Google DeepMind 正在继续把 Gemini API 往更完整的开发工作流方向推进。根据 The Decoder 报道，最新升级后，开发者可以在同一条请求中同时调用 Google Search、Google Maps 等内建工具，并把它们与自定义函数组合起来使用。相比过去需要开发者自己拆分步骤、手动衔接工具输入输出的做法，这次更新明显降低了多阶段 AI 工作流的实现复杂度。
工具结果可以在调用链中自动传递
这次更新最关键的点之一，是 Google 所称的“context circulation”。简单说，前一个工具返回的结果现在可以自动传递给下一个工具继续处理，开发者不必再在应用层显式拼接每一步的中间结果。对于需要搜索、查地点、再结合内部业务函数做决策的场景，这种能力能减少大量胶水代码，也有助于降低因手动串联而产生的延迟和维护成本。
为调试复杂流程补上更细的可观测性
另一个实用变化是，每一次工具调用都会拿到唯一 ID。对于越来越复杂的 Agent 或工具工作流来说，这意味着开发者可以更容易定位是哪一步出错、哪个工具返回了异常结果，以及上下文在链路中是如何流转的。对于线上排障、质量分析和日志追踪，这类粒度更细的标识通常比单纯增加模型能力更直接有效。
Google Maps 也进入了 Gemini 3 的工具数据源范围
报道还提到，Google Maps 现在已经可以作为 Gemini 3 模型家族的数据来源，向模型提供位置数据、商家信息以及通勤时间等内容。这让 Gemini 更适合处理与地理位置、路线和本地商业相关的任务，例如行程规划、门店筛选或把地图信息接入更大的企业业务流程中。Google 也建议开发者优先使用新的 Interactions API 来构建这类多工具编排流程。
从“能调用工具”走向“能组织工作流”
从产品方向上看，这次更新的重点不只是新增几个工具接口，而是把 Gemini API 从单点调用工具，进一步推进到能够组织工具链路的层面。对企业开发者来说，真正耗时的往往不是调用某一个模型，而是如何让搜索、地图、内部系统函数和业务规则稳定协作。Google DeepMind 这轮升级，本质上是在试图缩短从实验性 Agent 到可上线工作流之间的距离。
