Когда ИИ-агент прибывает с уже загруженными финансовыми данными пользователя, ваша страница конкурирует с его частным контекстом. Это новая местность.

Агент, посещающий ваш сайт, знает человека, отправившего его.

<п>Это изменение в рамках Gemini Deep Research Max от Google, запущенного 21 апреля 2026 года в качестве общедоступной предварительной версии платного уровня Gemini API. Deep Research Max сам по себе представляет собой узкое развертывание. Шаблон, который он поставляет, представляет собой предварительный просмотр того, чем станет агентская сеть, когда другие крупные поставщики последуют этому примеру, что они обычно делают в течение квартала или двух с такими возможностями. Когда запускается агент смешанного извлечения, он поступает с личным контекстом: финансовые данные пользователя, его хранилища файлов, подключенные потоки профессиональных данных — все это объединяется в запрос до того, как агент достигнет какой-либо страницы.

Для веб-профессионалов это следующая глава истории агентного веба. Утверждение о том, что агенты представляют собой новый основной класс посетителей, сохраняется уже несколько месяцев. С тех пор претензия претерпела изменения. Агенты — это новый основной класс посетителей <сильный>с частным контекстом. Рассуждения, которые решают, отвечает ли ваша страница на запрос, выполняются на более широком наборе входных данных, чем ваша страница. Вес, который агент придает вашему контенту, зависит от того, добавляет ли он что-либо, чего еще не предоставили частные источники. Это момент смешанного извлечения в агентской веб-истории, и он касается предложения того, как агенты извлекают информацию, а не уровня продукта, ориентированного на пользователя. src=”https://www.searchenginejournal.com/wp-json/sscats/v2/tk/Middle_Post_Text”>

Старая концепция оптимизации поиска с использованием ИИ (написание контента, соответствующего ключевому запросу) до этого ослабевала. Сейчас оно еще больше ослабевает. Новая позиция — структурная предсказуемость: чистые отношения сущностей, каноническая идентичность, живые данные, обеспечение независимости. Структура имеет функциональное значение для агента. Когда агент прибывает с контекстом, контент, который он выбирает, — это контент, который его модель может легко объединить со всем остальным, что у него уже есть.

Предварительный просмотр смешанного извлечения следующего уровня агентской сети

<п>Gemini Deep Research Max от Google, доступная для публичной предварительной версии на платном уровне API с 21 апреля, может извлекать данные из четырех входных классов в одном цикле рассуждений: общедоступная сеть, загрузка файлов, подключенные хранилища файлов и произвольные удаленные серверы MCP. Согласно собственному объявлению Google, агент «выполняет поиск в Интернете, произвольных удаленных MCP, загрузках файлов и подключенных хранилищах файлов или в любом их подмножестве».

<п>Два новых класса (хранилища файлов и удаленные MCP) имеют одно общее свойство. По умолчанию они являются частными. Агент читает их только с согласия пользователя. После подключения поставщик финансовых данных или корпоративная CRM предоставляет свои данные Gemini через Model Context Protocol, открытый стандарт Anthropic, который по состоянию на март 2026 года установили более 97 миллионов человек. Агент Google извлекает данные из этих частных источников с той же надежностью, что и открытую сеть, используя тот же логический процесс.

Это структурный шаг, который все, кто следит за агентской сетью, ждали, пока ее представит крупный поставщик: общедоступная сеть и частный контекст, объединенные агентом в одном запросе. Близнецы первые.

<п>Этот шаблон также еще не доступен для большинства операторов. Deep Research Max — это общедоступная предварительная версия платного API, а не функция потребительского приложения Gemini. В этом квартале большинство веб-сайтов не будут читаться агентами смешанного поиска. То, что Google объявил 21 апреля, — это направление, а не прибытие. Считайте это опережающим индикатором: если эта архитектура масштабируется, а крупные поставщики обычно копируют друг друга в течение квартала или двух по таким возможностям, работа оператора становится реальной раньше, чем трафик.

Доля сигнала падает, когда у агента есть лучшие альтернативы

<п>В запросе смешанного извлечения каждый подключенный источник конкурирует за долю сигнала: открытая сеть, хранилища файлов пользователя и любые частные серверы MCP. Вес, который получает любой отдельный источник, пропорционален тому, насколько чисто агент может извлечь и объединить свой сигнал со всем остальным, что он хранит.

Для общедоступных веб-сайтов это меняет конкурентную среду двумя способами.

Во-первых, веб-сайты, ориентированные на машины, получают больше цитирований. Страница с чистыми структурированными данными, однозначными связями сущностей и рендерингом, не скрывающим контент за JavaScript, позволяет агенту легко объединиться с личным контекстом пользователя. Объединенный ответ ссылается на страницу, ориентированную на компьютер, поскольку эта страница содержит полезный, объединяемый материал.

<п>Во-вторых, плохо структурированные веб-сайты теряют долю сигнала, которую они раньше получали бесплатно. В эпоху только Интернета даже беспорядочная страница могла появиться в цитате, потому что не было лучшей альтернативы общедоступной сети. В эпоху смешанного поиска альтернативой могут быть загруженные пользователем документы или подключенный MCP с более чистыми данными. Страница с грязным контентом теряет долю цитирования, которую она использовала для разделения на чистые источники.

Это соревнование, отличное от классического SEO. Классическое SEO ранжирует страницы друг против друга. Смешанный поиск ранжирует страницы в соответствии с собственным контекстом пользователя. Вы не можете видеть конкурирующие источники. Вы можете только быть уверенным, что когда агент достигнет вашей общедоступной страницы, страница предоставит что-то извлекаемое и однозначное.

Честное противочтение: некоторые запросы полностью проходят по вашему сайту

Не каждый запрос смешанного поиска приводит к ссылке на общедоступный веб-сайт. На некоторые запросы можно будет полностью отвечать из подключенных источников пользователя. Финансовому аналитику, использующему Deep Research Max на внутреннем сервере MCP и загружающему квартальные отчеты, возможно, никогда не понадобится общедоступная сеть для получения этого ответа. Трафик этого запроса никуда не проходит; ответ удовлетворен в пределах частного контекста.

Это настоящая подгруппа. Большинство запросов по-прежнему смешивают общедоступные и частные источники, поскольку большинство аналитических вопросов затрагивают оба.

Смешанный поиск не означает, что каждый веб-сайт получает меньше трафика. Это означает, что агент сам выбирает, что он использует. Планка повышается для источников, которые выбирает агент. Deep Research Max — это предварительный просмотр того, чего собирается требовать агентская сеть. Когда наступит такой масштаб, доля веб-сайтов, ориентированных на машины, увеличится. Неструктурированный контент будет продолжать терять его. Google показал нам образец 21 апреля, но в следующем масштабе начинается настоящая работа веб-профессионалов, и есть время выполнить эту работу до того, как трафик наберет обороты.

Этот пост был первоначально опубликован на No Hacks.