用 Google Gemini Managed Agents 让 AI 在云端后台持续跑长任务

# google-genai 要求 Python 3.10 起
python3 --version        # 需显示 3.10 / 3.11 / 3.12

python3 -m venv .venv
source .venv/bin/activate
pip install --upgrade google-genai requests

# 在 Google AI Studio 创建 Key 并导出（切勿提交到代码库）
export GEMINI_API_KEY="your-api-key"

下面这段同步调用会在远端开一个全新沙箱，让 Agent 写脚本、存文件、打印结果：

from google import genai

client = genai.Client()   # 自动读取 GEMINI_API_KEY

interaction = client.interactions.create(
    agent="antigravity-preview-05-2026",
    input=(
        "写一段 Python 生成前 20 个斐波那契数，"
        "存到 fibonacci.txt，然后打印文件内容。"
    ),
    environment="remote",
)

print(f"Interaction ID: {interaction.id}")
print(f"Environment ID: {interaction.environment_id}")
print(f"Status: {interaction.status}")
print(f"Output:\n{interaction.output_text}")

API 把两种状态拆开：对话历史靠 previous_interaction_id，沙箱文件靠 environment_id。这样第一轮生成的文件，第二轮还能继续用：

interaction_2 = client.interactions.create(
    agent="antigravity-preview-05-2026",
    previous_interaction_id=interaction.id,   # 延续对话
    environment=interaction.environment_id,    # 复用沙箱文件
    input="把斐波那契数列画成折线图，存为 chart.png。",
)
print(interaction_2.output_text)

克隆仓库、跑测试、生成报告可能要好几分钟。同步模式会卡住你的进程、还可能 HTTP 超时。解决：开后台。

interaction = client.interactions.create(
    agent="antigravity-preview-05-2026",
    input="克隆我的仓库，跑全套测试，写一份测试报告。",
    environment="remote",
    background=True,   # 立即返回，不阻塞
    store=True,        # 保留沙箱状态，可后续取回
)
print(interaction.id, interaction.status)  # 状态可能是 running

# 之后用 interaction.id 轮询 / 取结果，关掉终端任务也还在跑

如果你已经部署了 MCP 工具服务器，Agent 可以直接连，不用为每个集成重写一遍：

interaction = client.interactions.create(
    agent="antigravity-preview-05-2026",
    input="用我们的内部 MCP 查本月销售额，生成图表。",
    environment="remote",
    tools=[{
        "type": "mcp_server",
        "mcp_server": {
            "name": "internal-sales",
            "url": "https://mcp.internal.example.com/sse",
        },
    }],
)

遇到 Google 沙箱里执行不了的内部 API，可以声明自定义函数并标记为 requires_action，由你的服务补执行；令牌过期也不必冷重启沙箱，用 environment_id 刷新凭据：

# 自定义函数：沙箱无法直连时，转交你的后端
tools=[{
    "type": "function",
    "function": {
        "name": "charge_card",
        "status": "requires_action",   # 交给外部执行
    },
}]

# 凭据刷新：同一 environment_id 下换新 token，沙箱状态不丢
client.environments.update(
    environment_id=interaction.environment_id,
    credentials={"api_key": refreshed_token},
)

把后台执行 + 远程 MCP + 凭据刷新组合起来，就是一个「下班后还在跑」的研究 / 运维 Agent：

# 场景：每天凌晨拉数据→分析→出报告→存云盘
1. 定时触发 client.interactions.create(background=True, store=True)
2. tools 声明内部 MCP（只读数据库）
3. input: "汇总昨日指标，生成 report.md 和 chart.png"
4. 用 Files API 取回产物，传到云盘 / 发 Slack
5. 令牌临近过期前用 environment_id 刷新，任务不中断