Google оновлює Gemini Deep Research Max: інтеграція MCP з можливістю підключення до внутрішніх корпоративних баз даних та нативних графіків, забезпечуючи детальне дослідження аналітиками

Google оголосила про значне оновлення Gemini Deep Research, випустивши два нових агентів: Deep Research (пріоритет швидкості) та Deep Research Max (пріоритет якості), повністю інтегрувавши Gemini 3.1 Pro та вперше підключивши через платний API Gemini до платформ фінансових даних або внутрішніх корпоративних джерел через MCP протокол.
（Передісторія: OpenAI розблокувала Deep Research: платні користувачі можуть запитувати 10 разів на місяць, Microsoft випустила мультимодального AI-агента Magma）
（Додатковий фон: OpenAI запустила «ChatGPT Agent»! Поєднання Operator та Deep Research: бронювання квитків, замовлення доставки, створення презентацій — все під силу）

Зміст статті

Перемикач

• Що таке Max: довше обдумування — глибша відповідь
• Підтримка MCP: від пошуку в мережі до «пошуку будь-якої бази даних»
• Три прориви у функціоналі: графіки, колаборативне планування, потокова передача в реальному часі
• AI Agent перетинає межу «пошукового помічника»

Google вчора (21 числа) оголосила про значне оновлення Gemini Deep Research, одночасно випустивши два агенти: Deep Research (з акцентом на швидкість) та Deep Research Max (з акцентом на якість), повністю інтегрувавши Gemini 3.1 Pro і вперше запустивши через платний API Gemini у публічне тестування.

Що таке Max: довше обдумування — глибша відповідь

Основна різниця Deep Research Max полягає у «розширеному часі обчислень під час тестування». Агент не просто виконує один прохід і видає результат, а постійно аналізує, шукає, коригує, наче невтомний дослідницький помічник, доки не вважає, що якість звіту досягнута.

Офіційна інформація від Google стверджує, що Max демонструє «проривний» стрибок у стандартних можливостях витягання та логічного висновку, порівняно з попередньою версією в грудні минулого року, кількість джерел для консультацій значно зросла, він здатен виявляти ключові відмінності, які раніше ігнорувалися, і при суперечливих доказах активно посилається на авторитетні джерела, такі як SEC-заяви, рецензовані журнали тощо.

Користувачі можуть запустити цю функцію вночі за розкладом, а вранці команда аналітиків отримає повний звіт. Швидкість тут не головне — глибина аналізу.

У порівнянні, стандартна версія Deep Research зосереджена на значному зниженні затримки та вартості, і замінила грудневу попередню версію як основний варіант для інтерактивних сценаріїв (коли користувачам потрібні швидкі відповіді без глибокого аналізу Max).

Підтримка MCP: від пошуку в мережі до «пошуку будь-якої бази даних»

Цього разу оновлення Deep Research також додало нативну підтримку MCP (Model Context Protocol). Раніше агент міг отримувати лише відкриту інформацію з мережі, тепер через MCP він може безшовно підключатися до корпоративних джерел даних та професійних потоків.

Практичний сенс у тому, що фінансові відділи можуть підключити внутрішні ERP-системи, приватні API постачальників ринкових даних через MCP-сервер, і Deep Research зможе одночасно шукати у відкритих джерелах, даних Bloomberg Terminal, власних базах даних — у трьох потоках без ручної перемикання інструментів.

Google також оголосила про співпрацю з FactSet, S&P Global, PitchBook, які спільно розробляють MCP-сервер для інтеграції фінансових та ринкових даних цих платформ у робочий процес Deep Research. Це особливо важливо для інвестиційних банків, приватних інвестиційних фондів і аналітичних агентств.

У наборі інструментів користувачі можуть одночасно активувати Google Search, віддалений MCP, URL Context, Code Execution, File Search; або повністю вимкнути інтернет, щоб агент працював лише з власною базою даних — що особливо важливо для компаній з високими вимогами до безпеки даних.

Три прориви у функціоналі: графіки, колаборативне планування, потокова передача в реальному часі

Перший — вбудовані графіки та інфографіка. Це перший випадок у Gemini API, коли Deep Research більше не обмежується текстовими відповідями, а може безпосередньо генерувати HTML-графіки або Nano Banana інфографіку, підвищуючи візуалізацію досліджень.

Другий — колаборативне планування. Перед початком дослідження агент створює план, який користувач може переглянути, направляти, редагувати, і лише потім запускати. Це дозволяє більш точно контролювати обсяг дослідження, перетворюючи процес із «задати питання — отримати звіт» у спільне визначення рамок роботи.

Третій — потокова передача в реальному часі. Система відслідковує проміжні кроки логіки агента, live thought summary дозволяє користувачу бачити, що саме робить агент у процесі, текст і зображення генеруються і передаються одночасно, що значно зменшує час очікування.

Що стосується мультимодальної обробки, Deep Research тепер може приймати PDF, CSV, зображення, аудіо, відео як вхідні дані, без необхідності ручної попередньої обробки.

AI Agent перетинає межу «пошукового помічника»

З появою Max, AI Agent у корпоративних дослідженнях досяг нового рівня зрілості. Раніше ми говорили про AI-помічників для автоматичного резюме файлів або пошуку статей — це були автоматизовані пошукові помічники.

Але коли агент здатен постійно аналізувати, зважувати суперечливі докази, посилатися на SEC-заяви і підключатися до приватних фінансових баз даних через MCP, він вже ближчий до початкового рівня аналізу, який виконує початковий аналітик.

Звісно, «ближчий» не означає «замість». Як перевірити логіку агентів, як керувати доступом до приватних даних, і як використовувати AI-генеровані висновки у регуляторних умовах — ці питання ще вивчаються. Але сигнал від Google дуже ясний: технічно цей шлях вже відкритий.

Deep Research і Deep Research Max вже доступні через платний API у публічному попередньому перегляді, версія для Google Cloud скоро буде доступна. Детальніше — у офіційному блозі Google.