Was ist ein Gemini Agent? So rufen Google-AI-Agenten Tools, APIs und Funktionen auf

Stand: 18. August 2026. Die technischen Aussagen wurden gegen Googles Managed Agents (Gemini Agent), Function calling und Using Tools with Gemini API geprüft.

Symptom: In den Unterlagen vermischen sich Gemini, Agent, Tools und Function calling – niemand weiß, ob Interactions, eine eigene Schleife oder ein Managed Agent nötig ist.
Schnellste Klärung: Trennen Sie „das Modell hat einen Aufruf vorgeschlagen“ von „wer führt Seiteneffekte aus“. Eingebaute Tools laufen bei Google. Eigene Funktionen bleiben in Ihrer App, bis ein function_result zurückkommt.

Der Text richtet sich an Backends, die Google AI Agent an Bestellungen und interne APIs hängen, an Architekten, die eine eigene Agent-Loop mit Managed Agents vergleichen, und an Plattformteams, die chatten können, aber nicht sicher in eine Datenbank schreiben dürfen.

Was „Gemini Agent“ wirklich meint

Im Meeting bezeichnet dieselbe Phrase drei Schichten. Wer sie mischt, verdreht IAM und Incident Response.

Schicht eins ist das Gemini-Modell. Mit einem Funktionsschema kann es statt Prosa ein strukturiertes function_call liefern. Das beantwortet „weiß das Modell, was es aufrufen soll?“ – nicht, ob es Ihr Datenbankpasswort besitzt.

Schicht zwei sind Gemini-API-Tools. Die Doku fasst Fähigkeiten zusammen, die das Modell in einem Turn oder einer Live-Session anfordern darf: Search, Code Execution, URL Context oder eigene Function-Calling-Deklarationen. Siehe Tools-Dokumentation.

Schicht drei ist das produktisierte Gemini Agent / Managed Agent. Systemanweisung, Standardtools, Remote-MCP, eigene Funktionen, Dateien und AGENTS.md werden zu einem Agenten mit ID, den Sie über die Interactions API aufrufen. Standard sind code_execution, google_search und url_context; eine Interaction kann die Liste überschreiben. Siehe Building Managed Agents.

Reicht ein strukturierter Lookup, genügt Function calling. Brauchen Sie Sandbox, Suche, Codeausführung, MCP und eine wiederverwendbare Konfiguration, wechseln Sie zu Managed Agents. Gießen Sie nicht jede Geschäftsregel ins Prompt, nur weil „Agent“ draufsteht.

Werkzeuge, APIs und Funktionen trennen

• Tools sind der Katalog für das Modell. Gehostete Tools führt Google aus; eigene Tools sind nur Deklarationen.
• APIs sind Ihre HTTP-Endpunkte und Abfragen. Das Geheimnis bleibt beim Dienstkonto.
• Funktionen sind lokaler Code und Queue-Producer. JSON Schema, Korrelation über id.

Google nennt drei Aufgaben für Function calling: handeln, Wissen ergänzen, Fähigkeiten erweitern. Das ist nicht Structured Outputs, das nur die finale Nutzlast formt. Wenn ein Zwischenschritt Ihr System trifft, nutzen Sie Function calling. Function-calling-Leitfaden

Wenn Werkzeuge Dateien anfassen, trennen Sie Host-Platte und Agent-Arbeitsbereich. Dafür eignet sich Was ist ein AI Virtual File System? Der komplette Leitfaden 2026. Ablaufdiagramme der Orchestrierung können Sie analog zu AI Flowchart Generator 2026: 10 Empfehlungen dokumentieren.

Die vollständige Funktionsaufruf-Schleife

Ein Funktionsname in der Antwort ist kein Erfolg. Der offizielle Ablauf hat fünf Stufen.

1. Name, Beschreibung und JSON Schema deklarieren – inklusive wann nicht aufgerufen werden darf.
2. Nutzereingabe plus Tools an interactions.create oder generateContent senden.
3. Das Modell antwortet in Text oder mit function_call inklusive id und arguments.
4. Typen, Auth, Timeouts, Idempotenz prüfen, dann die echte API. Eigenen Code führt das Modell nicht aus.
5. function_result mit derselben id zurückgeben, bei Fortsetzung previous_interaction_id mitsenden.

{
  "type": "function",
  "name": "get_order_status",
  "description": "Erfüllungsstatus per Bestellnummer. Niemals anlegen oder stornieren.",
  "parameters": {
    "type": "object",
    "properties": {
      "order_id": {"type": "string", "description": "Geschäfts-ID wie OD-20260818-001"}
    },
    "required": ["order_id"]
  }
}

Hängen Sie Modellargumente nicht an SQL oder eine Shell. Schema, internes DTO, Dienstkonto. Gestreamte arguments erst ausführen, wenn JSON vollständig ist. Parallele Aufrufe holen Lager und Versand gleichzeitig; kompositorische Aufrufe (Ort, dann Wetter) warten auf den vorherigen Schritt.

Eingebaute Tools gegen eigene Funktionen

Der klassische Produktionsfehler: „Das Modell hat ein Tool angefordert“ als „Der Server ist fertig“ zu lesen. Eingebaute Tools laufen bei Google und erzeugen passende function_result-Schritte. Eigene Funktionen bleiben in Ihrem Prozess.

Managed Agents nutzen Step Matching. Eingebautes endet serverseitig; offene Custom-Calls setzen die Interaction auf requires_action. Dieselbe call_id zweimal auszuführen ist im Zahlungsverkehr ein Vorfall. Bewahren Sie Original-Call, Ausführungslog, Resultat und Interaction-Status.

Modi, MCP und kompositorische Aufrufe

tool_choice kennt auto, any, none und als Vorschau validated. Wetter mit any ist vertretbar. „Produktivdaten löschen“ ohne Freigabe nicht. Remote-MCP hängt über name und url einen Tool-Server an. Ein unauthentifiziertes öffentliches MCP gehört nicht ins Internet. Gemini 3 mischt eingebaute und eigene Tools in einer Interaction; previous_interaction_id trägt Kontext weiter. Logs nach Interaction archivieren, nicht nach einem einzelnen HTTP-POST.

Kontrollen vor produktiven Schreibzugriffen

1. Lesen und Schreiben als getrennte Funktionen; unsichtbare Fähigkeiten nicht ins Schema.
2. Idempotenz für Anlegen, Abbuchen, Mail über function_call.id oder Request-ID.
3. Timeouts mit typisiertem Fehler, keine leeren Strings, die zu Mutationen führen.
4. Minimale Resultate: Status, Kurzfassung, nächster Hinweis.
5. Budgets für Hops, Wandzeit und Tokens; Überlauf in eine menschliche Queue.
6. Replay: Schemaversion, Modellversion, Argumente, Ergebnis-Hash.

Kann das Resultat schon im Fachsystem stehen, zuerst Idempotenz-Tabelle. Nicht „das Modell nochmal versuchen lassen“. Doppelt gerenderte UI? Aggregation reparieren, Prompt nicht anfassen.

Drei Sätze: Structured Outputs für die Endnutzlast, Function calling für Ihre APIs, Managed Agents für Sandbox, Suche, MCP und wiederverwendbare Konfig. Alle drei dürfen in einem Produkt leben – die Ausführungszuständigkeit gehört ins Architekturdiagramm.

Auf einem schlafenden Notebook verliert die Gemini-Agent-Schleife requires_action-Callbacks. Für nächtliche Wiederholungen ist ein gemieteter Mac oft sauberer. Siehe Mac-Mini-Miete USA-Ost. USB- oder Sondernetz-Lasten bleiben auf eigener Hardware.