Gemini Interactions API ขึ้น GA — กลายเป็น API หลักของ Gemini พร้อม Managed Agents เรียก agent ใน sandbox ด้วยคำสั่งเดียว

Google ประกาศเมื่อ 22 มิถุนายน 2026 ว่า Interactions API ของ Gemini ขึ้นสถานะ General Availability (GA) เรียบร้อย และที่สำคัญกว่าตัวสถานะคือ Google ตั้งให้มันเป็น “API หลัก” สำหรับการคุยกับทั้งโมเดลและ agent ของ Gemini ตั้งแต่นี้ไป — ใน Google AI Studio, Gemini API และเอกสารทั้งหมดจะดีฟอลต์มาที่ Interactions API แทน generateContent แบบเดิม (API เก่ายังใช้ได้ต่อ แต่ความสามารถระดับ frontier ของ agent และงาน long-running จะทยอยลงเฉพาะบน Interactions API)

เราเขียนเรื่อง Gemini มาหลายสิบโพสต์ แต่ยังไม่เคยลงตัว API ที่เป็นรากของการต่อ Gemini จริง ๆ ตัวนี้ — ถือเป็นการตามเก็บ (catch-up) ที่นักพัฒนาไทยควรรู้ เพราะถ้าคุณกำลังจะเริ่มโปรเจกต์ใหม่บน Gemini ปีนี้ จุดเริ่มต้นได้เปลี่ยนไปแล้ว

จาก “roles” เป็น “steps” — โครงสร้าง request เปลี่ยน

ของเดิมที่หลายคนคุ้นคือส่งข้อความเป็นลิสต์ของ role (user/model) เข้า generateContent แต่ Interactions API เปลี่ยนหน่วยพื้นฐานเป็น step ทุก action ในหนึ่งเทิร์นกลายเป็น step ที่มี type ของตัวเอง — user_input, thought (ความคิดของโมเดล), function_call, function_result, model_output ฯลฯ — ทำให้ trace ของ agent ที่คิดหลายชั้นและเรียกเครื่องมือสลับไปมา อ่านและ debug ได้ตรงไปตรงมากว่าเดิมมาก

อีกจุดที่ช่วยงาน agent คือ state ฝั่งเซิร์ฟเวอร์: แทนที่จะส่งประวัติทั้งบทสนทนากลับเข้าไปทุกครั้ง คุณส่งแค่ previous_interaction_id แล้วระบบดึง context ต่อให้เอง (แต่พารามิเตอร์อย่าง tools, system_instruction, generation_config เป็น interaction-scoped ต้องระบุซ้ำในแต่ละ request) — ลดทั้ง payload และโอกาสพลาดของการ stitch ประวัติเอง

Managed Agents — ของเด็ดจริงของรอบนี้

ไฮไลต์ที่ทำให้ GA รอบนี้น่าสนใจกว่าการ “เปลี่ยน schema เฉย ๆ” คือ Managed Agents: เรียก agent ด้วย endpoint เดียวกับเรียกโมเดล (interactions.create) โดยใส่ชื่อ agent แทนชื่อโมเดล แล้วฝั่ง Google จะ เปิด sandbox Linux ระยะไกล ให้ agent นั้นเข้าไป reason, รันโค้ด, ท่องเว็บ และจัดการไฟล์ได้ — ทั้งหมดจากการเรียก API ครั้งเดียว ไม่ต้องไปตั้ง container เอง

ตัวดีฟอลต์คือ Antigravity (antigravity-preview-05-2026) และยังมี agent เฉพาะทางอย่าง Deep Research (deep-research-preview-04-2026) เรียกผ่านอินเทอร์เฟซเดียวกัน นอกจากนี้สร้าง agent เองได้โดยกำหนด instruction, skills และ data sources

พูดง่าย ๆ คือ Google ขยับ “agent” จากสิ่งที่คุณต้องประกอบเองด้วย framework + sandbox + เครื่องมือ ให้กลายเป็น บริการที่เรียกได้เหมือนเรียกโมเดล นี่คือทิศทางเดียวกับที่หลายค่ายกำลังวิ่ง (agent-as-a-service) แต่ Google มัดรวมมากับ API หลักของตัวเองเลย

Background execution, เครื่องมือในตัว และราคา

• Background execution: ตั้ง background=true เพื่อสั่งงาน long-running แบบ async ฝั่งเซิร์ฟเวอร์ (ต้องเปิด store=true ซึ่งเป็นค่าเริ่มต้น) — ระบบเก็บ interaction ของ paid tier ไว้ 55 วัน, free tier 1 วัน เหมาะกับงาน agent ที่กินเวลาหลายนาทีถึงหลายชั่วโมงโดยไม่ต้องถือ connection ค้าง
• เครื่องมือในตัว: ผสม Google Search, Google Maps, Code Execution, URL Context, Computer Use และ File Search เข้ากับฟังก์ชันที่คุณเขียนเองได้ และ tool result ส่งรูปภาพกลับมาพร้อมข้อความได้แล้ว
• สื่อ generative: สร้างภาพด้วย Nano Banana 2, เพลงด้วย Lyria 3 และ TTS หลายเสียงผ่าน API เดียวกัน
• ราคา/ทียร์: มี Flex (ลดต้นทุนได้ ~50%) และ Priority (เน้น latency) ให้เลือกตามงาน
• SDK: Python google-genai (v2.3.0+) และ JavaScript @google/genai (v2.3.0+) เมธอดหลักคือ interactions.create()

มุมมอง AI Curator

ข่าวนี้อายุ 6 วันแล้ว (ประกาศ 22 มิ.ย.) เราจึงลงเป็น catch-up ไม่ใช่ของร้อน — แต่เป็น catch-up ที่ “ควรเก็บ” เพราะมันเปลี่ยน จุดเริ่มต้นของการต่อ Gemini สำหรับโปรเจกต์ใหม่ทุกตัว ไม่ใช่ฟีเจอร์ปลีกย่อย

สิ่งที่น่าจับตาคือเกมการ lock-in แบบเนียน ๆ Google บอกเองว่า “ความสามารถ frontier ของ agent จะลงเฉพาะ Interactions API” แปลว่าใครยังอยู่บน generateContent จะค่อย ๆ ตกขบวนฟีเจอร์ใหม่ ๆ และเมื่อ agent กลายเป็นสิ่งที่ “เรียกได้เหมือนโมเดล” บน sandbox ของ Google โค้ดที่คุณเขียนก็ผูกกับ runtime ฝั่งเขามากขึ้น — ต่างจากการประกอบ agent เองด้วย framework เปิด (LangGraph, CrewAI) ที่ย้ายค่ายได้ง่ายกว่า นี่คือ trade-off คลาสสิก: สะดวกแลกกับอิสระ ทีมที่อยากได้เร็วจะรัก managed agents ส่วนทีมที่กลัว vendor lock-in ควรออกแบบ abstraction กั้นไว้ตั้งแต่วันแรก

สำหรับนักพัฒนาไทยและ SEA โดยเฉพาะทีมเล็กที่ไม่มี DevOps สาย infra: managed agents + background execution คือการตัดงานหนักที่สุดสองอย่าง (จัดการ sandbox และ long-running job) ออกไป ทำให้สร้าง agent ใช้งานจริงได้เร็วขึ้นมากด้วยต้นทุนเริ่มต้นต่ำ — แต่แนะนำให้ลองวัดต้นทุนจริงบน Flex tier ก่อนสเกล เพราะงาน agent ที่ท่องเว็บ/รันโค้ดยาว ๆ ค่าโทเคนสะสมเร็วกว่าที่คิด ถ้าจะเริ่ม ลองจับคู่ Antigravity กับ File Search ทำ RAG-agent ภายในองค์กรเป็นเคสแรกน่าจะเห็นผลไว

แหล่งข่าว

• Interactions API general availability — Google Developers Blog
• Interactions API overview — Google AI for Developers (docs)
• Gemini API release notes / changelog