Usar o agente do Deep Research do Gemini

Visualizar

Este produto está em pré-lançamento. Este produto é uma oferta pré-GA, sujeita aos "Termos das Soluções Pré-GA" na seção Termos Gerais de Serviço dos Termos Específicos de Serviço e aos Termos Adicionais para Produtos Pré-lançamento de IA Generativa. Os produtos e recursos pré-GA podem ter suporte limitado, e as mudanças neles podem não ser compatíveis com outras versões pré-GA. Para mais informações, consulte as descrições da fase de lançamento.

Os produtos e recursos em pré-GA estão em vários estágios de teste e análise internos. Portanto, não use dados reservados, sensíveis ou confidenciais com esses modelos. Esses modelos são disponibilizados aos Clientes apenas para testes e avaliações limitados e não podem ser usados para fins comerciais ou de produção.

O agente Deep Research do Gemini é um agente de IA gerenciado projetado para planejar, executar e sintetizar fluxos de trabalho de pesquisa complexos e de várias etapas. Com tecnologia do Gemini, o agente navega por diversos cenários de informações, incluindo a Web pública e dados corporativos privados, para gerar relatórios abrangentes e citados que aceleram a tomada de decisões fundamentadas.

Para ver um exemplo de como usar o agente Deep Research do Gemini, execute o notebook "Introdução ao agente Deep Research do Gemini" em um dos seguintes ambientes:

Abrir no Colab | Abrir no Colab Enterprise | Abrir no Workbench da plataforma de agentes | Ver no GitHub

Nesta página, explicamos como usar o agente Deep Research do Gemini, incluindo os principais recursos e limitações, como iniciar uma tarefa de pesquisa e como lidar com timeouts e tratamento de erros.

Quando usar o Deep Research

O Deep Research é um agente, não apenas um modelo. Ele é mais adequado para cargas de trabalho que permitem uma abordagem de análise assíncrona em vez de chat de baixa latência.

Considere os seguintes pontos fortes do Deep Research ao planejar seu projeto:

• Processo iterativo: em vez de gerar respostas instantâneas como os modelos de chat convencional, o Deep Research segue um fluxo de trabalho metódico e de várias etapas: Planejar > Pesquisa em várias fontes > Iterar > Saída.

• Cargas de trabalho avançadas: o Deep Research foi projetado especificamente para lidar com tarefas complexas, como auditoria, análise de mercado e análise da concorrência.

• Embasamento de dados extensivo: o agente Deep Research do Gemini pode consultar e sintetizar informações de várias fontes de dados simultaneamente. Isso inclui servidores MCP remotos, conhecimento institucional interno e contexto direto de arquivos ou pastas enviados.

• Relatórios refinados: ele produz relatórios abrangentes e citados que podem incluir recursos visuais prontos para apresentação. Isso inclui gráficos financeiros, infográficos inline e matrizes de posicionamento de mercado, que são gerados usando HTML e um modelo de imagem.

• Alta capacidade de direcionamento: é possível personalizar bastante a saída final diretamente no comando. Isso inclui definir um tom específico (por exemplo, técnico ou executivo), definir formatos rígidos ou solicitar tabelas de dados estruturados.

A tabela a seguir compara o agente do Deep Research do Gemini com os modelos padrão do Gemini em várias métricas, incluindo latência, saídas e para que cada um é mais adequado:

Recurso	Modelos padrão do Gemini	Agente Deep Research do Gemini
Latência	Segundos	Minutos
Processo	Gerar → Saída	Planejar → Pesquisa em várias fontes → Iterar → Saída
Saída	Texto e código em estilo de conversa	Relatórios detalhados e citados com gráficos e imagens inline
Ideal para	Chatbots, extração de informações, resumo	Análise de mercado, pesquisa aprofundada, análise da concorrência

Principais recursos

O Deep Research vem com os seguintes recursos e funcionalidades:

• Embasamento em várias fontes, incluindo:
  • Servidores MCP remotos
  • Embasamento com o Agent Search
  • Embasamento com a Pesquisa Google ou Embasamento na Web para empresas, que são respaldados por padrões rígidos de privacidade e filtragem adequados para cargas de trabalho empresariais.
  • Uploads de arquivos e pastas inline (como PDFs e planilhas), permitindo que você coloque o contexto diretamente no fluxo de trabalho de pesquisa e receba citações
• Saídas de imagem e gráfico: gere relatórios detalhados com recursos prontos para apresentação, como infográficos inline, gráficos de matriz de posicionamento de mercado e gráficos de desempenho financeiro.
• Citações incorporadas

Como usar o Deep Research

É possível acessar o agente do Deep Research do Gemini usando o endpoint global (v1beta1) com o SDK de IA generativa do Google ou solicitações diretas da API REST. Para ver um exemplo de uso, consulte o notebook Introdução ao agente Deep Research do Gemini no GitHub.

Antes de começar

Faça login na sua conta do Google Cloud . Se você começou a usar o Google Cloudagora, crie uma conta para avaliar o desempenho dos nossos produtos em situações reais. Clientes novos também recebem US $300 em créditos para executar, testar e implantar cargas de trabalho sem custos financeiros.
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: Agent Platform User (roles/aiplatform.user), Service Usage Consumer (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: Agent Platform User (roles/aiplatform.user), Service Usage Consumer (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.

Iniciar uma tarefa do Deep Research

As tarefas de pesquisa envolvem pesquisa, recuperação e análise iterativas e podem levar vários minutos para serem concluídas. É preciso executar o agente de Deep Research do Gemini de forma assíncrona, definindo background como True.

Você pode usar o agente do Deep Research do Gemini com ou sem streaming:

• Sondagem (sem streaming): defina background=True (e, opcionalmente, stream=False). A API retorna um objeto Interaction imediatamente. Use a propriedade id para pesquisar a interação até que o estado mude de in_progress para completed ou failed.
• Streaming: defina background=True e stream=True para receber atualizações em tempo real conforme a pesquisa avança. Para mais informações, consulte Streaming.

Também é possível configurar o agente para usar o nível adiado, que programa automaticamente jobs em segundo plano para horários de menor movimento com uma taxa de desconto de 50%. Para usar o nível adiado, stream precisa ser definido como False durante a criação da tarefa.

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"
    }'

A API retorna um interaction_id imediatamente. Use esse ID para consultar o status ou se reconectar a um stream.

Streaming

O Deep Research é compatível com streaming para receber atualizações em tempo real sobre o progresso da pesquisa, incluindo resumos de raciocínio, saída de texto e imagens generativas. Ao usar o streaming, defina background=True e stream=True.

O exemplo a seguir inicia uma tarefa de pesquisa e processa o stream com reconexão automática. Ele rastreia o interaction_id e o last_event_id para que, se a conexão cair, ele possa retomar de onde parou.

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)

Reconectar ao stream de interação

Para recuperar um stream descartado, envie uma solicitação GET usando o interaction_id original. A API vai reproduzir todos os eventos anteriores desde o início da sessão antes de continuar com as atualizações em tempo 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}"

Ferramentas

O Deep Research é compatível com várias ferramentas integradas e externas. Por padrão (quando nenhum parâmetro de ferramentas é fornecido), o agente tem acesso à Pesquisa Google e ao contexto de URL. É possível especificar ferramentas de forma explícita para restringir ou ampliar os recursos do agente. As ferramentas compatíveis incluem:

Ferramenta	Chave	Observação
Pesquisa Google	google_search	Pesquise na Web pública. Ativado por padrão.
Servidores MCP	mcp_server	Conectar-se a servidores MCP remotos para acessar ferramentas externas.
Embasamento na web para empresas	enterprise_web_search	Pesquisa na Web com controles de compliance adicionais.
Pesquisa de agentes na Gemini Enterprise Agent Platform	vertex_ai_search	Pesquise os dados do seu site ou seus conjuntos de documentos.

Pesquisa Google

O exemplo a seguir ativa a Pesquisa Google como a única ferramenta:

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 MCP

Informe o nome e o URL do servidor na configuração das ferramentas. Também é possível transmitir credenciais de autenticação e restringir quais ferramentas o agente pode chamar.

Consulte a seguinte referência:

Campo	Tipo	Obrigatório	Descrição
type	string	Sim	Precisa ser "mcp_server".
name	string	Não	Um nome de exibição para o servidor MCP.
url	string	Não	O URL completo do endpoint do servidor MCP.
headers	objeto	Não	Pares de chave-valor enviados como cabeçalhos HTTP com cada solicitação ao servidor (por exemplo, tokens de autenticação).
allowed_tools	matriz	Não	Restrinja quais ferramentas do servidor o agente pode chamar.

Veja o exemplo a seguir:

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
)

Embasamento na web para empresas

O Embasamento na Web para Empresas permite que as organizações baseiem as respostas de IA generativa em dados da Web seguros, em conformidade e atualizados. Ele permite que desenvolvedores e empresas conectem modelos de IA à Internet sem comprometer a privacidade de dados ou a conformidade regulatória.

Veja o exemplo a seguir:

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 multimodais

O Deep Research aceita entradas multimodais, incluindo imagens e documentos (PDFs), permitindo que o agente analise conteúdo visual e faça pesquisas baseadas na Web contextualizadas pelas entradas fornecidas.

Veja o exemplo a seguir:

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)

Processamento de documentos

É possível transmitir documentos diretamente como entrada multimodal. O agente analisa os documentos fornecidos e realiza pesquisas com base no conteúdo deles.

Veja o exemplo a seguir:

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
)

Capacidade de direcionamento e formatação

Você pode direcionar a saída do agente fornecendo instruções de formatação específicas no comando. Isso permite estruturar relatórios em seções e subseções específicas, incluir tabelas de dados ou ajustar o tom para diferentes públicos-alvo, por exemplo, "técnico", "executivo" ou "casual".

Defina a saída explicitamente no texto de entrada. Veja o exemplo a seguir:

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
)

Referência da API

Esta seção fornece informações de referência da API para usar o agente do Deep Research do Gemini.

Para mais informações, consulte API Interactions.

Método: interactions.create

Nome completo: projects.locations.interactions.create

Inicia uma nova sessão do Deep Research.

Endpoint

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

Parâmetros do corpo da solicitação

Os parâmetros do corpo da solicitação podem incluir o seguinte:

Parâmetro	Tipo	Descrição
agent	string	Obrigatório. Especifica o código de ID do agente (como deep-research-preview-04-2026).
background	boolean	Obrigatório. Executa a interação de forma assíncrona. Precisa ser definido como true.
stream	boolean	Opcional. Ativa o streaming. O valor padrão é false.
input	array ou string	Obrigatório. Uma lista que contém a entrada do usuário. Somente um objeto é compatível.
tools	array	Substitui as ferramentas padrão. Suporte a google_search, external_data_mcp, vertex_search etc.
service_tier	string	Defina como deferred para usar o nível adiado, que programa automaticamente jobs em segundo plano para horários de pico.

Tempos limite e tratamento de erros

Ao interagir com um agente, você pode encontrar tempos limite de conexão ou erros do sistema. Nesta seção, explicamos como identificar e resolver tempos limite flexíveis e falhas graves.

Tempos limite flexíveis

Um tempo limite flexível ocorre quando a conexão da API Interactions cai enquanto o agente ainda está processando uma solicitação. O agente continua executando a solicitação em segundo plano.

Para retomar a sessão e ver os eventos reproduzidos, reconecte-se ao stream usando seu interaction_id. Consulte Reconectar ao stream de interação.

Falhas graves

Uma falha grave ocorre quando um erro do agente ou do sistema interno encerra completamente o contexto do agente. Esses erros geralmente retornam um código de status HTTP 500. As causas comuns incluem exceder o limite de execução de 120 minutos ou uma falha no sistema.

Para resolver essa falha, interrompa a sessão atual e refine a consulta antes de iniciar uma nova sessão.

Práticas recomendadas

Dar a um agente autônomo acesso à Web e aos seus arquivos introduz dinâmicas únicas. Considere as seguintes práticas recomendadas ao implementar seu projeto:

• Solicitar informações desconhecidas: instrua explicitamente o agente sobre como lidar com dados ausentes. Por exemplo, peça para ele informar se um número não está disponível, em vez de estimá-lo.

• Evite riscos de injeção de comandos: verifique se os arquivos enviados vêm de fontes confiáveis, já que arquivos maliciosos podem conter texto oculto projetado para manipular a saída de um agente.

• Evite a exfiltração de dados: tenha muito cuidado ao pedir que o agente resuma dados internos sensíveis e, ao mesmo tempo, dê a ele acesso para navegar na Web pública.

• Verifique as citações: embora a filtragem de nível empresarial seja aplicada, sempre verifique as citações fornecidas na resposta para garantir que as fontes da Web sejam confiáveis.

Limitações

Considere as seguintes limitações ao planejar seu projeto:

• Somente turno único: apenas consultas de turno único são aceitas. O uso do campo previous_interaction_id da API não é compatível.

• Segurança empresarial: durante o pré-lançamento, as chaves de criptografia gerenciadas pelo cliente (CMEK) e o VPC Service Controls não são compatíveis. As restrições de residência de dados multirregionais estão em avaliação.

• Armazenamento em cache: o armazenamento em cache implícito é ativado por padrão para esse serviço. Não é possível desativá-lo.

• Retenção de dados: os comandos e as saídas geradas são armazenados por sete dias para processamento padrão. Ao usar o Embasamento com a Pesquisa Google, o Google armazena comandos, informações contextuais e respostas geradas por três dias para depuração e teste. Se você usar o embasamento com a Pesquisa Google, não será possível desativar o armazenamento dessas informações. Se você precisar de retenção de dados zero, recomendamos usar o embasamento na Web para empresas.

Preços

O Deep Research usa os recursos de raciocínio avançado do Gemini para realizar tarefas de pesquisa agêntica em várias etapas. O faturamento inclui o uso do modelo (tokens) e a execução de ferramentas (pesquisa e embasamento).

Para jobs em segundo plano, use o nível adiado para receber um desconto.

Para saber mais informações, consulte Preços.

Monitoramento de custos

Por padrão, o agente do Deep Research do Gemini aplica automaticamente o rótulo de usuário is_deep_research às operações de TI. No Google Cloud, os rótulos são pares de chave-valor leves usados para organizar recursos e acompanhar custos em toda a infraestrutura.

• Rotulagem automatizada: não é necessário configurar manualmente esse rótulo nas solicitações de API. O agente inclui o rótulo is_deep_research por padrão para todas as tarefas executadas.

• Filtragem de faturamento: os relatórios de faturamento do Deep Research podem ser filtrados usando o rótulo de faturamento is_deep_research.

• Rastreamento abrangente: o rótulo de faturamento is_deep_research se aplica ao uso do modelo (tokens de entrada e saída) e à execução da ferramenta (uso de pesquisa e embasamento). Isso ajuda a agregar e calcular o custo total dos fluxos de trabalho de pesquisa assíncronos.

Observação : para estratégias mais amplas sobre o uso de rótulos para organização de recursos e alocação de custos no ambiente do Google Cloud , consulte a documentação do Resource Manager sobre rótulos.

Cota

Para acomodar um tráfego maior, tarefas em segundo plano simultâneas ou cargas de pesquisa mais pesadas, solicite um aumento de cota para a API Agent Platform diretamente no seu projeto do Google Cloud .

Para aumentar sua cota, faça o seguinte:

1. No console do Google Cloud , acesse a página Cotas e limites do sistema.

   Acesse "Cotas e limites do sistema"

2. Verifique se você selecionou o projeto correto que está executando as cargas de trabalho do Deep Research.

3. Na caixa de pesquisa de filtro, procure API Agent Platform (aiplatform.googleapis.com) para encontrar as cotas de agente e interação relevantes.

4. Selecione o limite de cota específico que você precisa ajustar.

5. Clique em Editar cotas.

6. Na caixa de diálogo Mudanças de cota, no campo Novo valor, insira o limite solicitado. Forneça uma justificativa clara na descrição da solicitação. Mencionar seu caso de uso específico do Deep Research, as necessidades de execução em segundo plano e os padrões de tráfego esperados pode ajudar a acelerar o processo de aprovação.

7. Clique em Enviar solicitação.

Observação : as solicitações de aumento de cota geralmente levam alguns dias úteis para serem processadas. É altamente recomendável monitorar o uso e enviar solicitações de aumento proativamente antes de lançamentos de produção ou picos de uso antecipados.

Segurança e conformidade

Nesta seção, explicamos como seus dados são retidos e armazenados em cache e listamos os controles de segurança que não são compatíveis durante o pré-lançamento.

Retenção de dados

Os comandos e as saídas geradas são armazenados por 7 (sete) dias para processamento padrão.

Conforme descrito na Seção 19 "Serviços de IA generativa: embasamento com a Pesquisa Google" dos Termos Específicos de Serviço, o Google armazena comandos e informações contextuais que os clientes podem fornecer, além de resultados gerados por três (3) dias para criar resultados embasados e sugestões de pesquisa. Essas informações armazenadas podem ser usadas para depuração e teste de sistemas que oferecem suporte ao embasamento com a Pesquisa Google. Não é possível desativar o armazenamento dessas informações se você usar o embasamento com a Pesquisa Google. Se você precisar de retenção de dados zero, recomendamos usar o embasamento na Web para empresas.

Armazenamento em cache

O armazenamento em cache implícito é ativado por padrão no Deep Research e não pode ser desativado.

Controles de segurança

Os seguintes controles de segurança não são compatíveis durante o pré-lançamento:

• Chaves de criptografia gerenciadas pelo cliente (CMEK, na sigla em inglês)
• VPC Service Controls (VPC-SC)
• Transparência no acesso (AXT)
• Residência de dados
• Residência de dados multirregional

A seguir

Referência

Referência da API Interactions

Saiba mais sobre a API Interactions, que permite interagir com um agente.

Tutorial

Notebook: Introdução ao agente Deep Research do Gemini

Comece a usar este notebook Python do Deep Research no GitHub.