Google CEO：Gemini將用Deep Research重塑開發者工作流
Google和Alphabet首席執行官Sundar Pichai宣佈，Gemini API中的Deep Research能力迎來兩項重要升級，包括質量提升、對MCP（Model Context Protocol）的支持，以及原生圖表和信息圖生成能力，用於自動化研究與可視化輸出。 他表示，開發者可在需要“速度與效率”時使用Deep Research，在需要“極致上下文收集與綜合”時使用Max，並援引內部評測數據顯示，Deep Research在DeepSearchQA等基準上取得高分表現。
根據Google開發者文檔，目前Deep Research被定位爲一類可長時間運行、自動規劃檢索路徑並生成結構化研究報告的智能代理，支持流式返回研究進度、文本結論與可視化內容。 同期發佈的MCP集成與File Search能力，使Gemini能夠直接調用外部工具、代碼文檔和文件系統，將跨數據源檢索與推理整合進單一工作流中。
來源：公開信息
ABAB AI 解讀
這次升級的關鍵不在“多了一個功能”，而在於Google試圖把大模型從“對話界面”升級爲“研究基礎設施”。Deep Research被設計成可長時間運行、自動規劃、持續檢索和綜合的代理，這從工程視角重寫了知識工作流程：任務不再是用戶逐步提示，而是把目標交給代理，由其在內部完成信息收集、比對和結構化輸出。 當原生圖表與信息圖生成被納入同一鏈路，意味着模型不僅生成文字結論，還在同一流程內完成數據可視化，這直接針對的是諮詢、投研、產品分析等高價值知識崗位的“整套交付物”。
MCP支持則改變了“模型邊界”的定義。傳統API調用強調模型本身的參數與能力，而MCP讓Gemini可以標準化地掛接外部工具和數據源，相當於在模型周圍建立一個可擴展的“功能總線”。 這對於企業與開發者的含義，是從“選一個最強模型”轉向“搭建一個工具編排層”：真正的差異化不再只在模型，而是在誰能把自有數據、內部系統和第三方服務通過MCP、File Search等機制織成一條穩定的自動化鏈路。
從全球生產率與產業分工角度看，這類Deep Research代理將知識工作進一步模塊化：規劃、檢索、比對、可視化這些原本由分析師和中臺團隊分工完成的環節，被打包成一個可以被API調用的“研究單元”。 對大型機構而言，這意味着可以把過去外包給諮詢公司或內部項目組的部分研究任務，轉化爲對“模型+工具棧”的一次性投入；對個體開發者和小團隊而言，則是第一次在基礎設施層面獲得接近大型機構研究能力的工具，這會在更長週期內重塑知識生產的成本曲線與議價結構。