разбивает запрос, агент-планировщик (Planner Agent) определяет необходимые области данных, агент-переформулировщик (Query Rewriter) разбивает длинные вопросы на более простые, а агент RAG обеспечивает поиск. Ключевое нововведение — агент достаточного контекста (Sufficient Context Agent), который анализирует извлечённые фрагменты, черновик ответа и исходный запрос, выявляет пробелы (например, если вопрос об аллергии остался без ответа) и выдаёт конкретные инструкции для повторного поиска. Когда все необходимые данные собраны, синтезирующий агент (Synthesis Agent) формулирует окончательный ответ. В экспериментах на наборе данных FramesQA (824 многошаговых запроса) система достигла точности 90,1% в кросс-корпусном режиме (выбор правильного источника из четырёх), что почти соответствует точности на одном корпусе. По сравнению с обычным RAG точность на фактических наборах данных улучшается на величину до 34%. Система доступна в публичной предварительной версии на платформе Gemini Enterprise Agent Platform.