در کنفرانس Google I/O 2026، ما تغییر اندروید از یک سیستم عامل به یک سیستم هوشمند را معرفی کردیم. همچنین نشان دادیم که چگونه می‌توانید با این سیستم، تجربیات هوشمند را به صورت بومی بسازید و قدرت هوش مصنوعی گوگل را به برنامه‌های خود بیاورید. اگر این به‌روزرسانی‌ها را از دست داده‌اید، ویدیوی خلاصه سریع ما را اینجا ببینید:

۱. قرار دادن اپلیکیشن‌هایتان در مرکز سیستم اطلاعاتی

سیستم عامل اندروید در حال حاضر به عامل‌هایی مانند Gemini این امکان را می‌دهد که اتوماسیون وظایف را تکمیل کنند، جایی که می‌توانند از طرف کاربران در یک برنامه پیمایش کنند.

AppFunctions (Android MCP) کنترل بیشتری بر نحوه ادغام برنامه شما با سیستم اطلاعاتی فراهم می‌کند. این API پلتفرم جدید و کتابخانه Jetpack در حال حاضر در پیش‌نمایش آزمایشی در دسترس هستند.

• Android MCP: AppFunctions به برنامه شما اجازه می‌دهد تا به عنوان یک سرور Model Context Protocol (MCP) روی دستگاه عمل کند. این بدان معناست که شما ابزارها، سرویس‌ها و داده‌های برنامه خود را به طور یکپارچه با سیستم و عامل‌ها به اشتراک می‌گذارید.
• توسعه ساده: شما می‌توانید از مهارت جدید برای تولید آسان AppFunctionها در کدبیس خود استفاده کنید.
• کاوش و آزمایش: ما یک عامل آزمایش جدید منتشر کرده‌ایم که به شما امکان می‌دهد AppFunctions خود را در یک محیط عامل شبیه‌سازی شده آزمایش و اشکال‌زدایی کنید.

برای مشاهده‌ی آن در عمل، دموی زنده‌ای که در طول ارائه‌ی «ویژگی‌های جدید اندروید» به نمایش گذاشته شد را بررسی کنید.

۲. قدرت روی دستگاه با پیش‌نمایش Gemini Nano 4

ماه گذشته، ما Gemma 4 ، مدل‌های متن‌باز پیشرفته خود را عرضه کردیم. شما می‌توانید پیش‌نمایش و نمونه اولیه مدل‌های نسل بعدی Gemini Nano (Nano 4) را با پیش‌نمایش توسعه‌دهندگان AIcore مشاهده کنید . برای اینکه تولید با Gemini Nano قابل اعتمادتر و کارآمدتر شود، ما چند ویژگی جدید به APIهای ML Kit GenAI اضافه می‌کنیم:

• نمونه اولیه به محصول نهایی: گذار از نمونه اولیه در پیش‌نمایش توسعه‌دهندگان AICore به ساخت برنامه‌های آماده برای تولید با استفاده از ML Kit GenAI Prompt API برای بهره‌برداری از Gemini Nano 4 که قرار است اواخر امسال در دستگاه‌های پرچمدار عرضه شود.
• خروجی ساختاریافته: API خروجی ساختاریافته‌ی آینده به شما امکان می‌دهد کلاس‌های شیء را برای برگرداندن به عنوان خروجی از Prompt API تعریف کنید و خروجی‌های قابل اعتمادی را در تولید ویژگی‌های هوشمند خود تضمین کنید.
• ذخیره سازی پیشوندی : این قابلیت، عملکرد استنتاج روی دستگاه شما را با رابط برنامه‌نویسی کاربردی اعلان (prompt API) بهینه می‌کند. ذخیره سازی پیشوندی جدید، با ذخیره و استفاده مجدد از حالت میانی LLM پردازش یک بخش مشترک و تکرارشونده از اعلان، زمان استنتاج را کاهش می‌دهد.

برای موارد استفاده بسیار سفارشی یا خاص، می‌توانید از LiteRT-LM نیز برای آوردن مدل زبان کوچک تنظیم‌شده‌ی خود به اندروید استفاده کنید.

۳. استنتاج و عامل‌های ترکیبی

برای کمک به شما در ساخت ویژگی‌های پیشرفته‌تر هوش مصنوعی مانند استنتاج ترکیبی و بررسی ساخت عامل‌های درون‌برنامه‌ای، APIها، چارچوب و راهنماهای جدیدی منتشر کرده‌ایم:

• استنتاج ترکیبی منطق هوش مصنوعی فایربیس : این API جدید قابلیت مسیریابی ساده بین مدل‌های روی دستگاه و زیرساخت ابری قدرتمند را فراهم می‌کند. می‌توانید حالت‌های ارکستراسیون صریح مانند PREFER_ON_DEVICE ، PREFER_CLOUD ، ONLY_ON_DEVICE یا ONLY_CLOUD بر اساس نیاز خود تنظیم کنید.
• رندرکننده‌ی A2UI Jetpack Compose: کتابخانه‌ی جدید A2UI به عامل‌های شما اجازه می‌دهد تا «رابط کاربری را بیان کنند». با رندرکننده‌ی Jetpack Compose که به‌زودی عرضه می‌شود، می‌توانید به‌طور خودکار این پیام‌های A2UI را به‌عنوان اجزای رابط کاربری بومی رندر کنید.
• ADK برای اندروید : اولین نسخه ADK برای اندروید برای آزمایش در دسترس است. این به شما امکان می‌دهد تا گردش‌های کاری چندعاملی را در مدل‌های روی دستگاه و ابری ایجاد کنید و در عین حال هماهنگی، مدیریت زمینه و جلسات بین عامل‌ها را مدیریت کنید.

از ساخت با مدل‌های روی دستگاه، بررسی استنتاج ترکیبی تا ساخت عامل‌ها، می‌توانید آنها را در عمل در این گفتگو مشاهده کنید:

همین امروز شروع به ساختن کنید

چه در حال آزمایش AppFunctions برای آماده شدن برای سیستم هوشمند باشید و چه به دنبال استفاده از قدرت هوش مصنوعی گوگل در برنامه خود باشید، ما شما را پوشش می‌دهیم. در مرکز هوش مصنوعی اندروید، عمیق‌تر به قطعه کدها، نمونه‌ها و راهنماهای جامع توسعه‌دهندگان بپردازید. برای مشاهده جزئیات کامل موارد جدید، به لیست پخش رسمی هوش مصنوعی در اندروید در Google I/O 2026 مراجعه کنید.

ما مشتاقیم ببینیم چه چیزی می‌سازید!