گوگل یکی از قابلیت‌های عامل‌محور رابط برنامه‌نویسی جمنای را از مرحله آزمایشی بیرون آورده است. در یادداشت‌های انتشار این رابط به تاریخ ۳۰ اکتبر آمده که ابزار Computer Use اکنون هم در Interactions API و هم در GenerateContent API به‌طور عمومی در دسترس است؛ وضعیتی که نشان می‌دهد گوگل این ابزار را برای کاربردهای واقعی و نه فقط آزمایش، آماده می‌داند.

ابزار Computer Use پایه ساخت عامل‌هایی است که به‌جای استفاده از رابط‌های برنامه‌نویسی، نرم‌افزارها را از طریق رابط گرافیکی به کار می‌گیرند. توسعه‌دهنده یک وظیفه، تصویری از صفحه فعلی و نوع محیط را برای مدل می‌فرستد و مدل یک اقدام پیشنهادی، مثل کلیک، پیمایش یا متنی برای تایپ، برمی‌گرداند. گوگل این اقدام‌ها را خودش اجرا نمی‌کند. کد خود توسعه‌دهنده، مثلاً با کتابخانه خودکارسازی Playwright، آن‌ها را انجام می‌دهد، مختصات نرمال‌شده روی شبکه ۱۰۰۰ در ۱۰۰۰ را به پیکسل واقعی تبدیل می‌کند، تصویر تازه‌ای می‌گیرد و این چرخه را تا پایان کار تکرار می‌کند.

رسیدن به این مرحله زمان برده است. گوگل نخستین نسخه پیش‌نمایش این ابزار را با Gemini 2.5 در اکتبر ۲۰۲۵ عرضه کرد، در ژانویه ۲۰۲۶ آن را به مدل‌های gemini-3-pro-preview و gemini-3-flash-preview افزود و در ژوئن ۲۰۲۶ پیش‌نمایش عمومی آن را در Gemini 3.5 Flash راه انداخت؛ نسخه‌ای که پشتیبانی از مرورگر، موبایل و دسکتاپ، توضیح نیت و کنترل‌های ایمنی فعلی را به همراه داشت. مستندات اکنون چهار مدل سازگار را فهرست می‌کند: Gemini 4 Argon برای دشوارترین استدلال‌ها، Gemini 3.8 Flash به‌عنوان گزینه پیشنهادی، Gemini 3.5 Flash-Lite که ارزان‌تر است و Gemini 3 Flash Preview.

بخش بزرگی از مستندات به مهار این عامل‌ها اختصاص دارد. در مدل‌های Gemini 4 و Gemini 3.x هر اقدام پیشنهادی یک فیلد نیت دارد که دلیل انتخاب آن را توضیح می‌دهد و یک سامانه ایمنی داخلی می‌تواند آن گام را مجاز، نیازمند تأیید کاربر یا مسدود اعلام کند. دسته‌های سیاست داخلی شامل پرداخت و خرید اینترنتی، تغییر سوابق پزشکی، مالی یا دولتی، ارسال ایمیل یا پیام، ساخت حساب کاربری، حذف یا اشتراک‌گذاری داده‌ها، پیام‌های کوکی و حریم خصوصی و پذیرش شرایط استفاده است. توسعه‌دهندگان می‌توانند برخی از این سیاست‌ها را غیرفعال کنند، اما گوگل هشدار می‌دهد که مدل ممکن است همچنان درخواست تأیید کند. از Gemini 3.5 Flash-Lite به بعد، یک بررسی اختیاری هر تصویر صفحه را برای یافتن دستورهای پنهانی که برای منحرف کردن عامل کار گذاشته شده‌اند جست‌وجو می‌کند و در صورت یافتن، اجرا را متوقف می‌کند؛ این بررسی تا زمانی که توسعه‌دهنده آن را روشن نکند خاموش است.

گوگل درباره خطرهای باقی‌مانده هم صریح است. مستندات هشدار می‌دهد که این ابزار ممکن است خطا و آسیب‌پذیری امنیتی داشته باشد، برای کارهای مهم نظارت دقیق را توصیه می‌کند و استفاده از آن را در تصمیم‌های حیاتی، داده‌های حساس یا اقدام‌هایی که خطایشان جبران‌پذیر نیست توصیه نمی‌کند. همچنین پیشنهاد می‌کند عامل‌ها در یک ماشین مجازی یا کانتینر ایزوله اجرا شوند و هر کار از وضعیتی تمیز آغاز شود، و امکان می‌دهد اقدام‌های پیش‌فرض حذف و توابع اختصاصی ثبت شوند تا انسان در حلقه تصمیم باقی بماند.

فعلاً این عرضه به یک خط در یادداشت‌های انتشار و یک راهنمای به‌روزشده محدود است و در همان روز هیچ پست وبلاگ، تغییر قیمت یا نتیجه سنجش عملکردی همراه آن منتشر نشد. برای تیم‌هایی که عامل‌های مرورگر یا دسکتاپ می‌سازند، تغییر عملی این است که قابلیتی که گوگل حدود یک سال در پیش‌نمایش نگه داشته بود، اکنون بخشی از رابط برنامه‌نویسی رسمی و پشتیبانی‌شده آن است و در رقابت مستقیم با ابزارهای مشابه Anthropic و OpenAI قرار می‌گیرد.

منابع