Google представив Gemini Agent – експериментальний інструмент, який перетворює Gemini на повноцінного персонального асистента, здатного діяти від вашого імені в Інтернеті та застосунках Google. Ця нова функція, доступна наразі для користувачів Google AI Ultra настільних комп’ютерів у США, виходить за рамки звичайного чат-бота, пропонуючи можливості планування та виконання складних завдань, а також обробки багатоступеневих команд в одному запиті.
Gemini Agent покликаний значно спростити повсякденні цифрові завдання, виступаючи як інтелектуальний помічник, який не потребує тривалого навчання. Він може самостійно переглядати веб-сторінки в реальному часі, організовувати ваш розклад, керувати електронною поштою, видобувати необхідну інформацію, створювати презентації та генерувати персоналізовані зведення дня.
Функціональні можливості Gemini Agent
На відміну від простих чат-ботів, Gemini Agent здатен планувати, досліджувати та виконувати комплексні завдання від вашого імені. Перед початком роботи користувачеві необхідно надати агенту відповідні дозволи, такі як доступ до браузера, Gmail або Календаря. Також він запитуватиме дозвіл на здійснення таких дій, як надсилання повідомлень або здійснення покупок. Важливо зазначити, що будь-який наданий дозвіл на обробку даних може бути відкликаний користувачем у будь-який час.
Вибір Gemini Agent у випадаючому меню.
Пропоновані запити при виборі опції “Brief me” (Надай мені зведення) у Gemini.
Пропоновані запити при виборі опції “Do tasks for me” (Виконай завдання для мене) у Gemini.
Пропоновані запити при виборі опції “Stay organized” (Залишайся організованим) у Gemini.
Gemini Agent може виконувати широкий спектр завдань, включаючи організацію розкладу, керування електронною поштою та видобування з неї необхідної інформації, створення презентацій, підготовку персоналізованих зведень дня. Однією з ключових переваг є можливість надавати декілька інструкцій в одному запиті, використовуючи природну мову. Користувач також може спостерігати за процесом виконання свого запиту та ставити додаткові запитання після завершення завдання.
Залежно від складності завдання, Gemini Agent може ініціювати використання вбудованого браузера для отримання необхідних даних. У такому випадку він попросить користувача “дозволити обмін вмістом” перед тим, як продовжити. Після цього відкриється окрема панель з новим вікном браузера Chrome, де агент автоматично прокручуватиме сторінки та переходитиме за посиланнями для виконання поставленого завдання. Користувач завжди має можливість тимчасово перехопити керування браузером, наводячи курсор на відповідну панель та натискаючи “Перейняти керування“.
Запит Gemini Agent на перегляд Android Authority від мого імені.
Надання Gemini Agent дозволу на перегляд Android Authority від мого імені.
Керування збереженням даних віддаленого браузера Gemini Agent.
Якщо завдання може бути виконане за допомогою інтегрованих застосунків Google, Gemini Agent може не відкривати вікно браузера. Наприклад, користувач може надати таку команду: “Знайди останнє непрочитане повідомлення від Hadlee в моїй скриньці. Перевір мій Drive на наявність файлів, пов’язаних з проектом, який він згадав. Склади коротку відповідь, повідомивши йому, що я перегляну все і дам відповідь завтра”. У цьому випадку агент безпосередньо підключиться до акаунтів Gmail і Drive для виконання завдання.
Серед інших прикладів завдань, які може обробляти Gemini Agent:
- Допомога з електронною поштою: Пошук останніх листів, збір релевантних документів, складання відповідей або сканування непрочитаних повідомлень для ідентифікації завдань та додавання їх до Google Tasks.
- Щоденні брифінги: Створення ранкових зведень, що включають важливі зустрічі, ключові електронні листи, місцеві новини або спортивні оновлення.
- Бронювання та замовлення: За допомогою перегляду в реальному часі Gemini Agent може здійснювати бронювання столиків у ресторанах або купувати квитки онлайн.
- Керування календарем: Пошук та створення подій у календарі, підготовка нотаток до зустрічей тощо.
- Створення презентацій: Дослідження теми та автоматичне перетворення зібраної інформації на слайди презентації.
По суті, Gemini Agent функціонує подібно до сучасних агентських браузерів, таких як Comet від Perplexity або Atlas від ChatGPT, які не лише відображають веб-сторінки, але й виконують на них дії. Однак, на відміну від Comet чи Atlas, Gemini Agent не є повністю інтегрованою частиною будь-якого веб-браузера, що означає відсутність доступу до всіх збережених логінів та сесій користувача. Це робить його менш універсальним, але також менш ризикованим у використанні, оскільки він не може автоматизувати завдання на найчутливіших онлайн-сервісах. Тим не менш, Gemini Agent не є повністю захищеним від атак типу “prompt injection”, тому використовувати його слід з обережністю.
За даними порталу: www.androidauthority.com