← Каталог

· AI Engineer Europe 2026

Создание conversational agents

Building Conversational Agents

Для агентов на Gemini удобнее вести диалог через серверное состояние Interactions API, а голос строить на Live API поверх WebSocket.

  • Серверное состояние вместо истории — следующий шаг передаётся через previousInteractionId, и клиенту не нужно хранить и пересылать всю историю. По словам авторов, стартапы на Interactions API получают в 2–3 раза лучшую долю попаданий в кэш, потому что сервер не переписывает префикс контекста.
  • Skill вместо копии документации — skill для кодинг-агентов содержит список актуальных моделей и ссылку на Markdown-документацию, поэтому не устаревает при каждом изменении API.
  • Лимиты Live API — без сжатия контекста аудио-сессия длится до 15 минут, сессия с видео до двух минут. Видео быстро расходует контекст, поэтому кадры стоит отправлять только тогда, когда картинка меняется.
  • Транскрипты на своей стороне — Live API не отдаёт транскрипт сессии, его нужно сохранять самому или через партнёров вроде LiveKit и Pipecat. Для бизнеса с требованием наблюдаемости спикеры советуют каскадный пайплайн, где каждый шаг виден.

Кому полезно: тем, кто выбирает между серверным состоянием и собственной историей диалога или строит голосового агента на Live API.

Статья по теме

Главы

Ещё доклады: Philipp Schmid

Все 5 докладов →

Ещё доклады: Thor Schaeff

Страница спикера →

Похожие доклады