Selama dua tahun terakhir, pengembangan AI sebagian besar beroperasi pada model “stateless”: petunjuk masuk, tanggapan keluar, tidak ada memori antar putaran. Hal ini berhasil untuk chatbot dasar, namun kini menjadi hambatan besar bagi agen yang lebih kompleks yang memerlukan memori jangka panjang, penggunaan alat, dan penalaran yang diperluas. Minggu lalu, Google DeepMind meluncurkan Interactions API versi beta publik, sebuah solusi yang dirancang untuk mengatasi kesenjangan infrastruktur mendasar ini.
Langkah ini menandakan perubahan strategis dari memperlakukan Model Bahasa Besar (LLM) sebagai generator teks sederhana menjadi mengelolanya sebagai sistem operasi jarak jauh dengan status persisten. OpenAI mengambil langkah pertama dengan Responses API pada bulan Maret 2025, namun masuknya Google memperkuat arah industri menuju AI “stateful”.
Peralihan ke Stateful AI: Mengapa Ini Penting
Pendekatan stateless tradisional memaksa pengembang untuk mengelola riwayat percakapan secara manual, mengirimkan file JSON yang berpotensi besar pada setiap permintaan. API Interaksi menghilangkan hal ini dengan menyimpan sisi server negara; pengembang cukup memberikan previous_interaction_id, dan Google akan menangani sisanya. Seperti yang dijelaskan oleh Ali Çevik dan Philipp Schmid dari DeepMind, memaksakan kemampuan ini ke titik akhir generateContent yang lama akan menciptakan API yang tidak stabil dan terlalu kompleks.
Ini akan membuka Eksekusi Latar Belakang, sebuah fitur penting untuk agen otonom. Alur kerja yang sebelumnya waktunya habis karena batasan HTTP kini dapat berjalan di latar belakang, dan pengembang akan melakukan polling untuk mengetahui hasilnya nanti. API secara efektif menjadi antrian pekerjaan yang cerdas.
Fitur Utama: Riset Mendalam dan Dukungan MCP
Google memanfaatkan infrastruktur baru ini untuk memperkenalkan agen bawaan pertamanya: Gemini Deep Research. Agen ini melakukan tugas penelitian jangka panjang, mensintesis informasi melalui pencarian dan pembacaan berulang – tidak seperti model yang hanya memprediksi token berikutnya.
Yang tidak kalah pentingnya adalah penerapan Model Context Protocol (MCP) oleh Google. Hal ini memungkinkan model Gemini untuk memanggil alat eksternal (seperti layanan cuaca atau database) tanpa kode integrasi khusus, sehingga menyederhanakan alur kerja.
Google vs. OpenAI: Dua Pendekatan dalam Pengelolaan Negara
Meskipun Google dan OpenAI memecahkan masalah yang sama – konteks yang membengkak – pendekatan mereka berbeda secara signifikan. OpenAI memprioritaskan efisiensi token melalui Pemadatan, mengompresi riwayat percakapan menjadi item yang buram dan terenkripsi. Hal ini menciptakan “kotak hitam” di mana alasan model disembunyikan.
Google, sebaliknya, menyimpan riwayat percakapan lengkap, memungkinkan pemeriksaan, manipulasi, dan proses debug. Model datanya transparan, mengutamakan komposisi dibandingkan kompresi.
Model dan Harga yang Didukung
Interactions API kini tersedia dalam versi beta publik melalui Google AI Studio, mendukung:
- Gemini 3.0: Pratinjau Gemini 3 Pro.
- Gemini 2.5: Flash, Flash-lite, dan Pro.
- Agen: Pratinjau Penelitian Mendalam (penelitian-dalam-pro-pratinjau-12-2025).
Penetapan harga mengikuti tarif token standar Google, tetapi kebijakan penyimpanan data yang baru mengubah perekonomian. Tingkat Gratis hanya menawarkan retensi 1 hari, sedangkan Tingkat Berbayar memperpanjangnya hingga 55 hari. Retensi yang diperluas ini menurunkan total biaya dengan memaksimalkan cache hits, karena pengguna berulang menghindari pemrosesan ulang jendela konteks yang besar.
Catatan: Ini adalah rilis Beta, jadi kemungkinan besar akan terjadi perubahan.
Implikasi bagi Tim: Efisiensi dan Risiko
Untuk insinyur AI, Interactions API menawarkan solusi langsung terhadap masalah batas waktu melalui Eksekusi Latar Belakang. Daripada membuat pengendali asinkron khusus, Anda dapat memindahkan kompleksitas ke Google. Namun, kemudahan ini memperdagangkan kendali kecepatan: agen Deep Research adalah “kotak hitam” dibandingkan dengan aliran LangChain atau LangGraph khusus.
Insinyur senior yang mengelola anggaran akan mendapatkan keuntungan dari Caching Implisit. Dengan memanfaatkan status sisi server, Anda menghindari biaya token yang terkait dengan konteks pengunggahan ulang. Namun mengintegrasikan MCP berarti memvalidasi keamanan alat jarak jauh.
Insinyur data akan menghargai model data terstruktur, sehingga meningkatkan integritas saluran pipa secara keseluruhan. Namun, agen Deep Research saat ini mengembalikan URL “terbungkus” yang mungkin kedaluwarsa, sehingga memerlukan langkah pembersihan di saluran ETL.
Yang terakhir, direktur keamanan TI harus mempertimbangkan trade-off dari negara yang tersentralisasi: peningkatan keamanan versus risiko penyimpanan data baru. Kebijakan retensi Google (Gratis 1 hari, 55 hari untuk Berbayar) sangat penting untuk dipertimbangkan.
Kesimpulannya, API Interaksi Google adalah perubahan mendasar dalam cara agen AI dibangun. Dengan memprioritaskan pengelolaan negara dan eksekusi latar belakang, hal ini menawarkan peningkatan efisiensi yang signifikan, namun juga memperkenalkan pertimbangan baru untuk kontrol, transparansi, dan keamanan data. Hal ini menandai evolusi yang jelas dalam tumpukan pengembang, yang melampaui interaksi teks masuk dan keluar sederhana menuju kecerdasan tingkat sistem yang sebenarnya.
