Google Interactions API: la nuova frontiera per gli agenti Gemini

Con l'annuncio della disponibilità generale (General Availability) di Interactions API, Google DeepMind segna un punto di svolta nello sviluppo di applicazioni basate su intelligenza artificiale. Non si tratta di un semplice aggiornamento tecnico, ma di un cambio di paradigma: la nuova API diventa l'interfaccia principale e unificata per interagire con i modelli e gli agenti Gemini, offrendo funzionalità avanzate come sandbox Linux gestite, esecuzioni asincrone in background e un risparmio sui costi che tocca il 50%.

Che cos'è l'Interactions API e perché supera i vecchi standard

Nel mondo dello sviluppo software, una API (Application Programming Interface) è l'insieme di definizioni e protocolli che consente a due applicazioni di comunicare tra loro. Fino a oggi, l'interfaccia di riferimento per i modelli Gemini era la libreria legacy generateContent, caratterizzata da un approccio stateless (privo di memoria): ogni volta che l'utente inviava un messaggio, l'applicazione doveva caricare e rispedire l'intera cronologia della conversazione per mantenere il contesto.

La nuova Interactions API, lanciata in beta pubblica a dicembre 2025 e oggi finalmente stabile e matura, capovolge questo approccio introducendo la gestione dello stato lato server (server-side state). Questo significa che è il server di Google a ricordare l'andamento della conversazione e le azioni compiute, semplificando drasticamente il codice che gli sviluppatori devono scrivere e gestire.

Modelli e agenti con pochissime righe di codice

La vera forza della nuova interfaccia sta nell'unificazione. Sia che tu debba interrogare un modello linguistico standard per una risposta rapida, sia che tu voglia avviare un agente autonomo (un software in grado di pianificare ed eseguire compiti complessi senza supervisione costante), la chiamata API di base rimane la stessa. È sufficiente specificare l'identificativo del modello o dell'agente desiderato.

Ecco un esempio pratico in ambiente Python che mostra la pulizia del nuovo SDK ufficiale google-genai:

pythonCopia
from google import genai

client = genai.Client()

# Esempio 1: Interazione diretta con un modello linguistico standard
interaction = client.interactions.create(
    model="gemini-3.5-flash",
    input="Spiega l'entanglement quantistico in modo semplice.",
)

# Esempio 2: Esecuzione asincrona di un agente autonomo in ambiente remoto
interaction = client.interactions.create(
    agent="antigravity-preview-05-2026",
    input="Traccia la crescita globale della produzione di energia solare e crea delle slide in HTML.",
    environment="remote",
)

Come si nota dal codice, l'introduzione del parametro environment="remote" indica a Google di allocare un ambiente di esecuzione sicuro per l'agente senza che lo sviluppatore debba configurare server o macchine virtuali proprietarie.

Le funzionalità chiave introdotte con la disponibilità generale

Rispetto alla prima versione beta rilasciata a fine 2025, il team di Google DeepMind guidato dal Group Product Manager Ali Çevik e dal Developer Relations Engineer Philipp Schmid ha integrato strumenti di livello enterprise richiesti a gran voce dalla community di sviluppatori:

• Managed Agents (Agenti Gestiti): Con una singola chiamata API viene creata una sandbox Linux remota e isolata sul cloud. Qui l'agente predefinito (chiamato Antigravity) può eseguire codice in tempo reale, navigare sul web, gestire file e risolvere problemi in autonomia. È anche possibile definire agenti personalizzati con istruzioni e fonti dati specifiche.

• Esecuzione in Background: Impostando il parametro background=True, l'interazione viene elaborata in modo asincrono. L'applicazione non deve rimanere in attesa del completamento di compiti complessi che possono richiedere diversi minuti.

• Strumenti integrati e combinabili (Tool Combination): Ora è possibile combinare nello stesso flusso di lavoro strumenti nativi di Google (come Google Search o Google Maps) con le proprie funzioni personalizzate. Inoltre, i tool possono restituire non solo testo ma anche immagini.

• Deep Research potenziato: Il sistema di ricerca approfondita include ora due versioni ottimizzate (una per la velocità di esecuzione, l'altra per la massima profondità di analisi), pianificazione collaborativa e la capacità di generare grafici e infografiche vettoriali partendo da file PDF, audio e immagini.

• Generazione Multimediale integrata: L'API supporta la generazione di immagini tramite il modello Nano Banana 2 (con verifica delle fonti tramite Google Image Search), la creazione di tracce musicali con Lyria 3 e la sintesi vocale espressiva multivoce.

L'evoluzione architetturale: il passaggio da "Roles" a "Steps"

Un cambiamento fondamentale sotto il cofano della Interactions API riguarda la struttura dei dati scambiati. Nel vecchio paradigma basato sui ruoli (Roles), il sistema distingueva rigidamente tra i messaggi inviati dall'utente e quelli generati dal modello. Questo schema mostrava forti limiti strutturali di fronte alle attività degli agenti, che compiono molteplici azioni intermedie (come ragionare, invocare uno strumento esterno, leggere un file) prima di formulare la risposta finale.

Google ha quindi introdotto uno schema semplificato basato sui passi (Steps). Ogni singola azione compiuta all'interno di un'interazione viene registrata come un passaggio tipizzato autonomo:

Questo approccio sequenziale rende incredibilmente più semplice monitorare lo stato di avanzamento dell'agente (il cosiddetto tracing) e capire esattamente in quale fase si sia verificato un eventuale errore di esecuzione.

Come prepararsi alla migrazione e ottimizzare i costi

Sebbene l'API legacy generateContent rimanga pienamente attiva e continuerà a ricevere i futuri modelli Gemini standard, Google ha chiarito che tutte le funzionalità avanzate per agenti e flussi complessi verranno sviluppate esclusivamente sulla nuova Interactions API. Per questo motivo, la migrazione è caldamente consigliata per tutti i nuovi progetti.

Per facilitare il passaggio, Google ha introdotto un meccanismo chiamato gemini-interactions-api Skill, utilizzabile direttamente tramite terminale per istruire gli assistenti di programmazione (coding agents) sui nuovi standard della Interactions API (come lo streaming dei dati o l'output strutturato):

bashCopia
npx skills add google-gemini/gemini-skills --skill gemini-interactions-api

Sul fronte dei costi di gestione, l'introduzione dei tier Flex e Priority consente alle aziende di scegliere se ottimizzare la latenza di risposta o il budget. Se la tua applicazione non richiede risposte in tempo reale (come nel caso di reportistica notturna o analisi asincrone), il tier Flex garantisce una riduzione della tariffa di inferenza pari al 50%.

Considerazioni della redazione: a chi conviene fare il salto?

Con il rilascio in disponibilità generale della Interactions API, Google lancia una sfida frontale all'architettura Assistants di OpenAI. Gestire lo stato di una conversazione complessa o l'esecuzione asincrona di codice Python all'interno di una sandbox sicura è sempre stato uno dei principali colli di bottiglia per gli sviluppatori italiani, spesso costretti a configurare costose infrastrutture su AWS o Azure.

A chi conviene migrare subito? Senza dubbio a chi sta sviluppando sistemi di assistenza clienti intelligenti con flussi multi-turno, strumenti di deep research aziendale o agenti dedicati alla manipolazione di file e dati in totale autonomia. Per chi realizza semplici applicazioni di chatbot "botta e risposta" (Q&A), la vecchia API generateContent può ancora bastare, ma la transizione verso la Interactions API rappresenta un investimento necessario per non rimanere esclusi dalle future evoluzioni della tecnologia Gemini.