Google, Gemini API içindeki Computer Use aracını 30 Ekim itibarıyla genel kullanıma açtı. Özellik artık hem Interactions API hem de GenerateContent API üzerinden kullanılabiliyor; geliştiriciler Gemini'yi yalnızca metin üreten bir model olarak değil, ekranı görüp arayüzlerde işlem yapabilen ajanların karar katmanı olarak kullanabilecek.

Computer Use, tarayıcı, mobil ve masaüstü ortamlarında ekran görüntülerini analiz edip tıklama, kaydırma ve yazma gibi eylemler önerebiliyor. Bu eylemleri uygulamak geliştiricinin kurduğu istemci tarafındaki yürütme döngüsüne bırakılıyor. Böylece modelin önerdiği adımlar kontrollü bir çalışma ortamında uygulanabiliyor.

Google'ın yaklaşımında güvenlik de ürünün parçası. Geliştiriciler eylemleri kendi ortamlarında çalıştırmadan önce güvenlik kararlarını değerlendirebiliyor; yüksek etkili işlemler için onay mekanizmaları kurulabiliyor. Ekran görüntülerindeki gizli talimatları yakalamaya yönelik prompt injection tespiti de desteklenen güvenlik katmanları arasında yer alıyor.

Aracın genel kullanıma açılması, şirket içi yazılım testlerinden destek operasyonlarına ve çok adımlı ofis işlerine kadar geniş bir alanda daha erişilebilir arayüz ajanları kurulmasını sağlayabilir. Buradaki kritik nokta, ajanın yalnızca API'ye bağlanması değil, gerçek uygulamaların görsel arayüzleriyle çalışabilmesi.

Bu gelişme yapay zeka ürünlerinde yeni rekabet alanının model yanıtlarından görev tamamlamaya kaydığını gösteriyor. Geliştiriciler için fark, yeni bir sohbet özelliğinden çok, Gemini'nin mevcut web ve masaüstü akışlarına bağlanabilen daha somut bir otomasyon bileşenine dönüşmesi.