大家好！歡迎來到「Build on Google AI」工程挑戰的第六天。

昨天我們成功將戰情室無痛部署到 Cloud Run，實踐了真正的雲端零維運。但在「研發與工程創新 (AI for Engineering)」的領域中，我們經常面臨一個極具挑戰的需求：如果我們希望 AI 幫我們分析報表，或是動態抓取網頁資料，該怎麼讓它安全地「跑程式碼」？

在傳統架構下，要在本地端或容器內維護一個安全的沙盒 (Sandbox) 來執行 AI 生成的程式碼，不僅架構複雜，更充滿資安風險。今天，我們將迎來一次技術降維打擊，正式導入 Google ADK 帶來的殺手級武器——Managed Agents (託管代理人)。

什麼是 Managed Agents？
在 ADK 的架構中，Managed agents 讓我們能夠直接在 ADK 工作流中使用 Google 第一方、開箱即用的代理人。這些代理人是由 Managed Agents API 所支援，並且可以透過 Gemini API 與 Agent Platform 來使用。

這為工程開發帶來了三個決定性的優勢：
- 開箱即用的第一方能力：你可以透過指定 agent_id 直接連線至現成的代理人（例如 Antigravity 代理人）。
- 伺服器端安全沙盒：ManagedAgent 類別會連線至運行在專門伺服器端執行環境中的託管代理人。這代表網頁搜尋或程式碼執行等內建強大功能，都會在伺服器上的託管沙盒中運作。
- 免除客戶端函式宣告：因為伺服器端工具已經設定在託管代理人上，所以開發者完全不需要在本地端管理沙盒，也不必撰寫客戶端的函式宣告。

實戰演示：呼叫 Antigravity 代理人
讓我們直接在專案中，建立一位能幫我們寫 Code 並安全執行的資料分析專家。
請在你的 Python 專案中引入以下程式碼：

import os
from google.adk.agents import ManagedAgent
from google.genai import types

# 指定 Google 託管的 Antigravity 代理人 ID
_AGENT_ID = os.environ.get('MANAGED_AGENT_ID', 'antigravity-preview-05-2026')

# 建立一個使用 raw types.Tool 的託管程式碼執行代理人
managed_code_execution_agent = ManagedAgent(
    name='managed_code_execution_agent',
    description='Solves computational questions by running code server-side.',
    agent_id=_AGENT_ID,
    environment={'type': 'remote'},
    tools=[types.Tool(code_execution=types.ToolCodeExecution())],
)

(程式碼說明：我們宣告了一個具備 code_execution 工具的代理人，並強制將其執行環境設定為遠端 environment={'type': 'remote'}。)

運作原理與架構反思
當你呼叫這個 ManagedAgent 時，ADK 其實是透過 Interactions API 將請求發送給託管代理人，並將部分與最終結果即時串流回你的 ADK 工作流中。

這意味著代理人的思考邏輯、工具調用以及程式碼執行，全部都在 Google 管理的環境中發生，而不是在你部署的 Cloud Run 容器裡！這種「把最危險的任務丟給 Google 處理」的架構，完美解決了自動化數據處理的痛點。 

小結:
今天我們透過導入 Managed Agents，成功把最危險的程式碼執行任務，丟進了 Google 的專屬雲端沙盒中。至此，我們的單體代理人 (Single Agent) 能力已經達到了顛峰。