Google CEO：Gemini将用Deep Research重塑开发者工作流
Google和Alphabet首席执行官Sundar Pichai宣布，Gemini API中的Deep Research能力迎来两项重要升级，包括质量提升、对MCP（Model Context Protocol）的支持，以及原生图表和信息图生成能力，用于自动化研究与可视化输出。 他表示，开发者可在需要“速度与效率”时使用Deep Research，在需要“极致上下文收集与综合”时使用Max，并援引内部评测数据显示，Deep Research在DeepSearchQA等基准上取得高分表现。
根据Google开发者文档，目前Deep Research被定位为一类可长时间运行、自动规划检索路径并生成结构化研究报告的智能代理，支持流式返回研究进度、文本结论与可视化内容。 同期发布的MCP集成与File Search能力，使Gemini能够直接调用外部工具、代码文档和文件系统，将跨数据源检索与推理整合进单一工作流中。
来源：公开信息
ABAB AI 解读
这次升级的关键不在“多了一个功能”，而在于Google试图把大模型从“对话界面”升级为“研究基础设施”。Deep Research被设计成可长时间运行、自动规划、持续检索和综合的代理，这从工程视角重写了知识工作流程：任务不再是用户逐步提示，而是把目标交给代理，由其在内部完成信息收集、比对和结构化输出。 当原生图表与信息图生成被纳入同一链路，意味着模型不仅生成文字结论，还在同一流程内完成数据可视化，这直接针对的是咨询、投研、产品分析等高价值知识岗位的“整套交付物”。
MCP支持则改变了“模型边界”的定义。传统API调用强调模型本身的参数与能力，而MCP让Gemini可以标准化地挂接外部工具和数据源，相当于在模型周围建立一个可扩展的“功能总线”。 这对于企业与开发者的含义，是从“选一个最强模型”转向“搭建一个工具编排层”：真正的差异化不再只在模型，而是在谁能把自有数据、内部系统和第三方服务通过MCP、File Search等机制织成一条稳定的自动化链路。
从全球生产率与产业分工角度看，这类Deep Research代理将知识工作进一步模块化：规划、检索、比对、可视化这些原本由分析师和中台团队分工完成的环节，被打包成一个可以被API调用的“研究单元”。 对大型机构而言，这意味着可以把过去外包给咨询公司或内部项目组的部分研究任务，转化为对“模型+工具栈”的一次性投入；对个体开发者和小团队而言，则是第一次在基础设施层面获得接近大型机构研究能力的工具，这会在更长周期内重塑知识生产的成本曲线与议价结构。