Google AI Studio testa gestão visual de agentes
O Google AI Studio aparenta testar uma área dedicada ao gerenciamento de agentes de inteligência artificial, vinculada a projetos do Google Cloud. Segundo publicação do TestingCatalog em 13 de agosto de 2026, a interface em desenvolvimento reúne uma lista de agentes, criação de novos fluxos, arquivos e opções de configuração.
A mudança indica que o Google pode levar o serviço além do playground de prototipagem, oferecendo ferramentas para hospedagem, organização e ciclo de vida de agentes gerenciados. Não há, porém, anúncio oficial nem data de lançamento confirmada.
O ponto central é a associação dos agentes a projetos do Google Cloud, o que pode concentrar permissões, recursos e cobrança em uma mesma estrutura corporativa.
Tabela de conteúdos
O que a nova área do Google AI Studio deve reunir
A aba, descrita como um workbench, exibe os agentes disponíveis e traz um seletor de projeto. Na prática, cada lista ficaria limitada ao projeto do Google Cloud escolhido. Essa organização é relevante para equipes que desenvolvem múltiplos assistentes, pois evita que agentes, permissões e custos sejam administrados como se estivessem em um ambiente de consumo separado.
- Criação de agentes pela interface gráfica.
- Alternância entre projetos do Google Cloud.
- Diretório de arquivos editável no navegador.
- Nome, descrição e prompt personalizado.
- Configurações adicionais por agente gerenciado.
Arquivos, instruções e fontes em um editor visual
O relatório aponta que cada agente teria uma guia própria de diretório de arquivos, permitindo adicionar e editar materiais diretamente no navegador. Isso pode simplificar o uso de documentos e outras fontes montadas como contexto. Também haveria uma tela de configuração com nome, descrição, prompt personalizado e demais ajustes.
Hoje, a definição de um agente gerenciado costuma ser entendida como um pacote de instruções, habilidades e fontes de dados acessadas pelo runtime. A possível novidade do Google AI Studio seria traduzir essa estrutura, frequentemente manipulada por API, JSON ou linha de comando, para um editor visual. Para desenvolvedores, isso não elimina a necessidade de governança e testes, mas pode reduzir a barreira de configuração inicial.
Agentes gerenciados
São agentes executados em uma infraestrutura controlada pela plataforma, com configuração, fontes, modelo e recursos organizados para implantação e manutenção.
Antigravity e Gemini 3.6 Flash aparecem como base
De acordo com a apuração, o modelo de fundo está bloqueado no harness Antigravity, runtime de agentes apresentado pelo Google durante o I/O. O ambiente estaria operando com o Gemini 3.6 Flash. Embora exista um seletor de modelos, ele não ofereceria alternativas nesta fase. Isso pode significar que outros runtimes ou categorias de modelo serão adicionados depois — mas essa é apenas uma leitura a partir de uma interface ainda não lançada.
| Elemento | O que foi observado | Status |
| Workbench | Lista e criação de agentes | Em teste |
| Projeto Cloud | Escopo para agentes e recursos | Indicado na interface |
| Antigravity | Runtime com Gemini 3.6 Flash | Relatado pela fonte |
| Outros modelos | Seletor sem opções visíveis | Não confirmado |
Por que a mudança importa para quem cria agentes
O Google AI Studio já possui um seletor de agentes no playground e modelos pré-configurados. A nova camada parece ter outro objetivo: transformar protótipos em serviços hospedados, com gerenciamento contínuo. Isso abre espaço para uma rotina mais clara de desenvolvimento: criar o agente, anexar arquivos, definir instruções, testar o comportamento e mantê-lo associado a um projeto.
Para organizações, o valor potencial está na centralização. Projetos do Google Cloud normalmente são o ponto de controle para identidades, APIs, limites de uso e faturamento. Se a integração se confirmar, equipes poderão separar ambientes de teste e produção, além de atribuir recursos a produtos ou clientes distintos. Esses benefícios dependem de detalhes que o Google ainda não divulgou, como controles de acesso, logs, auditoria e políticas de retenção de dados.
Comparação com Anthropic e cenário de lançamento
O movimento aproxima o Google de uma direção já explorada pela Anthropic. Em abril, o Claude Managed Agents entrou em beta público com configuração, sandboxes e rastreabilidade de sessões no console, segundo a fonte original. A proposta do Google AI Studio pode completar um ciclo semelhante, combinando prototipagem e gestão operacional.
O cronograma permanece incerto. A publicação menciona especulações sobre o Gemini 3.5 Pro e uma possível priorização do Gemini 4, mas ressalta que o Google não confirmou a informação. Como a pilha de agentes descrita se apoia em modelos da classe Flash, a disponibilidade da interface não parece necessariamente condicionada a uma versão Pro. Até uma comunicação oficial, recursos, nomes e modelos devem ser tratados como provisórios.
Perguntas frequentes sobre o Google AI Studio testa gestão visual de agentes
O Google AI Studio já liberou a gestão de agentes?
Ainda não há liberação oficial confirmada. A área foi observada em desenvolvimento e pode mudar antes de um eventual lançamento. O Google não divulgou prazo público.
Para que servirá o seletor de projeto do Google Cloud?
Ele deve limitar a lista de agentes a um projeto específico. Isso pode ajudar a separar recursos, permissões e cobrança por equipe ou ambiente. Os controles finais não foram detalhados.
Qual modelo aparece no runtime Antigravity?
O relatório aponta o Gemini 3.6 Flash como modelo de fundo do Antigravity. O seletor de modelos existe, mas não mostrava alternativas. A configuração pode ser alterada no lançamento.
Será possível adicionar arquivos a um agente?
A interface observada inclui um diretório de arquivos por agente. A intenção é permitir inclusão e edição no navegador para apoiar instruções e fontes. Formatos e limites ainda são desconhecidos.
Considerações finais
O teste sugere que o Google AI Studio pode evoluir para uma central de gerenciamento de agentes com projetos do Google Cloud, configurações visuais e arquivos por agente. A proposta faz sentido para equipes que precisam sair do experimento e operar soluções de IA com mais organização. Por enquanto, a informação deve ser lida como um indício reportado pelo TestingCatalog, não como confirmação de produto.
Fonte: TestingCatalog.
