Google выводит AI Edge Gallery за пределы демо с локальным чатом. В приложении появились экспериментальная поддержка Model Context Protocol на Android, локальные уведомления-напоминания, постоянная история чатов и редактируемые системные промпты. Смысл понятен: Google хочет, чтобы разработчики проверяли на устройстве агентов, которые работают с инструментами и повседневными сценариями, а не просто отвечают на запросы внутри изолированного приложения.
Это меняет модель доверия. Модель может рассуждать локально, но полезное действие часто зависит от внешнего MCP-сервера, локального календаря, инструмента для web fetch или облачного endpoint. Обновление не про одну эффектную функцию, а про инфраструктуру, без которой мобильные агенты не станут подключенными, повторяемыми и сохраняющими состояние.
Что изменилось в AI Edge Gallery#
Google AI Edge Gallery — showcase-приложение для запуска Gemma и других открытых моделей на устройстве. По словам Google, теперь в нем есть три крупных дополнения: MCP-интеграция, уведомления-напоминания и история чатов. Первой экспериментальную поддержку MCP получила Android-версия. Google говорит, что обновление для iOS выйдет скоро.
MCP — главное архитектурное изменение. Разработчики могут зарегистрировать в приложении корректный MCP URL. После этого приложение импортирует описания инструментов и схемы ресурсов в системный промпт модели, работающей на устройстве. Модель локально решает, какой инструмент использовать, и генерирует вызов инструмента. Запрос выполняет MCP-сервер: он может работать на домашнем компьютере или на защищенном облачном endpoint.
Это разделение важно. Google не утверждает, что каждое действие полностью происходит на телефоне. Рассуждение и выбор действия локальные, но выполнение инструмента может уходить на другую машину или в сервис. Для разработчиков именно тут появляется реальная поверхность проверки: какие данные покидают устройство, что может делать MCP-сервер, как описания инструментов показываются модели и сколько полномочий получает агент.
Google приводит примеры с Google Workspace, Google Maps и web fetch MCP. Мобильный агент может спросить календарь, проверить почту на счета или данные о билетах, узнать о местах поблизости или времени в пути, получить и разобрать содержимое URL. Это практичные задачи. И ровно в них особенно важны границы разрешений и минимизация данных.
Почему MCP — не просто еще один коннектор#
MCP дает приложению стандартизированный способ описывать модели инструменты и ресурсы. Для локальных моделей это важно: сама модель ограничена. Она не знает актуальное время в пути, не читает вашу свежую почту и не загружает веб-страницу, если внешний инструмент не дает ей такую возможность.
В реализации Google описания инструментов и схемы попадают в системный промпт. Это гибко, но создает практическое ограничение: у моделей на устройстве контекстные окна меньше, чем у крупных серверных моделей. Google прямо советует делать описания MCP-инструментов короткими и возвращать небольшие фрагменты вместо длинного текста. Это не косметика. От этого зависят задержка, надежность и способность модели держать в контексте нужное состояние задачи.
Разработчикам стоит внимательно смотреть на этот компромисс. Большая облачная модель может переварить больше контекста и лучше восстановиться после шумного вывода инструмента. Мобильной модели нужны более строгие интерфейсы. Контракт инструмента должен быть меньше, понятнее и чище. Если MCP endpoint вываливает в контекст длинные документы, многословные схемы или неоднозначные описания инструментов, опыт работы с локальным агентом быстро испортится.
Более интересный паттерн здесь не «модель на телефоне заменяет облачного агента». Скорее: «модель на телефоне координирует ограниченные действия через аккуратно суженные инструменты». Это более узкое, но и более сильное утверждение.
Уведомления делают агентов менее реактивными#
Новый навык Schedule Notification добавляет простой, но полезный слой автоматизации. Пользователь может попросить агента, например, напоминать каждый вечер в 10 PM записывать настроение. Приложение планирует локальное уведомление. Когда пользователь нажимает на него, AI Edge Gallery открывается сразу в нужном инструменте и запускает сессию Gemma 4, готовую продолжить задачу.
Это не значит, что агент тихо работает в фоне и весь день сам принимает решения. Судя по описанию Google, напоминание локальное, а продолжение начинается по действию пользователя в момент возврата. Эту разницу не стоит размывать. Функция упрощает рутины, но подается именно как поток с запланированным уведомлением, а не как непрерывная автономная работа.
Примеры намеренно повседневные: трекинг настроения, ежедневные учебные подсказки, утренние сводки расписания. Для мобильных агентов это правильная стартовая точка. Ценность появляется в повторяющихся действиях с низким трением, а не в притворстве, что телефон уже стал полностью автономным ассистентом.
Для чувствительных к приватности сценариев локальные напоминания плюс локальные сессии модели лучше по умолчанию, чем отправка каждой рутины удаленному ассистенту. Но приватность все равно зависит от инструментов, подключенных к workflow. Журнал настроения, хранящийся локально, имеет один профиль риска. Workflow с доступом к почте, календарю, картам и web fetch endpoint — другой.
Непрерывность сессий превращает демо в workflow#
Google также добавила постоянную историю чатов и непрерывность сессий. Приложение может возобновлять сессии, сохраняя состояние текстовых, графических и аудиовходов. Google говорит, что GPU современных телефонов могут превышать 3,000 prefill-токенов в секунду, что помогает восстанавливать длинные контексты сессий.
Для разработчиков это удобство, но оно меняет набор проверяемых сценариев. Без непрерывности каждое взаимодействие — свежая демо-сессия. С непрерывностью можно тестировать более длинные workflow: повторные check-in, многошаговый ресерч, медиа-входы или поведение агента после прерывания мобильной сессии.
Есть и оговорка по производительности. Быстрый prefill помогает, но не снимает ограничений локального управления контекстом. Если workflow зависит от длинной истории, разработчикам все равно нужно решить, что сохранять, что суммировать, что обрезать, а что заново получать через инструменты. Локальным агентам нужна дисциплина памяти. Постоянная история чатов полезна, но не заменяет чистую модель состояния.
Google также добавила редактирование кастомного системного промпта прямо в настройках чата. Это ускоряет тестирование персон, ограничений вывода и приемов prompt engineering. В среде с вызовом инструментов такой контроль не только про стиль. Системный промпт может влиять на то, когда модель вызывает инструмент, насколько узко она трактует запрос пользователя и следует ли правилам вывода под давлением.
Что разработчикам стоит проверить дальше#
Обновление дает разработчикам практичную песочницу для мобильных агентных паттернов. Одновременно оно показывает несколько типов сбоев, которые лучше измерять заранее.
Начните с области доступа инструментов. MCP endpoints должны открывать только те инструменты, которые нужны конкретному workflow. Широкий доступ делает демо впечатляющим, но усложняет разбор ошибок. Короткие описания инструментов не только ускоряют работу, но и уменьшают неоднозначность.
Затем проверьте размер возвращаемых данных. Совет Google отдавать небольшие фрагменты — правильное ограничение для edge-моделей. Если web fetch или workspace-инструмент возвращает слишком много текста, модель может стать медленнее, потерять фокус или начать отвечать из устаревшего контекста.
Отдельно проверьте границу между локальным и удаленным. Рассуждение модели может быть локальным, но выполнение MCP может происходить на домашней машине или облачном endpoint. Разработчикам стоит документировать, куда уходят запросы, какие учетные данные используются и какие логи остаются на стороне сервера.
Наконец, тестируйте прерванные сессии. Мобильные workflow ломаются обычными способами: переключение приложений, экран блокировки, нажатия на уведомления, слабая сеть, устаревшее состояние инструмента. Постоянная история чатов помогает только тогда, когда агент может восстановиться без галлюцинаций о непрерывности, которой на самом деле нет.
Чего не стоит обещать#
Это обновление не доказывает, что локальные мобильные агенты готовы заменить облачных ассистентов. Оно показывает, что Google собирает базовые примитивы для разработчиков: локальное рассуждение, вызовы внешних инструментов, запланированный возврат пользователя, сохраненные сессии и контроль промпта.
Это все равно важный шаг. Самые устойчивые агентные системы будут оценивать не по тому, насколько впечатляет один запрос. Их будут оценивать по тому, как они справляются с разрешениями, лимитами контекста, выводом инструментов, прерываниями пользователя и повторяющимися рутинами, не становясь непрозрачными или рискованными.
AI Edge Gallery теперь лучше подходит для проверки этой реальности. Не как готовый ассистент, а как более точный стенд для следующей задачи в дизайне мобильных агентов.