lab
Esc

Prueba con

↑↓ para moverte · Enter para abrir · también en /buscar?q= para agentes

flujo de trabajo intermedio geminiapiinvestigaciongoogle

Gemini Deep Research: solicita informes mediante la API de Google

Envía una pregunta compleja a un agente alojado que busca fuentes y prepara un informe para que puedas revisar su evidencia.

✓ verificado el 27 oct 2026

Instrucciones para tu agente

Esto es lo que se copia. Pégaselo a tu agente y te lo monta paso a paso.

O ábrelo directamente en ClaudeChatGPT

Pega este texto a tu agente (Claude Code, Codex, OpenCode, Hermes o el que uses) y dile «ayúdame a montarlo». Son los pasos para ponerlo en marcha; el porqué de cada pieza está en la guía completa.


Para el agente: cómo acompañar al usuario

  1. Pregunta primero para qué lo quiere. Si su objetivo no necesita algún paso, sáltalo.
  2. Antes de instalar, comprueba lo que ya tiene (versiones, claves, sistema operativo).
  3. Avanza un paso cada vez: explica en una frase qué vas a hacer y deja que el usuario lo ejecute o lo apruebe.
  4. Tras cada paso, comprueba que funcionó antes de seguir. Si falla, para y explica el error.
  5. No inventes comandos ni opciones: si la documentación del proyecto contradice estos pasos, manda la documentación.
  6. Al terminar, haz una prueba real con el objetivo del usuario y dile dónde profundizar.

Pasos de configuración

Paso 1: prepara el proyecto de API

Para la ruta Python, comprueba Python ≥3.10 y pip, según el manifiesto del SDK. Instala google-genai con pip install -U google-genai y configura GEMINI_API_KEY en tu entorno privado con una clave de AI Studio autorizada para el agente.

Paso 2: inicia una pregunta pública de prueba

Guarda este ejemplo de la guía oficial como investigar.py:

import time
from google import genai

client = genai.Client()
interaction = client.interactions.create(
    input="Research the history of Google TPUs.",
    agent="deep-research-preview-04-2026",
    background=True,
)
print(f"Research started: {interaction.id}")
while True:
    interaction = client.interactions.get(interaction.id)
    if interaction.status == "completed":
        print(interaction.steps[-1].content[0].text)
        break
    elif interaction.status == "failed":
        print(f"Research failed: {interaction.error}")
        break
    time.sleep(10)

Ejecuta python investigar.py desde esa carpeta. Conserva el ID impreso para consultar esa ejecución si interrumpes el proceso. El agente devuelve un informe sobre la historia de las TPU. Segundo plano requiere almacenamiento: conserva el valor predeterminado de store y no lo desactives.

Comprobación

La interacción debe alcanzar un estado final y entregar un informe. Abre varias citas y comprueba que respaldan las afirmaciones correspondientes.

Si algo falla

Si la solicitud falla, revisa acceso al agente, identificador y requisito de almacenamiento para segundo plano. No vuelvas a iniciar una investigación si solo necesitas consultar la interacción ya creada.

ver en .md ¿Prefieres el recurso entero?

Qué es

Gemini Deep Research es un agente gestionado disponible mediante la Interactions API. Realiza investigación de varios pasos y devuelve un informe, en lugar de tratar cada solicitud como una respuesta breve de chat.

Para qué te sirve

  • Cuando necesitas reunir varias fuentes sobre un mercado o una tecnología.
  • Cuando quieres integrar investigación asíncrona en una aplicación.
  • Cuando necesitas continuar con preguntas sobre un informe ya completado.

Cómo funciona

La petición identifica un agente y comienza una ejecución en segundo plano. La aplicación conserva el identificador de interacción, consulta su estado o recibe eventos y recoge la respuesta final. La configuración puede habilitar revisión colaborativa del plan antes de investigar.

La documentación distingue agentes de investigación y modelos de conversación. El modo en segundo plano necesita almacenamiento de la interacción; debes revisar esa condición antes de enviar información privada.

Antes de empezar

Necesitas acceso a Gemini API, una clave y un proyecto autorizado para la modalidad elegida. El coste depende de llamadas, herramientas y profundidad de investigación. Usa los identificadores y ejemplos actuales de la página oficial, porque es una interfaz en evolución.

Límites y alternativas

La guía actual no admite herramientas propias de Function Calling ni salidas estructuradas para este agente, aunque documenta servidores MCP remotos. Las citas necesitan revisión: que aparezca un enlace no demuestra la conclusión. Para una consulta sencilla puede ser más rápido y barato un modelo convencional con herramientas limitadas.

Recursos