים נשמרים ונשמרים במטמון, ומפורטים אמצעי האבטחה שלא נתמכים במהלך תקופת התצוגה המקדימה.

שמירת נתונים

פרומפטים ותוצרים שנוצרו נשמרים למשך שבעה (7) ימים לצורך עיבוד רגיל.

כפי שמפורט בסעיף 19 'שירותי AI גנרטיבי: עיגון באמצעות חיפוש Google' בתנאים הספציפיים לשירות,‏ Google מאחסנת הנחיות ומידע הקשרי שהלקוחות עשויים לספק, ופלט שנוצר למשך שלושה (3) ימים לצורך יצירת תוצאות מעוגנות בנתונים והצעות לחיפוש. המידע המאוחסן הזה עשוי לשמש לניפוי באגים ולבדיקה של מערכות שתומכות בעיגון באמצעות חיפוש Google. אם משתמשים ב-Grounding עם חיפוש Google, אין אפשרות להשבית את האחסון של המידע הזה. אם אתם צריכים אפס שמירת נתונים, מומלץ להשתמש ב-Web Grounding for Enterprise.

שמירה במטמון

שמירת נתונים במטמון באופן מרומז מופעלת כברירת מחדל ב-Deep Research ואי אפשר להשבית אותה.

אמצעי בקרה לאבטחה

אמצעי הבקרה הבאים בנושא אבטחה לא נתמכים במהלך תקופת התצוגה המקדימה:

מפתחות הצפנה בניהול הלקוח (CMEK)
VPC-Service Controls‏ (VPC-SC)
Access Transparency‏ (AXT)
מיקום אחסון הנתונים
מיקום אחסון הנתונים במספר אזורים

המאמרים הבאים

מקור מידע

Interactions API reference

מידע על Interactions API, שמאפשר לכם ליצור אינטראקציה עם סוכן.

מדריך

‫Notebook: מבוא ל-Gemini Deep Research Agent

אפשר להתחיל להשתמש ב-Deep Research Python notebook הזה ב-GitHub.

שימוש ב-Gemini Deep Research Agent קל לארגן דפים בעזרת אוספים אפשר לשמור ולסווג תוכן על סמך ההעדפות שלך.

מתי כדאי להשתמש ב-Deep Research

יכולות מרכזיות

איך משתמשים ב-Deep Research

לפני שמתחילים

Check for the roles

Grant the roles

Check for the roles

Grant the roles

יצירת משימה ב-Deep Research

Python

REST

סטרימינג

חיבור מחדש לסטרימינג של האינטראקציה

Python

REST

כלים

חיפוש Google

שרתי MCP

חיפוש באינטרנט לארגונים

קלט מולטי-מודאלי

הבנת מסמכים

התאמה אישית ועיצוב

מאמרי העזרה של ה-API

שיטה: interactions.create

נקודת קצה (endpoint)

פרמטרים של גוף הבקשה

פסק זמן וטיפול בשגיאות

זמן גמיש לתפוגה

כשלים קשים

שיטות מומלצות

מגבלות

תמחור

מעקב עלויות

מכסה

תאימות ואבטחה

שמירת נתונים

שמירה במטמון

אמצעי בקרה לאבטחה

המאמרים הבאים

Interactions API reference

‫Notebook: מבוא ל-Gemini Deep Research Agent

שימוש ב-Gemini Deep Research Agent