Google Deep Research Max เพิ่ม MCP และภาพเนทีฟ: ตัวแทนการวิจัยกำลังกลายเป็นไปป์ไลน์ของผู้สร้างที่นำกลับมาใช้ใหม่ได้
การอัปเดตการวิจัยเชิงลึกของ Google ในวันที่ 21 เมษายนมีความสำคัญน้อยลงในฐานะฟีเจอร์แชทบอทและอื่น ๆ อีกมากมายเมื่อการเคลื่อนไหวของระบบตัวแทน ขณะนี้ Gemini Deep Research และ Deep Research Max สามารถผสมผสานเว็บแบบเปิดเข้ากับข้อมูลส่วนตัว สร้างแผนภูมิแบบอินไลน์ และทำงานเป็นงานวิจัยเบื้องหลังที่ป้อนโมเดลถัดไปในห่วงโซ่
สิ่งที่ Google จัดส่งจริง
Google กล่าวว่าตัวแทนใหม่สร้างขึ้นบน Gemini 3.1 Pro และตอนนี้สนับสนุนเวิร์กโฟลว์การวิจัยที่รวมการค้นหาเว็บ เซิร์ฟเวอร์ MCP ระยะไกล ไฟล์ที่อัปโหลด ที่เก็บไฟล์ที่เชื่อมต่อ บริบท URL การเรียกใช้โค้ด และการค้นหาไฟล์ บริษัทแบ่งผลิตภัณฑ์ออกเป็นสองโหมด: การวิจัยเชิงลึกมาตรฐานสำหรับประสบการณ์โต้ตอบที่มีเวลาแฝงต่ำและมีค่าใช้จ่ายน้อยลง และการวิจัยเชิงลึก Max สำหรับการรันในพื้นหลังที่ครอบคลุมมากขึ้นซึ่งใช้การประมวลผลเวลาทดสอบมากขึ้น
การประกาศอย่างเป็นทางการมีความชัดเจนผิดปกติเกี่ยวกับเวิร์กโฟลว์เป้าหมาย ตัวอย่างของ Google ไม่ใช่คำถามแชทผู้บริโภค เป็นงาน cron ทุกคืนที่สร้างรายงานการตรวจสอบสถานะก่อนที่ทีมนักวิเคราะห์จะตื่น นั่นเป็นสัญญาณที่ชัดเจนว่าตัวแทนการวิจัยถูกวางตำแหน่งเป็นโครงสร้างพื้นฐานสำหรับงานปลายน้ำ ไม่ใช่แค่ตอบเครื่องยนต์
เหตุใดสิ่งนี้จึงสำคัญสำหรับผู้สร้าง
มีการเปลี่ยนแปลงที่สำคัญสามประการที่นี่ ประการแรก Google กำลังเปลี่ยนการวิจัยเป็นขั้นตอนไปป์ไลน์ที่นำกลับมาใช้ใหม่ได้ ทีมงานสามารถดำเนินการวิจัยเชิงลึกเพื่อรวบรวมและสังเคราะห์หลักฐาน จากนั้นใช้ Interactions API เพื่อมอบสถานะนั้นให้กับโมเดล Gemini อื่นผ่าน previous_interaction_id สำหรับการสรุป การจัดรูปแบบใหม่ หรือการดำเนินการขั้นต่อไป ประการที่สอง Google กำลังลดช่องว่างระหว่างบริบทสาธารณะและส่วนตัวโดยอนุญาตให้ตัวแทนทำงานข้ามเว็บพร้อมแหล่งข้อมูลที่กำหนดเอง ประการที่สาม แผนภูมิและอินโฟกราฟิกเป็นส่วนหนึ่งของการดำเนินการเดียวกัน แทนที่จะเป็นขั้นตอนการแสดงภาพที่แยกจากกัน
สำหรับผู้สร้าง นั่นหมายถึง "การวิจัยเชิงลึก" เลิกเป็นฟีเจอร์ UI ระดับพรีเมียมและเริ่มดูเหมือนคลาสงานแบ็กเอนด์ ทีมผลิตภัณฑ์สามารถแนบไปกับบทสรุปการวิจัย การเตรียมการขาย ขั้นตอนการปฏิบัติตามกฎระเบียบ การสแกนตลาด และการตรวจสอบทางเทคนิค หากทำงานได้ดี จะลดเวลาที่ใช้ในการรวมการค้นหา บันทึก เอาต์พุตสเปรดชีต และบทสรุปผู้บริหารเข้าด้วยกัน
ข้อแม้ที่สำคัญ: เอกสารยังคงตามทัน
มีคำเตือนที่เป็นประโยชน์ซ่อนอยู่ในพื้นผิวของ Google โพสต์ในบล็อกระบุว่าขณะนี้ Deep Research รองรับ MCP ระยะไกลโดยพลการและเครื่องมือแบบรวม แต่หน้าเอกสาร API การโต้ตอบสาธารณะยังคงแสดงคำเตือนในยุคแสดงตัวอย่างในวันที่ 15 เมษายนและ ID รุ่นเก่ากว่า ความไม่ตรงกันนั้นไม่ได้หมายความว่าการเปิดตัวนั้นเป็นของปลอม หมายความว่าพื้นผิวของผลิตภัณฑ์เคลื่อนที่เร็วกว่าเอกสารที่มั่นคง
นั่นคือจุดเริ่มต้นของการสูญเสียโทเค็นและความสับสนในทีม หากคุณสร้างโดยตรงจากสำเนาประกาศ คุณเสี่ยงที่จะประเมินค่าความเสถียรสูงเกินไปในปัจจุบัน หากคุณเพิกเฉยต่อการเปิดตัว คุณจะพลาดการเปลี่ยนแปลงเวิร์กโฟลว์ที่แท้จริง กฎการปฏิบัติคือการปฏิบัติต่อตัวแทนการวิจัยเหมือนกับรันไทม์แสดงตัวอย่างอื่นๆ: ปักหมุดตัวแทนหรือ ID โมเดลที่คุณทดสอบ บันทึกว่าเครื่องมือผสมใดใช้งานได้จริง และเก็บเส้นทางสำรองไว้เมื่อพื้นผิวเบต้าเปลี่ยนแปลง
นี่เป็นวินัยในการปฏิบัติงานแบบเดียวกับที่ TRH ผลักดันเข้ามา ความเป็นจริงของโควต้า Google AI Studio และ การออกแบบรันไทม์ OpenAI Agents SDK. การบีบอัดเวิร์กโฟลว์จะมีประโยชน์ก็ต่อเมื่อรันไทม์ยังคงอ่านได้ชัดเจน
มุมของ TRH: ไปป์ไลน์การวิจัยก็ต้องการงบประมาณเช่นกัน
Token Robin Hood ผู้อ่านควรใส่ใจกับรูปแบบการเรียกเก็บเงิน ไม่ใช่เพียงแผนภูมิเปรียบเทียบเท่านั้น Deep Research Max ได้รับการปรับให้เหมาะสมสำหรับความลึก ซึ่งโดยทั่วไปหมายถึงการทำงานที่ยาวนานขึ้น การใช้งานเครื่องมือมากขึ้น การสะสมบริบทที่มากขึ้น และอาร์ติแฟกต์เอาต์พุตที่ใหญ่ขึ้น ซึ่งจะคุ้มค่าเมื่อรายงานสามารถนำมาใช้ซ้ำหรือเชื่อมโยงกับรายได้ได้ จะสิ้นเปลืองเมื่อรายงานหายไปในแท็บหรือถูกสร้างใหม่ตั้งแต่ต้น เนื่องจากไม่มีใครจัดเก็บผลลัพธ์ในรูปแบบที่สแต็กที่เหลือสามารถใช้ได้
รูปแบบที่ถูกต้องนั้นเรียบง่าย ผูกพันงาน. กำหนดแหล่งข้อมูลที่ได้รับอนุญาต บันทึกผลลัพธ์ในรูปแบบที่นำมาใช้ซ้ำได้ โยงเฉพาะขั้นตอนโมเดลถัดไปที่จำเป็นต้องเกิดขึ้นจริง หากจะมีการอ่านรายงานเพียงครั้งเดียว Deep Research Max อาจเป็นค่าเริ่มต้นที่ไม่ถูกต้อง หากกลายเป็นเลเยอร์การบรรยายสรุปสำหรับตัวแทนการเขียนโค้ด ขั้นตอนการขาย หรือบันทึกการปฏิบัติงาน การใช้จ่ายก็อาจพิสูจน์ได้
สิ่งที่ผู้สร้างควรทำต่อไป
เริ่มต้นด้วยเวิร์กโฟลว์เบื้องหลังเดียวที่คุณภาพการวิจัยมีความสำคัญมากกว่าเวลาแฝงในทันที: การติดตามการแข่งขัน การตรวจสอบสถานะ การติดตามนโยบาย การตรวจสอบข้อบกพร่อง หรือการเตรียมพันธมิตร เปรียบเทียบการวิจัยเชิงลึกปกติกับ Max ในงานเดียวที่ทำซ้ำได้ วัดรันไทม์ทั้งหมด ประโยชน์ของเอาท์พุต และความถี่ในการส่งผลลัพธ์ไปยังโมเดลที่สองโดยไม่ต้องย้ำปัญหาทั้งหมด จากนั้นตัดสินใจว่าเวอร์ชันราคาแพงเป็นเวอร์ชันที่ใช้งานจริงหรืออยู่หลังประตูมนุษย์เท่านั้น
หากสแต็กของคุณใช้ตัวแทนอยู่แล้ว ให้เพิ่มกฎอีกหนึ่งข้อ: ผลการวิจัยควรกลายเป็นอินพุต ไม่ใช่ทางตัน ยืนยัน กำหนดเวอร์ชัน และรักษาแฮนด์ออฟดาวน์สตรีมให้ชัดเจน