Google udvider Managed Agents i Gemini API med fire nye funktioner

Google DeepMind tager et markant skridt fremad i konkurrencen om AI-agenter med en række afgørende opdateringer til Managed Agents i Gemini API. Den 7. juli 2026 annoncerede selskabet fire nye funktioner, der skal gøre det nemmere at bygge, drive og skalere produktionsklare agenter direkte fra skyen. Bag annonceringen står Philipp Schmid (Developer Relations Engineer) og Mariano Cocirio (Product Manager), der med opdateringerne adresserer nogle af de mest presserende udfordringer for udviklere: asynkron eksekvering, integration med eksterne systemer, fleksibel håndtering af autentificering og muligheden for at tilføje egne værktøjer.

Opdateringerne kommer på et tidspunkt, hvor markedet for AI-agenter er i rivende udvikling. Ifølge Airtables oversigt over AI App Builders 2026, publiceret 9. april 2026, er behovet for agenter, der kan køre kontinuerligt i baggrunden, steget markant. Platforme som Airtable (fra 20 dollar pr. bruger pr. måned) og Zapier (fra 19,99 dollar pr. måned) understøtter allerede sådanne løsninger, men Googles nye baggrundseksekvering tilbyder nu den samme funktionalitet direkte på API-niveau. Samtidig advarer eksperter om, at den hurtige udvikling også medfører risici, der kræver omhyggelig håndtering.

De fire nye funktioner i detaljer

Googles opdateringer til Managed Agents i Gemini API introducerer fire centrale funktioner, der hver især løser specifikke udfordringer for udviklere, der arbejder med produktionsklare agenter. Funktionerne er designet til at gøre det nemmere at integrere agenter i eksisterende workflows, reducere driftsomkostninger og øge fleksibiliteten i agentudviklingen.

1. Baggrundseksekvering (background execution)

Med baggrundseksekvering kan interaktioner køre asynkront på serveren ved at sætte parametret background: true. Når en opgave startes, returnerer API’en straks et unikt ID, som klienten kan bruge til at overvåge status via polling eller streame fremskridt i realtid. Dette betyder, at langvarige opgaver – såsom dataanalyse, komplekse beregninger eller integrationer med eksterne systemer – kan køre i baggrunden uden at blokere klientens ressourcer. Udviklere kan dermed bygge mere responsive applikationer, hvor brugerne ikke skal vente på, at en opgave afsluttes, før de kan fortsætte med andre aktiviteter.

2. Remote MCP-serverintegration

En af de mest betydningsfulde opdateringer er muligheden for at forbinde Managed Agents direkte til Model Context Protocol (MCP)-servere. MCP er en åben standard, der muliggør sikker og effektiv kommunikation mellem AI-agenter og eksterne datakilder, herunder private databaser, interne API’er eller specialiserede tjenester. Tidligere krævede sådanne integrationer custom proxy-middleware, men med den nye funktion kan agenter nu kommunikere direkte med MCP-servere fra agentens isolerede cloud-sandbox. Dette reducerer kompleksiteten i integrationen og gør det nemmere for virksomheder at forbinde agenter med eksisterende systemer som ERP, CRM eller andre forretningskritiske applikationer.

3. Custom function calling

Udviklere kan nu tilføje egne værktøjer og funktioner ved siden af de indbyggede sandbox-funktioner, som Managed Agents leveres med. API’en bruger en mekanisme kaldet “step matching”, hvor systemet automatisk bestemmer, hvornår indbyggede værktøjer skal eksekveres på serveren, og hvornår custom funktioner skal overgå til requires_action. Dette giver klienten mulighed for at eksekvere lokal forretningslogik, når det er nødvendigt. For eksempel kan en udvikler tilføje en custom funktion, der henter data fra en intern database, mens agenten fortsat bruger indbyggede værktøjer til at behandle og analysere disse data. Denne fleksibilitet gør det muligt at bygge mere specialiserede og kraftfulde agenter, der kan håndtere komplekse workflows.

4. Network credential refresh

Adgangstokens og kortlivede API-nøgler kan nu fornyes dynamisk ved at sende en eksisterende environment_id sammen med en ny netværkskonfiguration. En af de store fordele ved denne funktion er, at agentens sandbox bevarer sin tilstand under fornyelsen. Dette inkluderer filsystemet, installerede pakker og cloned repositories, hvilket betyder, at udviklere ikke mister arbejde eller skal genoprette tilstanden, når autentificeringen opdateres. Denne funktion er særligt nyttig i produktionsmiljøer, hvor adgangstokens ofte udløber og skal fornyes for at opretholde sikkerheden.

Hvorfor det betyder noget for danske virksomheder

De nye funktioner i Gemini API’s Managed Agents har direkte implikationer for, hvordan danske virksomheder kan udnytte AI-agenter i praksis. Opdateringerne adresserer nogle af de mest almindelige udfordringer, som virksomheder står over for, når de forsøger at integrere AI i deres forretningsprocesser.

For ledere og beslutningstagere betyder baggrundseksekvering og network credential refresh, at agenter kan køre langvarige opgaver uden at belaste virksomhedens egne servere. API’en returnerer et ID, som kan bruges til at overvåge fremskridt via polling eller streaming, mens agenten arbejder i skyen. Dette reducerer driftsomkostninger og gør det muligt at skalere agentbaserede løsninger uden at investere i kompleks infrastruktur. For virksomheder, der ønsker at automatisere processer som dataanalyse, rapportgenerering eller integration med eksterne systemer, åbner dette op for nye muligheder for effektivisering.

For specialister og udviklere er remote MCP-serverintegration en game-changer. Muligheden for at forbinde agenter direkte til MCP-servere betyder, at danske virksomheder kan integrere AI med eksisterende interne systemer – såsom ERP, CRM eller specialiserede databaser – uden at skulle udvikle custom middleware. Dette reducerer udviklingstiden og kompleksiteten, samtidig med at det sikrer, at integrationerne er sikre og skalerbare. For virksomheder, der allerede bruger MCP til at forbinde forskellige systemer, gør denne funktion det nemmere at inkorporere AI-agenter i deres eksisterende infrastruktur.

For iværksættere og startups sænker opdateringerne barrieren for at bygge komplekse workflows betydeligt. Med custom function calling kan udviklere tilføje egne værktøjer og funktioner til agenterne, hvilket gør det muligt at bygge specialiserede løsninger uden at skulle udvikle alt fra bunden. API’ens step matching-mekanisme sikrer, at indbyggede værktøjer kører automatisk på serveren, mens custom funktioner kan eksekveres lokalt. Dette gør det muligt at bygge avancerede agenter med begrænsede ressourcer, hvilket er særligt værdifuldt for mindre virksomheder og startups, der ønsker at konkurrere med større aktører.

Samlet set gør de nye funktioner det muligt for danske virksomheder at udnytte AI-agenter på en mere effektiv, fleksibel og skalerbar måde. Men med de nye muligheder følger også ansvar. Som Dr. Emily Tanner fra Nuffield Foundation understreger i Ada Lovelace-rapporten, er der behov for at balancere innovation med sikkerhed og ansvarlighed.

Kritik og sikkerhedsmæssige overvejelser

Mens Googles opdateringer udvider mulighederne for udviklere, rejser de også vigtige spørgsmål om sikkerhed, etik og ansvarlighed. En rapport fra Ada Lovelace Institute og Nuffield Foundation, publiceret 13. april 2026, advarer om risici ved ukritisk brug af AI-agenter, især når de opererer autonomt og træffer beslutninger, der påvirker mennesker.

Rapporten, der bygger på konsultationer med 22 organisationer og 36 stakeholders, peger på flere centrale udfordringer. For det første kan AI-agenter introducere bias i beslutningsprocesser, hvis de trænes på data, der ikke er repræsentative eller indeholder forudindtaget information. For det andet kan manglende transparens gøre det svært for brugerne at forstå, hvordan agenterne træffer beslutninger, hvilket kan underminere tilliden til systemet. Endelig kan ukontrollerede beslutninger fra autonome agenter have alvorlige konsekvenser, især i kritiske områder som sundhed, uddannelse eller karrierevejledning.

Dr. Emily Tanner understreger behovet for “safety by design” i udviklingen af AI-systemer. Rapporten anbefaler, at organisationer udvikler klare retningslinjer for, hvornår og hvordan AI-agenter skal bruges, og at der stilles krav om transparens fra udbydere. For danske virksomheder, der skal overholde GDPR og andre reguleringer, er dette særligt relevant. Når agenter håndterer persondata eller træffer beslutninger, der påvirker enkeltpersoner, er det afgørende at sikre, at systemerne er gennemsigtige, retfærdige og i overensstemmelse med lovgivningen.

En anden usikkerhed vedrører de konkrete omkostninger og servicelevel agreements (SLA’er) for de nye funktioner. Google har endnu ikke offentliggjort priser eller detaljerede SLA-niveauer, hvilket kan gøre det svært for virksomheder at planlægge implementeringen og budgettere for brugen af Managed Agents. Derudover afhænger brugen af funktionerne af @google/genai SDK, der primært er tilgængelig for JavaScript, mens dokumentation for Python og cURL henvises til separat. Dette kan skabe udfordringer for udviklere, der foretrækker andre programmeringssprog.

Endelig er der spørgsmålet om, hvordan de nye funktioner integreres med eksisterende systemer og workflows. Mens remote MCP-serverintegration gør det nemmere at forbinde agenter med eksterne datakilder, kræver det stadig, at virksomhederne har de nødvendige MCP-servere på plads. For virksomheder, der ikke allerede bruger MCP, kan dette medføre yderligere udfordringer i form af integration og konfiguration.

Fremtidsudsigter: Hvad betyder dette for AI-agentmarkedet?

Googles opdateringer til Managed Agents i Gemini API markerer et vigtigt skridt i udviklingen af AI-agenter. Ved at tilbyde asynkron eksekvering, direkte integration med MCP-servere, fleksibel håndtering af autentificering og muligheden for at tilføje egne funktioner, gør Google det nemmere for udviklere at bygge og drive produktionsklare agenter. Disse funktioner adresserer nogle af de mest presserende udfordringer, som udviklere står over for, og åbner op for nye muligheder for automatisering, integration og skalerbarhed.

For danske virksomheder betyder dette, at de nu har adgang til mere kraftfulde og fleksible værktøjer til at integrere AI i deres forretningsprocesser. Baggrundseksekvering gør det muligt at køre langvarige opgaver i baggrunden, mens remote MCP-serverintegration åbner op for nemmere integration med eksisterende systemer. Custom function calling gør det muligt at bygge specialiserede løsninger, og network credential refresh sikrer, at autentificeringen kan opdateres uden at miste arbejde.

Men som Ada Lovelace-rapporten minder os om, skal disse muligheder balanceres med en ansvarlig tilgang til sikkerhed, transparens og governance. Virksomheder, der implementerer AI-agenter, skal sikre, at systemerne er gennemsigtige, retfærdige og i overensstemmelse med lovgivningen. Dette er særligt vigtigt i et marked, hvor konkurrencen om AI-løsninger er hård, og hvor brugerne forventer både innovation og pålidelighed.

I de kommende måneder vil det være interessant at følge, hvordan markedet reagerer på Googles opdateringer. Vil konkurrenter som Microsoft Copilot Studio og OpenAI Assistants API følge trop med lignende funktioner? Og hvordan vil danske virksomheder integrere disse nye muligheder i deres eksisterende infrastruktur, samtidig med at de overholder reguleringer som GDPR? Vil vi se en stigning i antallet af virksomheder, der bruger AI-agenter til at automatisere komplekse workflows, eller vil sikkerheds- og etiske bekymringer bremse udviklingen?

Én ting er sikkert: Med de nye funktioner i Gemini API’s Managed Agents er AI-agenter kommet et væsentligt skridt tættere på at blive en integreret og uundværlig del af moderne forretningsprocesser. For danske virksomheder, der ønsker at forblive konkurrencedygtige i en stadig mere digitaliseret verden, er det afgørende at forstå og udnytte disse nye muligheder – men også at gøre det på en ansvarlig og bæredygtig måde.