‫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, והוא כפוף לתנאי השימוש במוצרים בשלב טרום-GA שמפורטים בחלק "תנאי שירות הכלליים" בתנאים הספציפיים של השירות, וגם בתנאים הנוספים למוצרי AI גנרטיבי בגרסת טרום-השקה (Preview). יכול להיות שהתמיכה במוצרים ובתכונות בגרסת טרום-GA תהיה מוגבלת, ושהשינויים במוצרים ובתכונות בגרסת טרום-GA לא יהיו תואמים לגרסאות אחרות של טרום-GA. אתם יכולים לקרוא מידע נוסף בקטע תיאור שלבי ההשקה.

מוצרים בשלב טרום-GA נמצאים בשלבים שונים של בדיקה וסקירה פנימית. לכן, אל תשתמשו בנתונים קנייניים, רגישים או סודיים אחרים במודלים האלה. המודלים האלה זמינים ללקוחות רק למטרות בדיקה והערכה מוגבלות, ואין להשתמש בהם למטרות מסחריות או למטרות ייצור.

‫Gemini Deep Research Agent הוא סוכן AI מנוהל שנועד לתכנן, לבצע ולסנתז תהליכי עבודה מורכבים של מחקר בכמה שלבים. הסוכן מבוסס על Gemini, והוא מנווט בין סביבות מידע מגוונות, כולל האינטרנט הציבורי ונתונים פרטיים של הארגון, כדי ליצור דוחות מקיפים עם ציטוטים שמאיצים את תהליך קבלת ההחלטות המושכלות.

בדף הזה מוסבר איך משתמשים ב-Gemini Deep Research Agent, כולל היכולות והמגבלות העיקריות שלו, איך מתחילים משימת מחקר ואיך מטפלים במקרים של זמן קצוב לתפוגה ובשגיאות.

מתי כדאי להשתמש ב-Deep Research

‫Deep Research הוא סוכן, לא רק מודל. הוא מתאים במיוחד לעומסי עבודה שמאפשרים גישה של ניתוח אסינכרוני, ולא לצ'אט עם זמן אחזור קצר.

כשאתם מתכננים את הפרויקט, כדאי להביא בחשבון את היתרונות הבאים של Deep Research:

תהליך איטרטיבי: במקום ליצור תשובות מיידיות כמו מודלים רגילים של צ'אט, Deep Research פועל לפי תהליך עבודה שיטתי ורב-שלבי: תכנון > חיפוש בכמה מקורות > איטרציה > פלט.
עומסי עבודה מתקדמים: Deep Research תוכנן במיוחד כדי לטפל במשימות מורכבות כמו בדיקת נאותות, ניתוח שוק וניתוח של הסביבה התחרותית.
ביסוס נתונים נרחב: סוכן Deep Research של Gemini יכול להסיק מסקנות ממקורות נתונים שונים בו-זמנית. זה כולל שרתי MCP מרוחקים, ידע פנימי של הארגון והקשר ישיר מקבצים או מתיקיות שהועלו.
דוחות מלוטשים: הוא מפיק דוחות מקיפים עם ציטוטים, שיכולים לכלול רכיבים חזותיים שמוכנים להצגה. הם כוללים תרשימים פיננסיים, אינפוגרפיקות מוטבעות ומטריצות של מיצוב בשוק, שנוצרים באמצעות HTML ומודל תמונות.
יכולת גבוהה של התאמה אישית: אתם יכולים להתאים אישית את התוצאה הסופית ישירות בהנחיה. למשל, אפשר להגדיר טון ספציפי (כמו טכני או ניהולי), פורמטים קפדניים או טבלאות נתונים מובְנות.

בטבלה הבאה מוצגת השוואה בין סוכן Deep Research של Gemini לבין מודלים רגילים של Gemini, לפי כמה מדדים שונים, כולל זמן אחזור, פלט והמטרות שהכי מתאימות לכל אחד מהם:

תכונה	המודלים הרגילים של Gemini	סוכן Deep Research ב-Gemini
זמן אחזור	שניות	דקות
תהליך	יצירה ← פלט	תכנון ← חיפוש בכמה מקורות ← חזרה על התהליך ← פלט
תשובה	טקסט וקוד בסגנון שיחה	דוחות מפורטים עם ציטוטים, תרשימים ותמונות מוטמעים
למי זה מתאים	צ'אט בוטים, חילוץ מידע, סיכום	ניתוח שוק, מחקר מעמיק, ניתוח של המתחרים

יכולות עיקריות

‫Deep Research כולל את התכונות והיכולות הבאות:

ביסוס על מספר מקורות, כולל:
- שרתי MCP מרוחקים
- עיגון באמצעות חיפוש מבוסס סוכנים
- עיגון באמצעות חיפוש Google או עיגון בתוצאות מהאינטרנט לארגונים, שמגובים בתקנים מחמירים של פרטיות וסינון שמתאימים לעומסי עבודה בארגונים.
- העלאת קבצים ותיקיות (כמו קובצי PDF וגיליונות אלקטרוניים) ישירות בתוך הטקסט, כדי להוסיף הקשר ישירות לתהליך המחקר ולקבל ציטוטים
פלט של תמונות ותרשימים: יצירת דוחות מפורטים שמכילים נכסים שמוכנים להצגה, כמו אינפוגרפיקה מוטמעת, תרשימי מטריצה של מיצוב בשוק וגרפים של ביצועים פיננסיים
הפניות למקור בגוף הטקסט

איך משתמשים ב-Deep Research

כדי לגשת לסוכן Gemini Deep Research, אתם יכולים להשתמש בנקודת הקצה הגלובלית (v1beta1) באמצעות Google Gen AI SDK או בקשות ישירות ל-API בארכיטקטורת REST. דוגמה לשימוש מופיעה ב-Introduction to Gemini Deep Research Agent notebook on 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 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

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 Gemini Enterprise 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.

התחלת משימה ב-Deep Research

משימות מחקר כוללות חיפוש וקריאה חוזרים, ויכולות להימשך כמה דקות. כדי להריץ את סוכן Deep Research של Gemini באופן אסינכרוני, צריך להגדיר את background ל-True.

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

סקר (ללא סטרימינג): מגדירים את background=True (ואת stream=False, אם רוצים). ה-API מחזיר אובייקט Interaction באופן מיידי. אפשר להשתמש במאפיין id כדי לדגום את האינטראקציה עד שהמצב ישתנה מ-in_progress ל-completed או ל-failed.
סטרימינג: מגדירים את background=True ו-stream=True כדי לקבל עדכונים בזמן אמת ככל שהמחקר מתקדם. מידע נוסף זמין במאמר סטרימינג.

אפשר גם להגדיר את הסוכן כך שישתמש ברמת deferred, שמתזמנת באופן אוטומטי משימות ברקע לשעות שאינן שעות שיא, בתעריף מוזל של 50%. כדי להשתמש ברמה המושהית, 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. אתם יכולים להשתמש במזהה הזה כדי לבדוק את הסטטוס או להתחבר מחדש לשידור.

סטרימינג

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

בדוגמה הבאה, מתחילה משימת מחקר וה-stream מעובד עם חיבור מחדש אוטומטי. הוא עוקב אחרי interaction_id ו-last_event_id, כך שאם החיבור מתנתק, הוא יכול להמשיך מהנקודה שבה 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)

התחברות מחדש לשידור האינטראקציה

כדי לשחזר שידור שהופסק, שולחים בקשת GET באמצעות ה-interaction_id המקורי. ה-API יפעיל מחדש את כל האירועים הקודמים מתחילת הסשן לפני שימשיך עם עדכונים 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 כלים), לסוכן יש גישה לחיפוש Google ול-URL Context. אתם יכולים לציין במפורש כלים כדי להגביל או להרחיב את היכולות של הסוכן. הכלים הנתמכים כוללים:

כלי	מפתח	נתונים
חיפוש Google	`google_search`	לחפש באינטרנט הציבורי. מופעלת כברירת מחדל.
שרתי MCP	`mcp_server`	להתחבר לשרתי MCP מרוחקים כדי לגשת לכלים חיצוניים.
עיגון בנתונים מהאינטרנט עבור Enterprise	`enterprise_web_search`	חיפוש באינטרנט עם אמצעי בקרה נוספים לתאימות.
חיפוש מבוסס סוכנים בפלטפורמת הסוכנים של Gemini Enterprise	`vertex_ai_search`	חיפוש בנתוני האתר או בקבוצות המסמכים שלכם.

חיפוש Google

הקוד הבא מפעיל את חיפוש 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

מזינים את שם השרת ואת כתובת ה-URL בהגדרות של הכלים. אתם יכולים גם להעביר פרטי כניסה לאימות ולהגביל את הכלים שהנציג יכול להפעיל.

ראו את קובץ העזר הבא:

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	צמדי מפתח/ערך שנשלחים ככותרות HTTP עם כל בקשה לשרת (לדוגמה, אסימוני אימות).
`allowed_tools`	מערך	לא	להגביל את 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
)

עיגון בנתונים מהאינטרנט עבור Enterprise

בעזרת Web Grounding for Enterprise, ארגונים יכולים לבסס את התשובות של ה-AI הגנרטיבי על נתונים עדכניים מהאינטרנט, בצורה מאובטחת ובהתאם לדרישות. הוא מאפשר למפתחים ולעסקים לחבר מודלי AI לאינטרנט בלי לפגוע בפרטיות הנתונים או בעמידה בתקנות.

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

‫Deep Research תומך בקלט מולטי-מודאלי, כולל תמונות ומסמכים (קובצי PDF), ומאפשר לסוכן לנתח תוכן חזותי ולבצע מחקר מבוסס-אינטרנט בהתאם להקשר 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 מולטימודלי. הסוכן מנתח את המסמכים שסופקו ועורך 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 לכוון את הפלט של הנציג על ידי מתן הוראות ספציפיות לעיצוב בהנחיה. כך אפשר לחלק את הדוחות לסעיפים ולסעיפי משנה ספציפיים, לכלול טבלאות נתונים או להתאים את הטון לקהלים שונים, למשל "טכני", "מנהלי" או "לא רשמי".

הגדירו 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 מופיע מידע על מאמרי העזרה של ה-API לשימוש ב-Gemini Deep Research Agent.

מידע נוסף זמין במאמר Interactions API.

Method: interactions.create

שם מלא: projects.locations.interactions.create

מתחיל סשן חדש של Deep Research.

נקודת קצה (endpoint)

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

פרמטרים של גוף הבקשה

הפרמטרים של גוף הבקשה יכולים לכלול את הפרטים הבאים:

פרמטר	סוג	תיאור
`agent`	`string`	חובה. מציין את קוד מזהה הסוכן (למשל `deep-research-preview-04-2026`).
`background`	`boolean`	חובה. מפעיל את האינטראקציה באופן אסינכרוני. הערך חייב להיות `true`.
`stream`	`boolean`	זה שינוי אופציונלי. הפעלת סטרימינג. ברירת המחדל היא `false`.
`input`	`array` או `string`	חובה. רשימה שמכילה קלט מהמשתמש. יש תמיכה רק באובייקט אחד.
`tools`	`array`	ההגדרה הזו מבטלת את כלי ברירת המחדל. תמיכה ב-`google_search`, ב-`external_data_mcp`, ב-`vertex_search` וכו'.
`service_tier`	`string`	מגדירים את הערך `deferred` כדי להשתמש ברמת העדיפות הנמוכה, שבה המערכת מתזמנת באופן אוטומטי משימות ברקע לשעות שאינן שעות השיא.

זמנים קצובים לתפוגה וטיפול בשגיאות

באינטראקציה עם נציג, יכול להיות שתיתקלו בשגיאות מערכת או שתוקצב זמן קצוב לתפוגה של החיבור. בקטע הזה מוסבר איך לזהות ולפתור בעיות של זמן גמיש לתפוגה ושל כשלים חמורים.

זמן גמיש לתפוגה

זמן גמיש לתפוגה מתרחש כשהחיבור ל-Interactions API מתנתק בזמן שהסוכן עדיין מעבד בקשה. הסוכן ממשיך לבצע את הבקשה ברקע.

כדי להמשיך את הסשן ולצפות באירועים שהופעלו מחדש, צריך להתחבר מחדש לסטרימינג באמצעות interaction_id. איך מתחברים מחדש לשידור האינטראקציה

כשלים חמורים

כשל חמור מתרחש כששגיאה של נציג או של מערכת פנימית מסיימת את הקשר הנציג לחלוטין. בדרך כלל השגיאות האלה מחזירות קוד סטטוס HTTP 500. סיבות נפוצות כוללות חריגה ממגבלת הביצוע של 120 דקות או כשל במערכת.

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

שיטות מומלצות

כשנותנים לסוכן אוטונומי גישה לאינטרנט ולקבצים שלכם, זה יוצר דינמיקה ייחודית. כדאי לפעול לפי השיטות המומלצות הבאות כשמטמיעים את הפרויקט:

הנחיה לטיפול בנתונים לא ידועים: הנחו את הנציג באופן מפורש איך לטפל בנתונים חסרים. לדוגמה, אפשר להנחות אותו לציין אם נתון מסוים לא זמין במקום להעריך אותו.
להימנע מסיכונים של החדרת פרומפטים: ודאו שהקבצים שאתם מעלים מגיעים ממקורות מהימנים, כי קבצים זדוניים יכולים להכיל טקסט מוסתר שנועד לשנות את הפלט של הנציג.
הימנעו מזליגת נתונים: כשאתם מבקשים מהנציג לסכם נתונים פנימיים רגישים, ובמקביל נותנים לו גישה לגלישה באינטרנט הציבורי, אתם צריכים להיות זהירים מאוד.
אימות ציטוטים: למרות שמופעל סינון ברמה שמתאימה לארגונים, תמיד צריך לאמת את הציטוטים שמופיעים בתשובה כדי לוודא שהמקורות באינטרנט מהימנים.

מגבלות

כשאתם מתכננים את הפרויקט, חשוב שתביאו בחשבון את המגבלות הבאות:

שאילתות עם סבב אחד בלבד: יש תמיכה רק בשאילתות עם סבב אחד. אי אפשר להשתמש בשדה previous_interaction_id של ה-API.
אבטחה ברמת הארגון: במהלך גרסת טרום-ההשקה (Preview), אין תמיכה במפתחות הצפנה בניהול הלקוח (CMEK) וב-VPC Service Controls. אנחנו בודקים את האילוצים של מיקום אחסון הנתונים במספר אזורים.
שמירה במטמון: שמירה במטמון מרומזת מופעלת כברירת מחדל בשירות הזה. אי אפשר להשבית אותה.
שמירת נתונים: ההנחיות והפלט שנוצר נשמרים למשך שבעה ימים לצורך עיבוד רגיל. כשמשתמשים ב"עיגון באמצעות חיפוש Google", ‏Google שומרת את ההנחיות, המידע לפי ההקשר והפלט שנוצר למשך שלושה ימים לצורכי ניפוי באגים ובדיקות. אם אתם משתמשים ב"עיגון באמצעות חיפוש Google", אתם לא יכולים להשבית את האחסון של המידע הזה. אם אתם צריכים אפס שמירת נתונים, מומלץ להשתמש ב-Web Grounding for Enterprise.

תמחור

‫Deep Research משתמש בתכונות החשיבה הרציונלית המתקדמות של Gemini כדי לבצע משימות מחקר מרובות שלבים. החיוב כולל את השימוש במודל (אסימונים) ואת הפעלת הכלים (חיפוש ועיגון).

כדי לקבל הנחה על משימות ברקע, אתם יכולים להשתמש ברמת העדיפות הנמוכה.

למידע נוסף על תמחור

מעקב אחרי עלויות

כברירת מחדל, סוכן Gemini Deep Research מחיל באופן אוטומטי את תווית המשתמש is_deep_research על הפעולות שלו. ב- Google Cloud, תוויות הן צמדי מפתח/ערך קלים שמשמשים לארגון משאבים ולמעקב אחרי עלויות בתשתית.

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

מכסה

כדי להתמודד עם עומסי תנועה גבוהים יותר, משימות בו-זמניות ברקע או עומסי מחקר כבדים יותר, אתם יכולים לבקש הגדלה של המכסה ל-Agent Platform API ישירות בפרויקט ב- Google Cloud .

כדי להגדיל את המכסה:

במסוף Google Cloud , נכנסים לדף Quotas & system limits.

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

תאימות ואבטחה

בקטע הזה מוסבר איך הנתונים נשמרים במטמון, ומפורטים אמצעי האבטחה שלא נתמכים בגרסת טרום-ההשקה (Preview).

שמירת נתונים

ההנחיות והפלט שנוצר נשמרים למשך שבעה (7) ימים לצורך עיבוד רגיל.

כפי שמפורט בסעיף 19 "שירותי AI גנרטיבי: עיגון באמצעות חיפוש Google" בתנאים הספציפיים לשירות, Google מאחסנת למשך שלושה (3) ימים הנחיות ומידע לפי הקשר שהלקוחות מספקים, וגם פלט שנוצר, כדי ליצור תוצאות מעוגנות והצעות לחיפוש. יכול להיות שהמידע המאוחסן הזה ישמש לניפוי באגים ולבדיקת מערכות שתומכות בעיגון באמצעות חיפוש Google. אין דרך להשבית את אחסון המידע הזה אם משתמשים ב-"Grounding עם חיפוש Google". אם אתם צריכים אפס שמירת נתונים, מומלץ להשתמש ב-Web Grounding for Enterprise.

שמירה במטמון

שמירה במטמון באופן משתמע מופעלת כברירת מחדל ב-Deep Research ואי אפשר להשבית אותה.

אמצעי בקרה לאבטחה

אמצעי הבקרה הבאים לאבטחה לא נתמכים בגרסת טרום-השקה (Preview):

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

מאמרי העזרה של Interactions API

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

מדריך

Notebook: מבוא לסוכן Deep Research של Gemini

כדי להתחיל, אתם יכולים להשתמש ב-Deep Research Python notebook 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 עיקריות

איך משתמשים ב-Deep Research

לפני שמתחילים

Check for the roles

Grant the roles

Check for the roles

Grant the roles

התחלת משימה ב-Deep Research

Python

REST

סטרימינג

התחברות מחדש לשידור האינטראקציה

Python

REST

כלים

חיפוש Google

שרתי MCP

עיגון בנתונים מהאינטרנט עבור Enterprise

קלט מולטי-מודאלי

הבנת מסמכים

התאמה אישית ועיצוב

מאמרי העזרה של ה-API

Method: interactions.create

נקודת קצה (endpoint)

פרמטרים של גוף הבקשה

זמנים קצובים לתפוגה וטיפול בשגיאות

זמן גמיש לתפוגה

כשלים חמורים

שיטות מומלצות

מגבלות

תמחור

מעקב אחרי עלויות

מכסה

תאימות ואבטחה

שמירת נתונים

שמירה במטמון

אמצעי בקרה לאבטחה

המאמרים הבאים

מאמרי העזרה של Interactions API

Notebook: מבוא לסוכן Deep Research של Gemini

שימוש ב-Gemini Deep Research Agent