Gemini Deep Research dobiva MCP integraciju, kolaborativno planiranje i dvije nove verzije

Google je 21. travnja 2026. u Gemini API changelogu objavio značajno proširenje Deep Research agenta. Razvojni inženjeri sada imaju pristup dvjema novim verzijama modela, streaming odgovorima, integraciji s MCP (Model Context Protocol) serverima te kolaborativnom planiranju istraživanja.

Što se dogodilo?

Google je izdao dva nova modela u Gemini API-ju: deep-research-preview-04-2026 i deep-research-max-preview-04-2026. Prvi je, prema službenom opisu, “dizajniran za brzinu i efikasnost, idealan za streaming prema klijentskom sučelju”, dok drugi cilja na “maksimalnu sveobuhvatnost za automatizirano prikupljanje konteksta i sintezu”.

Uz nove modele stižu četiri ključne funkcionalnosti: streaming odgovora (parcijalni rezultati stižu dok agent još radi), kolaborativno planiranje (agent prvo predlaže plan koji korisnik može uređivati prije izvršavanja), vizualizacije (agent može generirati grafove i dijagrame kao dio rezultata) te MCP server integracija uz podršku za File Search.

MCP (Model Context Protocol) je otvoreni protokol koji je Anthropic prvi standardizirao, a Google sada njegovu podršku ugrađuje duboko u Gemini platformu. Praktično to znači da Deep Research agent može tijekom istraživanja pristupati korisnikovim vlastitim bazama podataka, CRM sustavima, internim wikijima ili bilo kojem drugom MCP-kompatibilnom izvoru.

Zašto je to važno?

Deep Research kao kategorija agenata već je godinu dana ključno ratište između velikih AI laboratorija — ChatGPT Deep Research, Perplexity i Anthropic Research redom su predstavili slične agente. Googleova prednost dosad je bila u kvaliteti sinteze, ali zaostajali su u fleksibilnosti integracija.

MCP integracija mijenja tu jednadžbu. Umjesto da Deep Research crpi isključivo iz javnog weba, enterprise klijenti ga sada mogu spojiti na vlastite podatkovne izvore kroz standardni protokol — bez pisanja vlastitih konektora za svaki izvor. Za hrvatske i regionalne tvrtke to otvara scenarije poput “istraži naš sustav tiketa i sintetiziraj glavne uzroke prijavljenih grešaka u zadnjih 90 dana” bez gradnje vlastitog RAG stacka.

Kolaborativno planiranje rješava dosadašnju zamjerku agentima — da “odu u krivom smjeru” pa korisnik izgubi 5–10 minuta čekanja. Pokazivanjem plana prije izvršavanja, agent postaje predvidljiv alat umjesto crne kutije.

Što dalje?

Obje verzije trenutno su u preview statusu, što znači da Google zadržava pravo mijenjanja API-ja prije stabilnog izdanja. Razvojni inženjeri koji već koriste Gemini API mogu ih isprobati odmah, a puna dokumentacija dostupna je na službenoj Deep Research stranici Googleove AI platforme.

Za naš lokalni razvojni ekosustav ključno pitanje je cijena — changelog ne donosi detalje o naplati, ali očekuje se da će max-preview varijanta biti značajno skuplja od preview varijante zbog dužih tokena i dubljih sinteza. Praktična preporuka je koristiti preview model za interaktivne aplikacije gdje je važan streaming, a max model za noćne batch poslove gdje se traži maksimalna kvaliteta izvještaja.

Uz ovu najavu i jučerašnji Googleov ReasoningBank rad, vidljiv je jasan obrazac — Google pozicionira Gemini ekosustav kao platformu za agente koji rade s vanjskim alatima i akumuliraju znanje, ne samo kao chatbot.