Gemini API'de Computer Use artık genel erişimde: tarayıcı, mobil ve masaüstü ajanları

Google, Gemini API'nin değişiklik günlüğünde 30 Ekim tarihli bir notla Computer Use aracının artık genel erişimde (GA) olduğunu duyurdu. Araç hem Interactions API'de hem de GenerateContent API'de kullanılabiliyor.

Computer Use ne yapıyor?

Kısaca, modelin ekran görüntüsüne bakıp bir sonraki adımı önermesi. Model bir tıklama, kaydırma ya da klavye girişi döndürüyor; bu eylemi geliştiricinin kendi ortamı (örneğin Playwright ile açılan bir tarayıcı) uyguluyor, ardından yeni ekran görüntüsü modele geri gönderiliyor. Döngü görev bitene kadar sürüyor.

Öne çıkan özellikler

• Üç ortam: Tarayıcı, Android odaklı mobil ve masaüstü.
• Niyet alanı: Her eylemle birlikte modelin o adımı neden seçtiğini açıklayan bir intent metni geliyor.
• Ayarlanabilir güvenlik politikaları: Ödeme, hesap açma, mesaj gönderme veya hukuki sözleşme kabul etme gibi adımlarda kullanıcı onayı istenebiliyor.
• İstem enjeksiyonu tespiti: İsteğe bağlı olarak ekran görüntülerinde gizlenmiş kötü niyetli talimatlar taranıyor.

Belgelere göre Gemini 4 Argon, Gemini 3.8 Flash ve Gemini 3.5 Flash-Lite bu aracı destekliyor; önerilen model Gemini 3.8 Flash. Hatırlatmak gerekirse özellik, haziran ayında Gemini 3.5 Flash ile genel önizlemeye açılmıştı.

Benim yorumum

«Genel erişim» etiketi, bu tür ajanları deneme projelerinden gerçek ürünlere taşımak isteyen ekipler için önemli bir eşik. Yine de Google'ın kendi belgelerinde bile kritik kararlar ve hassas veriler için yakın denetim önerilmesi bence yerinde bir uyarı. Form doldurma ve test otomasyonu gibi sıkıcı işler için ise ciddi bir zaman kazancı vaat ediyor.

Kaynak: Gemini API değişiklik günlüğü