La API de Gemini incorpora ejecución asíncrona, conexión directa con servidores MCP, funciones personalizadas y renovación de credenciales para facilitar agentes de IA preparados para entornos profesionales.
Google ha dado un nuevo paso en la carrera por los agentes de inteligencia artificial. La compañía ha ampliado las capacidades de los agentes gestionados en la API de Gemini, permitiendo que ejecuten tareas prolongadas en segundo plano, accedan a herramientas externas y mantengan entornos de trabajo persistentes sin obligar al desarrollador a construir toda la infraestructura desde cero.
Google convierte Gemini en un trabajador digital más autónomo
Las nuevas funciones forman parte de los agentes gestionados de la API de Gemini, una tecnología pensada principalmente para desarrolladores y empresas, no para el uso convencional de la aplicación de Gemini.
A través de la Interactions API, una única petición puede poner en marcha un agente capaz de razonar, utilizar herramientas, ejecutar código, instalar paquetes, consultar información en internet y manejar archivos dentro de un entorno Linux aislado en la nube.
La infraestructura se apoya en Antigravity, el agente gestionado predeterminado de Google. Su propósito es asumir tareas de varios pasos que antes exigían mantener servidores, contenedores, sistemas de ejecución y mecanismos de seguimiento propios.
Tareas de larga duración sin mantener abierta la conexión
La primera gran novedad es la ejecución en segundo plano.
Hasta ahora, una aplicación que encargaba a un agente una tarea extensa podía verse obligada a mantener abierta una conexión HTTP durante varios minutos. Esta situación aumenta el riesgo de cortes, tiempos de espera y errores de red.
Con la opción de ejecución asíncrona, la API devuelve inmediatamente un identificador de interacción. La aplicación puede consultar posteriormente el estado, recuperar el resultado o reconectarse mientras el agente continúa trabajando de forma remota.
Este sistema resulta especialmente útil para trabajos como:
- Analizar repositorios completos de código.
- Elaborar informes extensos.
- Procesar grandes cantidades de archivos.
- Ejecutar investigaciones con múltiples pasos.
- Revisar datos y generar resultados sin bloquear la aplicación.
Google sostiene que esta función permite tratar a los agentes como trabajadores asíncronos, capaces de completar encargos prolongados sin mantener permanentemente ocupada la conexión del cliente.
Gemini se conecta directamente con servidores MCP remotos
La segunda novedad es la integración con servidores remotos del Model Context Protocol, conocido como MCP.
Este protocolo permite conectar un modelo de inteligencia artificial con bases de datos, herramientas empresariales, servicios internos y API externas mediante una interfaz común.
Los desarrolladores podrán indicar el nombre y la dirección del servidor MCP dentro de la configuración de herramientas. El agente podrá comunicarse con ese servicio desde su entorno aislado y combinarlo con otras capacidades, como la búsqueda web o la ejecución de código.
En términos prácticos, una empresa podría ordenar a Gemini que consultara un sistema interno de observabilidad, detectara anomalías en un servicio y relacionara esos problemas con los últimos cambios realizados en el código.
La integración reduce la necesidad de construir intermediarios o proxys personalizados para cada herramienta interna, aunque las empresas deberán seguir aplicando controles estrictos de permisos, seguridad y acceso a información sensible.
Funciones personalizadas junto con herramientas integradas
Google también permite combinar las herramientas ejecutadas automáticamente en sus servidores con funciones personalizadas controladas por la aplicación del desarrollador.
Por ejemplo, Gemini puede ejecutar código dentro de su entorno remoto y, cuando necesite acceder a una función empresarial concreta —como consultar un inventario, reservar una cita o verificar un pedido—, detener temporalmente el proceso para que la aplicación ejecute esa operación.
Después, el resultado se devuelve al agente para que continúe con el resto del trabajo.
Esta arquitectura separa dos tipos de acciones:
Las herramientas integradas, como la ejecución de código, pueden funcionar automáticamente en la infraestructura de Google.
Las funciones privadas, vinculadas al negocio, permanecen bajo el control de la empresa y requieren que su propio sistema ejecute la operación.
La novedad facilita la creación de agentes que mezclen razonamiento, análisis y operaciones reales sin entregar a la IA un acceso indiscriminado a sistemas críticos.
Renovación de credenciales sin perder el trabajo realizado
Otra mejora importante afecta a las credenciales temporales.
Los agentes que acceden a servicios privados suelen utilizar claves API o tokens que caducan. Hasta ahora, renovar esas credenciales podía obligar a crear un nuevo entorno o interrumpir el proceso.
La API de Gemini permite ahora actualizar las reglas de red y sustituir credenciales durante interacciones posteriores, reutilizando el mismo identificador de entorno. Los archivos, repositorios y paquetes instalados permanecen disponibles.
De esta manera, una empresa puede renovar el acceso a un almacenamiento privado sin perder el estado acumulado por el agente.
La funcionalidad está especialmente orientada a procesos empresariales largos, donde las credenciales pueden expirar antes de que termine el trabajo.
Un entorno aislado que conserva archivos y paquetes
Los agentes gestionados trabajan dentro de un entorno remoto basado en Linux.
Ese espacio puede incluir programas preinstalados y permite añadir nuevas dependencias mediante herramientas como pip o npm. Cuando se reutiliza el mismo identificador, los paquetes instalados y los archivos creados pueden mantenerse entre distintas interacciones.
Esta persistencia convierte el entorno en algo más cercano a un espacio de desarrollo temporal que a una conversación convencional con un chatbot.
El agente puede, por ejemplo, clonar un repositorio en una primera interacción, analizar varios archivos después y continuar trabajando sobre el mismo proyecto en solicitudes posteriores.
Google acelera la competición por los agentes de IA
Google presentó inicialmente sus agentes gestionados en mayo de 2026 como una forma de desplegar tareas autónomas mediante una única llamada a la API. La ampliación ahora anunciada refuerza esa apuesta con funciones necesarias para aplicaciones empresariales reales: persistencia, ejecución asíncrona, acceso a herramientas externas y control de credenciales.
La compañía intenta reducir una de las principales barreras en la adopción de agentes: la complejidad de construir y mantener toda la infraestructura que los rodea.
Sin embargo, una mayor autonomía también exige mayores precauciones.
Las empresas deberán controlar qué dominios puede consultar el agente, qué funciones tiene permitido ejecutar, qué información puede manejar y cómo se supervisan sus decisiones. Un agente capaz de actuar sobre sistemas internos puede ser más útil, pero también amplifica los riesgos de una configuración incorrecta.
Gemini busca pasar del chatbot al agente operativo
Las nuevas capacidades muestran la evolución de la inteligencia artificial generativa.
El objetivo ya no es únicamente responder preguntas o redactar textos. Google quiere que Gemini pueda recibir un objetivo, planificar una secuencia de acciones, utilizar herramientas y completar el trabajo de manera remota.
La ejecución en segundo plano permite delegar tareas largas. MCP conecta al agente con servicios externos. Las funciones personalizadas lo integran con los procesos de cada empresa. La renovación de credenciales mantiene la continuidad del trabajo.
Gemini avanza así desde el modelo conversacional hacia un sistema capaz de operar dentro de entornos de desarrollo reales. La gran batalla tecnológica ya no consiste solo en crear la IA que mejor responde, sino en construir el agente que trabaja con mayor autonomía, seguridad y fiabilidad.
Chollones
Chollones
Chollones