কোড এক্সিকিউশন

কোড এক্সিকিউশন হল এমন একটি টুল যা মডেলকে Python কোড তৈরি ও রান করতে দেয়। মডেলটি কোড এক্সিকিউশনের ফলাফল থেকে বারবার শিখতে পারে যতক্ষণ না এটি চূড়ান্ত আউটপুটে পৌঁছায়।

কোড-ভিত্তিক যুক্তি থেকে উপকৃত হয় এবং টেক্সট আউটপুট জেনারেট করে এমন ফিচার তৈরি করতে আপনি কোড এক্সিকিউশন ব্যবহার করতে পারেন। যেমন, সমীকরণ সমাধান করতে বা টেক্সট প্রসেস করতে আপনি কোড এক্সিকিউশন ব্যবহার করতে পারেন। এছাড়াও, আপনি আরও বিশেষ ধরনের টাস্ক পারফর্ম করতে কোড এক্সিকিউশন এনভায়রনমেন্টে অন্তর্ভুক্ত লাইব্রেরি ব্যবহার করতে পারেন।

মনে রাখবেন: Gemini মডেল শুধুমাত্র Python-এ লেখা কোড এক্সিকিউট করতে পারে। আপনি এখনও মডেলকে অন্য কোনও ভাষায় কোড জেনারেট করার অনুরোধ করতে পারেন, তবে মডেলটি সেই কোড রান করার জন্য কোড এক্সিকিউশন টুল ব্যবহার করতে পারবে না।

এছাড়াও, মনে রাখবেন যে আপনার আসল অ্যাপটি কোন প্রোগ্রামিং ল্যাঙ্গুয়েজে লেখা হয়েছে তা কোড এক্সিকিউশনের ক্ষেত্রে গুরুত্বপূর্ণ নয়।

মডেলকে দেওয়া অন্যান্য টুলের মতোই, মডেল নিজেই সিদ্ধান্ত নেয় যে কখন কোড এক্সিকিউশন ব্যবহার করতে হবে।

কোড প্রয়োগ করার ধাপে যান

কোড এক্সিকিউশন বনাম ফাংশন কলিংয়ের তুলনা

কোড এক্সিকিউশন ও ফাংশন কলিং হল একই ধরনের ফিচার। সাধারণত, মডেল আপনার ব্যবহারের কেস ম্যানেজ করতে পারলে, আপনার কোড এক্সিকিউশন ব্যবহার করা উচিত। কোড এক্সিকিউশন ব্যবহার করাও সহজ কারণ আপনাকে শুধু এটি চালু করতে হয়।

কোড এক্সিকিউশন ও ফাংশন কলিংয়ের মধ্যে আরও কিছু পার্থক্য এখানে উল্লেখ করা হল:

কোড এক্সিকিউশন	ফাংশন কলিং
আপনি যদি চান যে মডেল আপনার জন্য Python কোড লিখুক এবং রান করুক এবং ফলাফল দেখাক, তাহলে কোড এক্সিকিউশন ব্যবহার করুন।	আপনার যদি আগে থেকেই নিজস্ব ফাংশন থাকে যা আপনি লোকালি চালাতে চান, তাহলে ফাংশন কলিং ব্যবহার করুন।
কোড এক্সিকিউশন, মডেলকে API ব্যাকএন্ডে একটি নির্দিষ্ট, আলাদা এনভায়রনমেন্টে কোড রান করতে দেয়।	ফাংশন কলিংয়ের মাধ্যমে আপনি মডেলের অনুরোধ করা ফাংশন রান করতে পারবেন, আপনি যে পরিবেশে চান সেই পরিবেশেই।
কোড এক্সিকিউশন একটি অনুরোধেই সমাধান হয়ে যায়। যদিও আপনি চ্যাট ক্ষমতার সাথে কোড এক্সিকিউশন ব্যবহার করতে পারেন, তবে এর কোনও প্রয়োজন নেই।	ফাংশন কলিংয়ের জন্য প্রতিটি ফাংশন কল থেকে আউটপুট ফেরত পাঠানোর জন্য একটি অতিরিক্ত অনুরোধের প্রয়োজন হয়। তাই, আপনাকে চ্যাট করার সুবিধা ব্যবহার করতে হবে।

যেসব মডেলে কাজ করে

• gemini-4-argon
• gemini-3.8-flash (এবং পুরনো gemini-3.7-flash, gemini-3.6-flash ও gemini-3.5-flash)
• gemini-3.5-flash-lite (এবং পুরনো gemini-3.1-flash-lite)

gemini-3.1-pro-preview এবং সাধারণ-ব্যবহারের Gemini 2.5 মডেল (যা বন্ধ করা হয়েছে) এই ক্ষমতাকে সাপোর্ট করে।

কোড এক্সিকিউশন ব্যবহার করুন

আপনি শুধুমাত্র টেক্সট ও মাল্টিমোডাল ইনপুট, দুটির সাথেই কোড এক্সিকিউশন ব্যবহার করতে পারবেন, তবে উত্তর সবসময় শুধু টেক্সট বা কোডই হবে।

শুরু করার আগে

এই পৃষ্ঠায় প্রদানকারী-নির্দিষ্ট কন্টেন্ট এবং কোড দেখতে আপনার Gemini API প্রদানকারীর উপর ক্লিক করুন। Gemini Developer API Agent Platform Gemini API

আপনি এখনও না করে থাকলে, শুরু করার নির্দেশিকা সম্পূর্ণ করুন, যেখানে বর্ণনা করা আছে কীভাবে আপনার Firebase প্রোজেক্ট সেট-আপ করবেন, Firebase-এর সাথে আপনার অ্যাপ কানেক্ট করবেন, SDK যোগ করবেন, আপনার বেছে নেওয়া Gemini API পরিষেবা প্রদানকারীর জন্য ব্যাকএন্ড পরিষেবা শুরু করবেন এবং একটি GenerativeModel ইনস্ট্যান্স তৈরি করবেন।

আমাদের সব ডকুমেন্ট ধরে নেয় যে আপনি Firebase AI Logic SDK-এর লেটেস্ট ভার্সন ব্যবহার করছেন।

আপনার প্রম্পট পরীক্ষা ও ইটারেট করার জন্য, আমরা Google AI Studio ব্যবহার করার সাজেশন দিই।

কোড এক্সিকিউশন চালু করুন

এই স্যাম্পেল ব্যবহার করার আগে, আপনার প্রোজেক্ট ও অ্যাপ সেট-আপ করতে এই গাইডের শুরু করার আগে বিভাগটি সম্পূর্ণ করুন। সেই বিভাগে, আপনার বেছে নেওয়া Gemini API প্রোভাইডারের জন্য একটি বোতামে ক্লিক করতে হবে যাতে আপনি এই পৃষ্ঠায় প্রোভাইডার-নির্দিষ্ট কন্টেন্ট দেখতে পান।

আপনি GenerativeModel ইনস্ট্যান্স তৈরি করার সময়, CodeExecution-কে টুল হিসেবে প্রদান করুন যাতে মডেলটি তার উত্তর তৈরি করতে এটি ব্যবহার করতে পারে। এটি মডেলকে Python কোড জেনারেট ও রান করার অনুমতি দেয়।

Swift

import FirebaseAILogic

// Initialize the Gemini Developer API backend service.
let ai = FirebaseAI.firebaseAI(backend: .googleAI())

// Create a `GenerativeModel` instance with a model that supports your use case
let model = ai.generativeModel(
  modelName: "GEMINI_MODEL_NAME",
  // Provide code execution as a tool that the model can use to generate its response.
  tools: [.codeExecution()]
)

let prompt = """
What is the sum of the first 50 prime numbers?
Generate and run code for the calculation, and make sure you get all 50.
"""

let response = try await model.generateContent(prompt)

guard let candidate = response.candidates.first else {
  print("No candidates in response.")
  return
}
for part in candidate.content.parts {
  if let textPart = part as? TextPart {
    print("Text = \(textPart.text)")
  } else if let executableCode = part as? ExecutableCodePart {
    print("Code = \(executableCode.code), Language = \(executableCode.language)")
  } else if let executionResult = part as? CodeExecutionResultPart {
    print("Outcome = \(executionResult.outcome), Result = \(executionResult.output ?? "no output")")
  }
}

Kotlin

// Initialize the Gemini Developer API backend service.
// Create a `GenerativeModel` instance with a model that supports your use case.
val model = Firebase.ai(backend = GenerativeBackend.googleAI()).generativeModel(
    modelName = "GEMINI_MODEL_NAME",
    // Provide code execution as a tool that the model can use to generate its response.
    tools = listOf(Tool.codeExecution())
)

val prompt =  "What is the sum of the first 50 prime numbers? " +
        "Generate and run code for the calculation, and make sure you get all 50."

val response = model.generateContent(prompt)

response.candidates.first().content.parts.forEach {
    if(it is TextPart) {
        println("Text = ${it.text}")
    }
    if(it is ExecutableCodePart) {
        println("Code = ${it.code}, Language = ${it.language}")
    }
    if(it is CodeExecutionResultPart) {
       println("Outcome = ${it.outcome}, Result = ${it.output}")
    }
}

Java

// Initialize the Gemini Developer API backend service.
// Create a `GenerativeModel` instance with a model that supports your use case.
GenerativeModel ai = FirebaseAI.getInstance(GenerativeBackend.googleAI())
                .generativeModel("GEMINI_MODEL_NAME",
                        null,
                        null,
                        // Provide code execution as a tool that the model can use to generate its response.
                        List.of(Tool.codeExecution()));

// Use the GenerativeModelFutures Java compatibility layer which offers
// support for ListenableFuture and Publisher APIs
GenerativeModelFutures model = GenerativeModelFutures.from(ai);

String text = "What is the sum of the first 50 prime numbers? " +
        "Generate and run code for the calculation, and make sure you get all 50.";

Content prompt = new Content.Builder()
    .addText(text)
    .build();

ListenableFuture response = model.generateContent(prompt);

Futures.addCallback(response, new FutureCallback() {
   @Override
public void onSuccess(GenerateContentResponse response)   {
    // Access the first candidate's content parts
    List parts = response.getCandidates().get(0).getContent().getParts();
    for (Part part : parts) {
        if (part instanceof TextPart) {
            TextPart textPart = (TextPart) part;
            System.out.println("Text = " + textPart.getText());
        } else if (part instanceof ExecutableCodePart) {
            ExecutableCodePart codePart = (ExecutableCodePart) part;
            System.out.println("Code = " + codePart.getCode() + ", Language = " + codePart.getLanguage());
        } else if (part instanceof CodeExecutionResultPart) {
            CodeExecutionResultPart resultPart = (CodeExecutionResultPart) part;
            System.out.println("Outcome = " + resultPart.getOutcome() + ", Result = " + resultPart.getOutput());
        }
    }
}

    @Override
    public void onFailure(Throwable t) {
        t.printStackTrace();
    }
}, executor);

Web

import { initializeApp } from "firebase/app";
import { getAI, getGenerativeModel, GoogleAIBackend } from "firebase/ai";

// TODO(developer): Replace the following with your app's Firebase configuration
// See: https://firebase.google.com/docs/web/learn-more#config-object
const firebaseConfig = {
  // ...
};

// Initialize FirebaseApp
const firebaseApp = initializeApp(firebaseConfig);

// Initialize the Gemini Developer API backend service.
const ai = getAI(firebaseApp, { backend: new GoogleAIBackend() });

// Create a `GenerativeModel` instance with a model that supports your use case.
const model = getGenerativeModel(
  ai,
  {
    model: "GEMINI_MODEL_NAME",
    // Provide code execution as a tool that the model can use to generate its response.
    tools: [{ codeExecution: {} }]
  }
);

const prompt =  "What is the sum of the first 50 prime numbers? " +
        "Generate and run code for the calculation, and make sure you get all 50."

const result = await model.generateContent(prompt);
const response = await result.response;

const parts = response.candidates?.[0].content.parts;

if (parts) {
  parts.forEach((part) => {
    if (part.type === "text") {
      console.log(`Text: ${part.text}`);
    } else if (part.type === "executableCode") {
      console.log(
        `Code: ${part.executableCode.code}, Language: ${part.executableCode.language}`
      );
    } else if (part.type === "codeExecutionResult") {
      console.log(
        `Outcome: ${part.codeExecutionResult.outcome}, Result: ${part.codeExecutionResult.output}`
      );
    }
  });
}

Dart

import 'package:firebase_core/firebase_core.dart';
import 'package:firebase_ai/firebase_ai.dart';
import 'firebase_options.dart';

// Initialize FirebaseApp
await Firebase.initializeApp(
  options: DefaultFirebaseOptions.currentPlatform,
);

// Initialize the Gemini Developer API backend service.
// Create a `GenerativeModel` instance with a model that supports your use case.
final model = FirebaseAI.googleAI().generativeModel(
  model: 'GEMINI_MODEL_NAME',
  // Provide code execution as a tool that the model can use to generate its response.
  tools: [
    Tool.codeExecution(),
  ],
);

const prompt = 'What is the sum of the first 50 prime numbers? '
    'Generate and run code for the calculation, and make sure you get all 50.';

final response = await model.generateContent([Content.text(prompt)]);

final buffer = StringBuffer();
    for (final part in response.candidates.first.content.parts) {
      if (part is TextPart) {
        buffer.writeln(part.text);
      } else if (part is ExecutableCodePart) {
        buffer.writeln('Executable Code:');
        buffer.writeln('Language: ${part.language}');
        buffer.writeln('Code:');
        buffer.writeln(part.code);
      } else if (part is CodeExecutionResultPart) {
        buffer.writeln('Code Execution Result:');
        buffer.writeln('Outcome: ${part.outcome}');
        buffer.writeln('Output:');
        buffer.writeln(part.output);
      }
    }

Unity

using Firebase;
using Firebase.AI;

// Initialize the Gemini Developer API backend service.
var ai = FirebaseAI.GetInstance(FirebaseAI.Backend.GoogleAI());

// Create a `GenerativeModel` instance with a model that supports your use case.
var model = ai.GetGenerativeModel(
  modelName: "GEMINI_MODEL_NAME",
  // Provide code execution as a tool that the model can use to generate its response.
  tools: new Tool[] { new Tool(new CodeExecution()) }
);

var prompt = "What is the sum of the first 50 prime numbers? " +
        "Generate and run code for the calculation, and make sure you get all 50.";

var response = await model.GenerateContentAsync(prompt);

foreach (var part in response.Candidates.First().Content.Parts) {
  if (part is ModelContent.TextPart tp) {
    UnityEngine.Debug.Log($"Text = {tp.Text}");
  } else if (part is ModelContent.ExecutableCodePart esp) {
    UnityEngine.Debug.Log($"Code = {esp.Code}, Language = {esp.Language}");
  } else if (part is ModelContent.CodeExecutionResultPart cerp) {
    UnityEngine.Debug.Log($"Outcome = {cerp.Outcome}, Output = {cerp.Output}");
  }
}

আপনার ব্যবহারের ক্ষেত্র ও অ্যাপের জন্য উপযুক্ত মডেল কীভাবে বেছে নেবেন তা জানুন।

আউটপুটের উদাহরণ দেখুন

আউটপুটটি নিম্নলিখিত কিছুর মতো দেখতে হতে পারে, যা পড়ার সুবিধার জন্য ফর্ম্যাট করা হয়েছে:

Okay, I need to calculate the sum of the first 50 prime numbers. Here's how I'll
approach this:

1.  **Generate Prime Numbers:** I'll use an iterative method to find prime
    numbers. I'll start with 2 and check if each subsequent number is divisible
    by any number between 2 and its square root. If not, it's a prime.
2.  **Store Primes:** I'll store the prime numbers in a list until I have 50 of
    them.
3.  **Calculate the Sum:**  Finally, I'll sum the prime numbers in the list.

Here's the Python code to do this:

def is_prime(n):
  """Efficiently checks if a number is prime."""
  if n <= 1:
    return False
  if n <= 3:
    return True
  if n % 2 == 0 or n % 3 == 0:
    return False
  i = 5
  while i * i <= n:
    if n % i == 0 or n % (i + 2) == 0:
      return False
    i += 6
  return True

primes = []
num = 2
while len(primes) < 50:
  if is_prime(num):
    primes.append(num)
  num += 1

sum_of_primes = sum(primes)
print(f'{primes=}')
print(f'{sum_of_primes=}')

primes=[2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37, 41, 43, 47, 53, 59, 61, 67,
71, 73, 79, 83, 89, 97, 101, 103, 107, 109, 113, 127, 131, 137, 139, 149, 151,
157, 163, 167, 173, 179, 181, 191, 193, 197, 199, 211, 223, 227, 229]
sum_of_primes=5117

The sum of the first 50 prime numbers is 5117.

এই আউটপুটটি কন্টেন্টের বিভিন্ন অংশকে একত্রিত করে যা মডেলটি কোড এক্সিকিউশন ব্যবহার করার সময় রিটার্ন করে:

• text: মডেলের মাধ্যমে তৈরি করা ইনলাইন টেক্সট
• executableCode: মডেলের মাধ্যমে জেনারেট করা কোড যা এক্সিকিউট করতে হবে
• codeExecutionResult: এক্সিকিউট করা কোডের ফলাফল

প্রোগ্রামিং ল্যাঙ্গুয়েজ অনুযায়ী এইসব অংশের নামকরণের কনভেনশন আলাদা হয়।

চ্যাটে কোড এক্সিকিউশন ব্যবহার করুন

এছাড়াও, আপনি চ্যাটের অংশ হিসেবে কোড এক্সিকিউশন ব্যবহার করতে পারেন:

Swift

import FirebaseAILogic

// Initialize the Gemini Developer API backend service.
let ai = FirebaseAI.firebaseAI(backend: .googleAI())

// Create a `GenerativeModel` instance with a model that supports your use case
let model = ai.generativeModel(
  modelName: "GEMINI_MODEL_NAME",
  // Provide code execution as a tool that the model can use to generate its response.
  tools: [.codeExecution()]
)

let prompt = """
What is the sum of the first 50 prime numbers?
Generate and run code for the calculation, and make sure you get all 50.
"""
let chat = model.startChat()

let response = try await chat.sendMessage(prompt)

guard let candidate = response.candidates.first else {
  print("No candidates in response.")
  return
}
for part in candidate.content.parts {
  if let textPart = part as? TextPart {
    print("Text = \(textPart.text)")
  } else if let executableCode = part as? ExecutableCodePart {
    print("Code = \(executableCode.code), Language = \(executableCode.language)")
  } else if let executionResult = part as? CodeExecutionResultPart {
    print("Outcome = \(executionResult.outcome), Result = \(executionResult.output ?? "no output")")
  }
}

Kotlin

// Initialize the Gemini Developer API backend service.
// Create a `GenerativeModel` instance with a model that supports your use case.
val model = Firebase.ai(backend = GenerativeBackend.googleAI()).generativeModel(
    modelName = "GEMINI_MODEL_NAME",
    // Provide code execution as a tool that the model can use to generate its response.
    tools = listOf(Tool.codeExecution())
)

val prompt =  "What is the sum of the first 50 prime numbers? " +
        "Generate and run code for the calculation, and make sure you get all 50."
val chat = model.startChat()
val response = chat.sendMessage(prompt)

response.candidates.first().content.parts.forEach {
    if(it is TextPart) {
        println("Text = ${it.text}")
    }
    if(it is ExecutableCodePart) {
        println("Code = ${it.code}, Language = ${it.language}")
    }
    if(it is CodeExecutionResultPart) {
       println("Outcome = ${it.outcome}, Result = ${it.output}")
    }
}

Java

// Initialize the Gemini Developer API backend service.
// Create a `GenerativeModel` instance with a model that supports your use case.
GenerativeModel ai = FirebaseAI.getInstance(GenerativeBackend.googleAI())
                .generativeModel("GEMINI_MODEL_NAME",
                        null,
                        null,
                        // Provide code execution as a tool that the model can use to generate its response.
                        List.of(Tool.codeExecution()));

// Use the GenerativeModelFutures Java compatibility layer which offers
// support for ListenableFuture and Publisher APIs
GenerativeModelFutures model = GenerativeModelFutures.from(ai);
String text = "What is the sum of the first 50 prime numbers? " +
        "Generate and run code for the calculation, and make sure you get all 50.";

Content prompt = new Content.Builder()
    .addText(text)
    .build();

ChatFutures chat = model.startChat();
ListenableFuture response = chat.sendMessage(prompt);

Futures.addCallback(response, new FutureCallback() {
   @Override
public void onSuccess(GenerateContentResponse response)   {
    // Access the first candidate's content parts
    List parts = response.getCandidates().get(0).getContent().getParts();
    for (Part part : parts) {
        if (part instanceof TextPart) {
            TextPart textPart = (TextPart) part;
            System.out.println("Text = " + textPart.getText());
        } else if (part instanceof ExecutableCodePart) {
            ExecutableCodePart codePart = (ExecutableCodePart) part;
            System.out.println("Code = " + codePart.getCode() + ", Language = " + codePart.getLanguage());
        } else if (part instanceof CodeExecutionResultPart) {
            CodeExecutionResultPart resultPart = (CodeExecutionResultPart) part;
            System.out.println("Outcome = " + resultPart.getOutcome() + ", Result = " + resultPart.getOutput());
        }
    }
}

    @Override
    public void onFailure(Throwable t) {
        t.printStackTrace();
    }
}, executor);

Web

import { initializeApp } from "firebase/app";
import { getAI, getGenerativeModel, GoogleAIBackend } from "firebase/ai";

// TODO(developer): Replace the following with your app's Firebase configuration
// See: https://firebase.google.com/docs/web/learn-more#config-object
const firebaseConfig = {
  // ...
};

// Initialize FirebaseApp
const firebaseApp = initializeApp(firebaseConfig);

// Initialize the Gemini Developer API backend service.
const ai = getAI(firebaseApp, { backend: new GoogleAIBackend() });

// Create a `GenerativeModel` instance with a model that supports your use case.
const model = getGenerativeModel(
  ai,
  {
    model: "GEMINI_MODEL_NAME",
    // Provide code execution as a tool that the model can use to generate its response.
    tools: [{ codeExecution: {} }]
  }
);

const prompt =  "What is the sum of the first 50 prime numbers? " +
        "Generate and run code for the calculation, and make sure you get all 50."
const chat = model.startChat()
const result = await chat.sendMessage(prompt);

const parts = result.response.candidates?.[0].content.parts;

if (parts) {
  parts.forEach((part) => {
    if (part.type === "text") {
      console.log(`Text: ${part.text}`);
    } else if (part.type === "executableCode") {
      console.log(
        `Code: ${part.executableCode.code}, Language: ${part.executableCode.language}`
      );
    } else if (part.type === "codeExecutionResult") {
      console.log(
        `Outcome: ${part.codeExecutionResult.outcome}, Result: ${part.codeExecutionResult.output}`
      );
    }
  });
}

Dart

import 'package:firebase_core/firebase_core.dart';
import 'package:firebase_ai/firebase_ai.dart';
import 'firebase_options.dart';

// Initialize FirebaseApp
await Firebase.initializeApp(
  options: DefaultFirebaseOptions.currentPlatform,
);

// Initialize the Gemini Developer API backend service.
// Create a `GenerativeModel` instance with a model that supports your use case.
final model = FirebaseAI.googleAI().generativeModel(
  model: 'GEMINI_MODEL_NAME',
  // Provide code execution as a tool that the model can use to generate its response.
  tools: [
    Tool.codeExecution(),
  ],
);

final codeExecutionChat = await model.startChat();

const prompt = 'What is the sum of the first 50 prime numbers? '
    'Generate and run code for the calculation, and make sure you get all 50.';
final response = await codeExecutionChat.sendMessage(Content.text(prompt));

final buffer = StringBuffer();
    for (final part in response.candidates.first.content.parts) {
      if (part is TextPart) {
        buffer.writeln(part.text);
      } else if (part is ExecutableCodePart) {
        buffer.writeln('Executable Code:');
        buffer.writeln('Language: ${part.language}');
        buffer.writeln('Code:');
        buffer.writeln(part.code);
      } else if (part is CodeExecutionResultPart) {
        buffer.writeln('Code Execution Result:');
        buffer.writeln('Outcome: ${part.outcome}');
        buffer.writeln('Output:');
        buffer.writeln(part.output);
      }
    }

Unity

using Firebase;
using Firebase.AI;

// Initialize the Gemini Developer API backend service.
var ai = FirebaseAI.GetInstance(FirebaseAI.Backend.GoogleAI());

// Create a `GenerativeModel` instance with a model that supports your use case.
var model = ai.GetGenerativeModel(
  modelName: "GEMINI_MODEL_NAME",
  // Provide code execution as a tool that the model can use to generate its response.
  tools: new Tool[] { new Tool(new CodeExecution()) }
);

var prompt = "What is the sum of the first 50 prime numbers? " +
        "Generate and run code for the calculation, and make sure you get all 50.";
var chat = model.StartChat();
var response = await chat.SendMessageAsync(prompt);

foreach (var part in response.Candidates.First().Content.Parts) {
  if (part is ModelContent.TextPart tp) {
    UnityEngine.Debug.Log($"Text = {tp.Text}");
  } else if (part is ModelContent.ExecutableCodePart esp) {
    UnityEngine.Debug.Log($"Code = {esp.Code}, Language = {esp.Language}");
  } else if (part is ModelContent.CodeExecutionResultPart cerp) {
    UnityEngine.Debug.Log($"Outcome = {cerp.Outcome}, Output = {cerp.Output}");
  }
}

আপনার ব্যবহারের ক্ষেত্র ও অ্যাপের জন্য উপযুক্ত মডেল কীভাবে বেছে নেবেন তা জানুন।

মূল্য

কোড এক্সিকিউশন চালু করা এবং মডেলের জন্য টুল হিসেবে এটি প্রদান করার জন্য কোনও অতিরিক্ত চার্জ নেই। মডেল যদি কোড এক্সিকিউশন ব্যবহার করার সিদ্ধান্ত নেয়, তাহলে আপনি যে Gemini মডেল ব্যবহার করছেন তার উপর ভিত্তি করে ইনপুট ও আউটপুট টোকেনের বর্তমান রেট অনুযায়ী আপনাকে বিল করা হবে।

নিম্নলিখিত ডায়াগ্রামটি কোড এক্সিকিউশনের জন্য বিলিং মডেল দেখায়:

 

কোনও মডেল কোড এক্সিকিউশন ব্যবহার করলে, টোকেনের জন্য কীভাবে বিল করা হয় তার সারসংক্ষেপ এখানে দেওয়া হল:

• আসল প্রম্পটের জন্য একবার বিল করা হয়। এর টোকেনগুলি ইন্টারমিডিয়েট টোকেন হিসেবে লেবেল করা হয়, যা ইনপুট টোকেন হিসেবে বিল করা হয়।

• জেনারেট করা কোড এবং এক্সিকিউট করা কোডের ফলাফলের জন্য এইভাবে বিল করা হয়:

  • কোড এক্সিকিউশনের সময় এগুলি ব্যবহার করা হলে – এগুলিকে ইন্টারমিডিয়েট টোকেন হিসেবে লেবেল করা হয় যেগুলি ইনপুট টোকেন হিসেবে বিল করা হয়।

  • চূড়ান্ত উত্তরের অংশ হিসেবে এগুলি অন্তর্ভুক্ত করা হলে – এগুলির জন্য আউটপুট টোকেন হিসেবে বিল করা হয়।

• চূড়ান্ত উত্তরে দেখানো চূড়ান্ত সারসংক্ষেপ আউটপুট টোকেন হিসেবে বিল করা হয়।

Gemini API API রেসপন্সে ইন্টারমিডিয়েট টোকেন কাউন্ট অন্তর্ভুক্ত করে, যাতে আপনি জানতে পারেন যে প্রাথমিক প্রম্পটের বাইরে ইনপুট টোকেনের জন্য আপনাকে কেন চার্জ করা হচ্ছে।

মনে রাখবেন, জেনারেট করা কোডে টেক্সট ও মাল্টিমোডাল আউটপুট, যেমন ছবি, উভয়ই থাকতে পারে।

সীমাবদ্ধতা ও পেশাদার পদ্ধতি

• মডেলটি শুধুমাত্র Python কোড তৈরি এবং এক্সিকিউট করতে পারে। এটি মিডিয়া ফাইলের মতো অন্যান্য আর্টিফ্যাক্ট ফিরিয়ে দিতে পারে না।

• টাইম আউট হওয়ার আগে কোড এক্সিকিউশন সর্বাধিক ৩০ সেকেন্ডের জন্য রান করতে পারে।

• কিছু ক্ষেত্রে, কোড এক্সিকিউশন চালু করলে মডেল আউটপুটের অন্যান্য ক্ষেত্রে (যেমন, গল্প লেখা) রিগ্রেশন হতে পারে।

• কোড এক্সিকিউশন টুলে ইনপুট/আউটপুট হিসেবে ফাইল URI কাজ করে না। তবে, কোড এক্সিকিউশন টুল ইনলাইনড বাইট হিসেবে ফাইল ইনপুট ও গ্রাফ আউটপুট সমর্থন করে। এইসব ইনপুট ও আউটপুট ক্ষমতা ব্যবহার করে, আপনি CSV ও টেক্সট ফাইল আপলোড করতে, ফাইল সম্পর্কে প্রশ্ন করতে এবং কোড এক্সিকিউশন ফলাফলের অংশ হিসেবে Matplotlib গ্রাফ তৈরি করতে পারবেন। ইনলাইনড বাইটের জন্য কাজ করে এমন MIME-এর প্রকার হল .cpp, .csv, .java, .jpeg, .js, .png, .py, .ts এবং .xml।

যেসব লাইব্রেরি কাজ করে

কোড এক্সিকিউশন এনভায়রনমেন্টে নিম্নলিখিত লাইব্রেরি অন্তর্ভুক্ত থাকে। আপনি নিজের লাইব্রেরি ইনস্টল করতে পারবেন না।

Gemini Developer API-এর জন্য কাজ করে এমন লাইব্রেরি দেখুন

• অ্যাট্রিবিউট
• দাবা
• contourpy
• fpdf
• geopandas
• imageio
• jinja2
• joblib
• jsonschema
• jsonschema-specifications
• lxml
• matplotlib
• mpmath
• numpy
• opencv-python
• openpyxl
• প্যাকেজিং
• পান্ডা
• বালিশ
• প্রোটোবাফ
• pylatex
• pyparsing
• PyPDF2
• python-dateutil
• python-docx
• python-pptx
• reportlab
• scikit-learn
• scipy
• seaborn
• ছয়
• striprtf
• sympy
• সারণিবদ্ধ করুন
• tensorflow
• টুলজ
• xlrd

মনে রাখবেন: কোড এক্সিকিউশন ব্যবহার করে গ্রাফ রেন্ডার করার জন্য শুধুমাত্র matplotlib কাজ করে।

Agent Platform Gemini API (formerly Vertex AI)-এর জন্য কাজ করে এমন লাইব্রেরি দেখুন

• Altair
• দাবা
• Cv2
• Matplotlib
• Mpmath
• NumPy
• পান্ডা
• Pdfminer
• Reportlab
• Seaborn
• Sklearn
• Statsmodels
• Striprtf
• SymPy
• Tabulate

Firebase AI Logic-এর সাথে আপনার অভিজ্ঞতা সম্পর্কে মতামত জানান