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 מקורות מידע שונים, 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 צ'אט ברירת המחדל, Deep Research פועל לפי תהליך עבודה שיטתי עם כמה שלבים: תכנון > חיפוש בכמה מקורות > חזרה על התהליך > פלט.
עומסי עבודה מתקדמים: Deep Research תוכנן במיוחד כדי לטפל במשימות מורכבות כמו בדיקת נאותות, ניתוח שוק וניתוח תחרות.
ביסוס נתונים נרחב: סוכן Deep Research של Gemini יכול לשלוח שאילתות ולסנתז מידע 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 ליצירת תמונות.
יכולת גבוהה לשלוט בתוצאה: אתם יכולים להתאים אישית את התוצאה הסופית ישירות בהנחיה. זה כולל הגדרת טון ספציפי (לדוגמה, טכני או ניהולי), הגדרת פורמטים קפדניים או בקשה לטבלאות נתונים מובְנות.
בטבלה הבאה מוצגת השוואה בין Gemini Deep Research לבין מודלי Gemini רגילים, לפי כמה מדדים שונים, כולל זמן אחזור, פלט והמטרות שהכי מתאימות לכל אחד מהם:
| תכונה | מודלים רגילים של Gemini | Gemini Deep Research Agent |
|---|---|---|
| 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 מוטבעים |
| 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 ב-Web לארגונים, שמגובים בתקנים מחמירים של פרטיות וסינון שמתאימים לעומסי עבודה ארגוניים.
- העלאת קבצים ותיקיות (כמו קובצי PDF וגיליונות אלקטרוניים) ישירות בתוך הטקסט, כדי שתוכלו 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-notebook Introduction to Gemini Deep Research Agent ב-GitHub.
לפני שמתחילים
- נכנסים לחשבון Google Cloud . אנחנו ממליצים למשתמשים חדשים ב- Google Cloudליצור 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 theresourcemanager.projects.createpermission. Learn how to grant roles.
-
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.enablepermission. 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.-
Make sure that you have the following role or roles on the project: Agent Platform User (
roles/aiplatform.user), Service Usage Consumer (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 theresourcemanager.projects.createpermission. Learn how to grant roles.
-
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.enablepermission. 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.-
Make sure that you have the following role or roles on the project: Agent Platform User (
roles/aiplatform.user), Service Usage Consumer (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, אחזור וניתוח שחוזרים על עצמם, ויכולות להימשך כמה דקות. כדי להריץ את Gemini Deep Research באופן אסינכרוני, צריך להגדיר את background ל-True.
אתם יכולים להשתמש ב-Gemini Deep Research עם או בלי סטרימינג:
- סקר (ללא סטרימינג): מגדירים את
background=True(ואתstream=False, אם רוצים). ה-API מחזיר אובייקטInteractionבאופן מיידי. אפשר להשתמש במאפייןidכדי לדגום את האינטראקציה עד שהמצב ישתנה מ-in_progressל-completedאו ל-failed. - סטרימינג: מגדירים את
background=Trueו-stream=Trueכדי 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, בשיעור הנחה 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 ו-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 הפסיק.
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 לשיחה
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 כלים ספציפיים 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 לארגונים | 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 לארגונים
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
התכונה Deep Research תומכת בקלט מולטי-מודאלי, כולל תמונות ומסמכים (קובצי PDF), ומאפשרת 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)
עיבוד מסמכים
אתם יכולים להעביר מסמכים ישירות כקלט מולטימודלי. 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
כדי לכוון את הפלט של הנציג, אתם יכולים לתת בהנחיה הוראות ספציפיות לגבי הפורמט. כך אתם יכולים לחלק את הדוחות לסעיפים ולסעיפי משנה ספציפיים, לכלול טבלאות נתונים או להתאים את הטון לקהלים שונים, למשל "טכני", "ניהולי" 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:
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
|
המדיניות 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, שמתזמנת באופן אוטומטי משימות ברקע לשעות שאינן שעות השיא. |
זמני 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 לזרם האינטראקציות
כשלים חמורים
כשל חמור מתרחש כששגיאה של הנציג או של המערכת הפנימית מסיימת את ההקשר של הנציג לחלוטין. בדרך כלל השגיאות האלה מחזירות קוד סטטוס HTTP 500. הסיבות הנפוצות 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 לפרטים 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 שהועלו מגיעים ממקורות מהימנים, כי קבצים זדוניים יכולים להכיל טקסט מוסתר שנועד לשנות את הפלט של הנציג.
הימנעות מזליגת נתונים: חשוב להיזהר כשמבקשים מהנציג לסכם נתונים פנימיים רגישים, ובמקביל נותנים לו גישה לגלישה באינטרנט הציבורי.
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 פנייה אחת בלבד: יש תמיכה רק בשאילתות עם פנייה אחת. אי אפשר להשתמש בשדה
previous_interaction_idשל ה-API.אבטחה ברמת הארגון: בגרסת 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 לצורך ניפוי באגים ובדיקות. אם אתם משתמשים ב"עיגון באמצעות חיפוש Google", אתם לא יכולים להשבית את האחסון של המידע הזה. אם אתם צריכים שלא תהיה 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).
למשימות ברקע, אתם יכולים להשתמש ברמת השירות המושהית כדי לקבל הנחה.
למידע נוסף, ראו תמחור.
מעקב אחרי עלויות
כברירת מחדל, הסוכן של Gemini Deep Research מחיל באופן אוטומטי את תווית המשתמש is_deep_research על תפעול ה-IT 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_researchכברירת 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_researchחלה 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 עומס תנועה גבוה 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.
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, ומופיעה רשימה של 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 שומרת את ההנחיות והמידע לפי הקשר שהלקוחות מספקים, ואת הפלט שנוצר למשך שלושה (3) ימים, כדי ליצור תוצאות מעוגנות והצעות לחיפוש. יכול להיות שהמידע השמור הזה ישמש לניפוי באגים ולבדיקת מערכות שתומכות בעיגון באמצעות חיפוש Google. אין דרך להשבית את אחסון המידע הזה אם משתמשים ב"עיגון באמצעות 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
בגרסת טרום-השקה (Preview) אין תמיכה באמצעי הבקרה הבאים:
- מפתחות הצפנה בניהול הלקוח (CMEK)
- VPC Service Controls (VPC-SC)
- Access Transparency (AXT)
- מיקום אחסון הנתונים
- מיקום אחסון הנתונים במספר אזורים
המאמרים הבאים
מאמרי העזרה של Interactions API
מידע ולמידה על Interactions API, שמאפשר לכם ליצור אינטראקציה עם סוכן.
Notebook: מבוא ל-Gemini Deep Research Agent
כדי להתחיל, אתם יכולים להשתמש ב-Deep Research Python notebook ב-GitHub.