Como controlar um celular Android com o Gemini 3.5 Flash Computer Use

A capacidade de controle de dispositivos móveis via Gemini 3.5 Flash, com a funcionalidade Computer Use, representa um avanço significativo na automação de tarefas. Ao analisar screenshots e receber objetivos claros, o modelo gera uma sequência de ações, como cliques, digitação e swipes, que são executadas remotamente. Isso se assemelha ao funcionamento de chamadas de função (function calling), onde o modelo sugere a ação e o código do desenvolvedor a executa, enviando o resultado de volta para o modelo continuar o ciclo. Essa interação contínua permite que o Gemini tome decisões baseadas no estado atual da interface, otimizando a conclusão de tarefas complexas.

A versatilidade do Computer Use se estende a múltiplos ambientes: navegadores web, sistemas operacionais de desktop e, crucialmente, dispositivos móveis, como demonstrado no guia. Para o ambiente mobile, o controle é estabelecido via ADB (Android Debug Bridge). Coordenadas na tela são normalizadas para um grid de 0 a 999, facilitando a adaptação a diferentes resoluções de tela. O processo de configuração, que não exige a interface gráfica do Android Studio, simplifica o setup inicial com scripts que instalam o emulador e dependências necessárias.

A notícia atual detalha o uso do Gemini 3.5 Flash com a funcionalidade Computer Use para controle de celulares Android. Essa funcionalidade, que já existia em versões anteriores do Gemini focadas em computador, foi integrada nativamente ao Gemini 3.5 Flash. A principal novidade é o suporte direto a múltiplos ambientes, incluindo mobile, antes exigindo modelos específicos ou integrações mais complexas. Agora, o mesmo modelo 3.5 Flash pode orquestrar ações em navegadores, desktops e dispositivos móveis, unificando a automação em um único ponto de acesso.

A integração do Computer Use no Gemini 3.5 Flash abre portas para um novo patamar de automação. Desenvolvedores podem criar agentes capazes de interagir com qualquer interface digital, desde navegar em sites complexos até gerenciar aplicativos em smartphones, tudo de forma programática. Isso pode acelerar fluxos de trabalho em testes de software, automação de processos de negócios, criação de assistentes virtuais mais capazes e até mesmo permitir o controle remoto de dispositivos em cenários de suporte técnico ou acesso a dados, sem a necessidade de intervenção humana para cada passo.