Google amplió los Managed Agents de la Gemini API el 7 de julio con dos piezas que importan a quien construye software con IA: tareas en segundo plano y conexión directa a servidores MCP remotos. Es una actualización para desarrolladores, sin modelo nuevo ni titular de consumo, pero apunta justo a lo que hace falta para que un agente pase de demo a producción.
El MCP (Model Context Protocol) es el estándar que deja a un modelo conectarse a herramientas y datos externos. Que Gemini lo soporte en remoto significa que un agente puede tirar de tus bases de datos o APIs internas sin que montes tú el pegamento por el medio.
Puntos clave
- Background tasks: con `background: true`, la interacción corre asíncrona. La API devuelve un ID al momento y el cliente consulta el estado o se reconecta después.
- Remote MCP: los agentes gestionados se enganchan directamente a servidores MCP remotos, sin middleware propio.
- Se pueden mezclar herramientas remotas con las integradas del sandbox y añadir funciones personalizadas de ejecución local.
- Permite refrescar tokens de acceso y claves de corta duración pasando una nueva configuración de red.
Qué cambia técnicamente
Lo de las tareas en segundo plano resuelve un problema real. Muchas tareas de un agente tardan: un análisis largo, varios pasos encadenados, una llamada que no vuelve en dos segundos. Hasta ahora eso te obligaba a mantener la conexión abierta. Con `background: true`, la Gemini API te devuelve un identificador al instante y el trabajo sigue por su cuenta. Tu aplicación pregunta el estado cuando quiere o se reengancha más tarde. Es el patrón que ya usa medio ecosistema de agentes y que Gemini necesitaba para tareas serias.
El MCP remoto es la otra mitad. Los Managed Agents ya traían un sandbox con herramientas integradas. Ahora se pueden conectar a servidores MCP remotos para acceder a bases de datos privadas o APIs internas de tu empresa, sin construir una capa intermedia a mano. Y se combinan las dos cosas: herramientas remotas del MCP más las del sandbox, más funciones personalizadas que corren en local. También añadieron poder refrescar tokens y claves API de corta duración sobre la marcha, un detalle de seguridad que hace falta en cualquier despliegue de verdad.
Firman el anuncio Philipp Schmid y Mariano Cocirio, de Google DeepMind. No se publicaron precios ni fechas de disponibilidad general.
Por qué importa para tu empresa
Si tu equipo técnico ya trastea con la Gemini API, esto acerca los agentes de Google a lo que necesitas para producción: tareas largas que no bloquean y conexión a tus datos internos vía MCP sin tirar de código intermedio. Es la misma dirección que llevan Claude y OpenAI, así que la elección de proveedor se juega cada vez menos en el modelo y más en cómo de fácil es enchufarlo a tus sistemas. Como recordamos siempre, lo primero no es la IA, es el dato: estas piezas sirven para conectar el modelo a la información correcta donde ya la tienes.
Relacionado
