谷歌Deep Research智能体升级：支持MCP协议与图表可视化功能详解

谷歌的“突击队”与深夜突袭：新一代自主研究智能体登场

谷歌最近的动向，颇有些“火力全开”的意味。

适合国内用的虚拟币交易所

• 欧易OKX >>>进入官网<<< >>>官方下载<<<
• 币安Binance >>>进入官网<<< >>>官方下载<<<

先是传出联合创始人谢尔盖·布林重启“创始人模式”，亲自挂帅组建精英团队，目标直指提升Gemini在AI编程和自主智能体等关键领域的能力，意图追赶Anthropic等强劲对手。

紧接着，一场深夜发布悄然来临。谷歌正式推出了两款基于Gemini 3.1 Pro模型构建的新一代自主研究智能体：Deep Research和Deep Research Max。

这次更新，远不止是模型底层推理能力的常规升级。其核心意图在于，将自主研究智能体全面推向企业级和开发者平台。通过开放API、支持私有数据、引入后台异步任务等一系列举措，谷歌正试图在“AI研究/分析工具”这个高价值战场上抢占先手，以应对来自OpenAI（Hermes）、Perplexity等竞争对手的步步紧逼。

这两款新智能体带来了几个突破性的变化。它们首次允许开发者通过单次API调用，就能将开放的互联网数据与企业内部的专有信息进行深度融合。生成的报告也不再是单调的文字，而是能够原生嵌入图表和信息图。更关键的是，它们还能通过Model Context Protocol（MCP）连接几乎任意的第三方数据源。

目前，这两款智能体已通过Gemini API的付费套餐，以公开预览版的形式开放，开发者可以利用谷歌在2025年12月首次推出的Interactions API进行访问。

不过，这里有个值得玩味的细节：这些新能力目前仅限API调用。普通用户，即便是已经付费订阅了Gemini App Pro服务的用户，暂时也无法在应用内直接体验。这引来了一些用户的调侃，有人略带幽怨地表示：“谷歌不知何故，持续惩罚着我们这些Gemini App的Pro订阅用户……”

对于此次发布，谷歌首席执行官桑达尔·皮查伊（Sundar Pichai）也亲自在X平台上发声推介。他给出了明确的使用指南：当你追求速度和效率时，请选择Deep Research；而当你需要最高质量的上下文收集与信息综合时，则应该转向Max版本。皮查伊特别提到，Max版本通过扩展测试时计算，在DeepSearchQA和HLE基准测试中分别取得了93.3%和54.6%的成绩。

回顾仅仅18个月前，Deep Research的愿景还只是帮助研究生们从海量的浏览器标签页中解脱出来。如今，它的目标已然跃升，直指取代投资银&行初级分析师所从事的基础研究工作。

这两个目标之间的巨大跨度——以及当前的技术能否真正弥合这一差距——将直接决定，自主研究智能体究竟会成为企业软件领域里一款变革性的产品，还是仅仅沦为又一个在基准测试中光鲜亮丽、却在实际演示中令人失望的AI概念。

两种版本，适配不同工作负载

标准版的Deep Research主打低延迟和低成本，非常适合那些对响应速度有极致要求的场景。

而Deep Research Max则走了另一条路：它优先考虑深度，而非速度。这款智能体通过扩展测试时计算（extended test-time compute），进行更深层次的推理、搜索和迭代，最终生成一份详尽的报告。

谷歌指出，异步后台工作流是Max版本的理想应用场景。例如，通过定时任务（cron job）让它在夜间自动运行，第二天一早，就能为分析师团队交付一份完整的尽职调查报告。

根据谷歌自家的基准测试，Deep Research Max在检索和推理任务上取得了显著进步。它能够从比以往版本更多的信息来源中抓取内容，并且捕捉到那些旧模型容易忽略的细微差别。

当然，谷歌也给出了与主要竞品的横向对比数据。不过，这里需要稍加留意：与OpenAI的GPT-5.4和Anthropic的Opus 4.6进行直接比较，并不完全公平。原因在于，GPT-5.4虽然在自主网络搜索方面表现出色，但并未针对深度研究进行专门优化。为此，OpenAI提供了自己的DR智能体，该智能体在2月更新后已切换至GPT-5.2，而非最新的GPT-5.4。实际上，OpenAI目前最强的搜索模型是GPT-5.4 Pro，但谷歌显然未将其纳入此次的对比范围。

根据OpenAI公布的数据，GPT-5.4 Pro在智能体搜索基准测试BrowseComp上的最高得分可达89.3%，而GPT-5.4的得分为82.7%。

另一方面，基于Anthropic自己的报告，其Opus 4.6在BrowseComp上的得分高于谷歌展示的数值，具体为84%。值得注意的是，这个成绩是在关闭推理功能的情况下取得的，其表现反而优于谷歌在API基准测试中所使用的高强度推理设置。

这些数据上的差异，很可能源于测试方法的不同——模型是直接通过原始API进行评估，还是被封装在各家实验室自己优化的工具链中运行。因此，谷歌的数据未必有误，但确实值得谨慎解读。无论如何，其呈现方式在透明度上仍有提升空间。

MCP支持

本次发布中，最具战略意义的升级或许是对Model Context Protocol（MCP）的支持。这一功能，将Deep Research从一个强大的网络研究工具，转变为了更接近“通用数据分析师”的存在。

MCP是一种新兴的开放标准，专门用于将AI模型安全地连接到外部数据源。它使得Deep Research能够安全地查询私有数据库、内部文档库以及专业的第三方数据服务——整个过程，敏感数据都无需离开其原始存储环境。

在实际应用中，这意味着什么？想象一下，一家对冲基金可以同时授权Deep Research访问其内部的交易流数据库和专业的金融数据终端（如Bloomberg），然后直接要求智能体将这两者的数据与网络公开信息进行交叉分析，综合生成投资洞见。

谷歌透露，目前正与FactSet、标普（S&P）和PitchBook等金融数据巨头积极合作，共同设计其MCP服务端。这清晰地表明，谷歌正在寻求与华尔街乃至更广泛的金融服务行业所依赖的数据提供商进行深度整合。

根据谷歌DeepMind产品经理Lukas Haas和Srinivas Tadepalli撰写的博客文章，其目标是“让共同客户能够将金融数据产品无缝集成到由Deep Research驱动的工作流中，通过利用其海量数据宇宙，以闪电般的速度收集上下文，从而实现生产力的飞跃。”

这一功能，直接命中了企业采用AI时最顽固的痛点之一：模型在开放互联网上能找到的信息，与组织内部实际决策所需的信息之间，往往存在巨大鸿沟。此前，要弥合这一鸿沟，需要投入大量的定制化工程开发。

而现在，MCP支持结合Deep Research本身的自主浏览和推理能力，将大部分复杂性简化为一次性的配置工作。开发者现在可以轻松地让Deep Research同时调用谷歌搜索、远程MCP服务端、指定的URL上下文、代码执行以及文件搜索——或者，完全关闭网络访问，仅让它在自定义的私有数据上进行深度挖掘。

系统还支持多模态输入，包括PDF、CSV、图像、音频和视频文件，均可作为分析的背景信息（grounding上下文）使用。

原生图表

第二个重磅功能，是原生图表和信息图生成能力的加入。

此前的Deep Research版本只能生成纯文本报告。如果用户需要可视化呈现，就必须手动导出数据，再用其他工具制作图表。这个短板，无疑大大削弱了其“端到端自动化”的定位。

现在，新一代智能体彻底解决了这个问题。它能够在生成的研究报告中，原生内嵌高质量的图表和信息图，可以动态渲染复杂数据集，并以HTML或谷歌自家的Nano Banana格式呈现，使其直接成为分析叙事的一部分。

对于企业用户——尤其是金融和咨询行业中，那些需要产出可直接交付给客户或管理层成果的团队而言——这一功能的价值是决定性的。它将Deep Research从一个仅仅“加速研究过程”的工具，升级为能够生成接近最终分析产品的平台。

此外，结合新增的协作式规划功能（允许用户在智能体执行任务前，审查、指导和优化其研究计划），以及实时流式输出中间推理步骤的能力，新系统让开发者能够对调查范围进行细粒度的控制，同时保持了金融、法律等强监管行业所要求的高度透明度。

Deep Research正在变成谷歌提供给企业的“基础设施”的一部分

谷歌的官方博客文章明确指出了一个关键信息：当开发者通过API调用Deep Research智能体时，他们所调用的，正是“为谷歌旗下多款热门产品（如Gemini App、NotebookLM、Google Search和Google Finance）提供研究能力的同一套自主研究基础设施”。这传递出一个明确信号：通过API提供的智能体，并非谷歌内部版本的简化或阉割版，而是同一套核心系统，正以平台化的规模对外提供服务。

这一演进过程，速度快得惊人。

时间线可以清晰地勾勒出它的发展路径：谷歌于2024年12月首次在Gemini App中推出Deep Research，作为面向消费者的功能，当时由Gemini 1.5 Pro驱动。其定位是个人AI研究助手，旨在几分钟内综合网络信息，帮助用户节省数小时的工作时间。

到了2025年3月，谷歌使用Gemini 2.0 Flash Thinking Experimental对Deep Research进行了升级，并向所有人开放试用。随后又升级至Gemini 2.5 Pro Experimental，谷歌当时报告称，评测者对它的报告偏好度超过竞争对手的2比1。

2025年12月成为一个重要的转折点。谷歌推出了Interactions API，首次以编程方式提供Deep Research服务，并由Gemini 3 Pro驱动，同时发布了开源的DeepSearchQA基准测试。

而驱动本次重大改进的底层模型，是于2026年2月19日发布的Gemini 3.1 Pro。该模型在核心推理能力上实现了重大飞跃：在评估模型解决新型逻辑模式的ARC-AGI-2基准测试中，3.1 Pro的得分达到了77.1%，是前代Gemini 3 Pro成绩的两倍多。