Questa pagina è stata tradotta dall'API Cloud Translation.

Grounding con la Ricerca Google

Il grounding con la Ricerca Google collega un modello Gemini a contenuti web pubblici disponibili in tempo reale. Ciò consente al modello di fornire risposte più accurate e aggiornate e di citare fonti verificabili oltre il limite di conoscenza.

Grounding con la Ricerca Google offre i seguenti vantaggi:

Aumentare l'accuratezza fattuale: riduci le allucinazioni del modello basando le risposte su informazioni del mondo reale.
Accedere a informazioni in tempo reale: rispondere a domande su eventi e argomenti recenti.
Fornisci citazioni: crea fiducia negli utenti o consenti loro di sfogliare siti pertinenti mostrando le fonti delle affermazioni del modello.
Completare attività più complesse: recuperare artefatti e immagini, video o altri contenuti multimediali pertinenti per assistere nelle attività di ragionamento.
Migliorare le risposte specifiche per regione o lingua: trova informazioni specifiche per regione o aiuta a tradurre i contenuti in modo accurato.

Tieni presente che il supporto per la funzionalità di grounding per la Ricerca Google è disponibile per iOS+, Android e web. Sarà disponibile per Flutter e Unity nelle prossime versioni.

Modelli supportati

gemini-2.5-pro
gemini-2.5-flash
gemini-2.5-flash-lite-preview-06-17
gemini-2.0-flash-001 (e il relativo alias aggiornato automaticamente gemini-2.0-flash)
gemini-2.0-flash-live-preview-04-09

Lingue supportate

Consulta le lingue supportate per i modelli Gemini.

Eseguire il grounding del modello con la Ricerca Google

Fai clic sul tuo fornitore Gemini API per visualizzare i contenuti e il codice specifici del fornitore in questa pagina.

Quando crei l'istanza GenerativeModel, fornisci GoogleSearch come tool che il modello può utilizzare per generare la risposta.

Swift


import FirebaseAI

// 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 Google Search as a tool that the model can use to generate its response
    tools: [Tool.googleSearch()]
)

let response = try await model.generateContent("Who won the euro 2024?")
print(response.text ?? "No text in response.")

// Make sure to comply with the "Grounding with Google Search" usage requirements,
// which includes how you use and display the grounded result

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 Google Search as a tool that the model can use to generate its response
    tools = listOf(Tool.GoogleSearch())
)

val response = model.generateContent("Who won the euro 2024?")
print(response.text)

// Make sure to comply with the "Grounding with Google Search" usage requirements,
// which includes how you use and display the grounded result

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 Google Search as a tool that the model can use to generate its response
                        List.of(Tool.GoogleSearch()));

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

ListenableFuture response = model.generateContent("Who won the euro 2024?");
  Futures.addCallback(response, new FutureCallback() {
      @Override
      public void onSuccess(GenerateContentResponse result) {
          String resultText = result.getText();
          System.out.println(resultText);
      }

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

// Make sure to comply with the "Grounding with Google Search" usage requirements,
// which includes how you use and display the grounded result

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 Google Search as a tool that the model can use to generate its response
    tools: [{ googleSearch: {} }]
  }
);

const result = await model.generateContent("Who won the euro 2024?");

console.log(result.response.text());

// Make sure to comply with the "Grounding with Google Search" usage requirements,
// which includes how you use and display the grounded result

Dart

Il supporto di Flutter sarà disponibile nella prossima release.

Unity

Il supporto per Unity sarà disponibile nella prossima release.

Scopri come scegliere un modello adatta al tuo caso d'uso e alla tua app.

Per risultati ottimali, utilizza una temperatura di 1.0 (che è il valore predefinito per tutti i modelli 2.5). Scopri come impostare la temperatura nella configurazione del modello.

Come funziona il grounding con la Ricerca Google

Quando utilizzi lo strumento GoogleSearch, il modello gestisce automaticamente l'intero flusso di lavoro di ricerca, elaborazione e citazione delle informazioni.

Ecco il flusso di lavoro del modello:

Ricevi prompt: la tua app invia un prompt al modello Gemini con lo strumento GoogleSearch attivato.
Analizza prompt: il modello analizza il prompt e determina se la Ricerca Google può migliorare la sua risposta.
Invia query alla Ricerca Google: se necessario, il modello genera automaticamente una o più query di ricerca e le esegue.
Elabora i risultati di ricerca: il modello elabora i risultati della Ricerca Google e formula una risposta al prompt originale.
Restituire un "risultato fondato": il modello restituisce una risposta finale e di facile utilizzo basata sui risultati della Ricerca Google. Questa risposta include la risposta testuale del modello e groundingMetadata con le query di ricerca, i risultati web e le citazioni.

Tieni presente che fornire la Ricerca Google come strumento al modello non richiede che il modello utilizzi sempre lo strumento Ricerca Google per generare la sua risposta. In questi casi, la risposta non conterrà un oggetto groundingMetadata e quindi non è un "risultato fondato".

Comprendere il risultato basato su dati reali

Se il modello basa la sua risposta sui risultati della Ricerca Google, la risposta include un oggetto groundingMetadata che contiene dati strutturati essenziali per verificare le affermazioni e creare un'esperienza di citazione avanzata nella tua applicazione.

L'oggetto groundingMetadata in un "risultato fondato" contiene le seguenti informazioni:

webSearchQueries: un array delle query di ricerca inviate alla Ricerca Google. Queste informazioni sono utili per il debug e per comprendere il processo di ragionamento del modello.
searchEntryPoint: contiene il codice HTML e CSS per il rendering dei "suggerimenti della Ricerca Google" richiesti. Devi rispettare i requisiti di utilizzo della funzionalità "Grounding con la Ricerca Google " per il fornitore di API che hai scelto: Gemini Developer API o Vertex AI Gemini API (vedi la sezione Termini di servizio all'interno dei Termini di servizio specifici). Scopri come utilizzare e visualizzare un risultato fondato più avanti in questa pagina.
groundingChunks: un array di oggetti contenenti le origini web (uri e title).
groundingSupports: un array di blocchi per collegare la risposta del modello text alle fonti in groundingChunks. Ogni blocco collega un testo segment (definito da startIndex e endIndex) a uno o più groundingChunkIndices. Questo campo ti aiuta a creare citazioni in linea. Scopri come utilizzare e visualizzare un risultato fondato più avanti in questa pagina.

Ecco un esempio di risposta che include un oggetto groundingMetadata:

{
  "candidates": [
    {
      "content": {
        "parts": [
          {
            "text": "Spain won Euro 2024, defeating England 2-1 in the final. This victory marks Spain's record fourth European Championship title."
          }
        ],
        "role": "model"
      },
      "groundingMetadata": {
        "webSearchQueries": [
          "UEFA Euro 2024 winner",
          "who won euro 2024"
        ],
        "searchEntryPoint": {
          "renderedContent": "<!-- HTML and CSS for the search widget -->"
        },
        "groundingChunks": [
          {"web": {"uri": "https://vertexaisearch.cloud.google.com.....", "title": "aljazeera.com"}},
          {"web": {"uri": "https://vertexaisearch.cloud.google.com.....", "title": "uefa.com"}}
        ],
        "groundingSupports": [
          {
            "segment": {"startIndex": 0, "endIndex": 85, "text": "Spain won Euro 2024, defeatin..."},
            "groundingChunkIndices": [0]
          },
          {
            "segment": {"startIndex": 86, "endIndex": 210, "text": "This victory marks Spain's..."},
            "groundingChunkIndices": [0, 1]
          }
        ]
      }
    }
  ]
}

Utilizzare e visualizzare un risultato fondato

Se il modello utilizza lo strumento Ricerca Google per generare una risposta, fornirà un groundingMetadata oggetto nella risposta.

È obbligatorio visualizzare i suggerimenti della Ricerca Google ed è consigliato visualizzare le citazioni.

Oltre a rispettare i requisiti per l'utilizzo dello strumento Ricerca Google, la visualizzazione di queste informazioni aiuta te e i tuoi utenti finali a convalidare le risposte e offre ulteriori opportunità di apprendimento.

(Obbligatorio) Mostra i suggerimenti della Ricerca Google

Se una risposta contiene "Suggerimenti della Ricerca Google", devi rispettare i requisiti di utilizzo del "Grounding con la Ricerca Google", che includono le modalità di visualizzazione dei suggerimenti della Ricerca Google.

L'oggetto groundingMetadata contiene "Suggerimenti della Ricerca Google", in particolare il campo searchEntryPoint, che ha un campo renderedContent che fornisce uno stile HTML e CSS conforme, che devi implementare per visualizzare i suggerimenti della Ricerca nella tua app.

Consulta le informazioni dettagliate sui requisiti di visualizzazione e comportamento per i suggerimenti della Ricerca Google nella documentazione di Google Cloud. Tieni presente che, anche se queste indicazioni dettagliate si trovano nella documentazione di Vertex AI Gemini API, sono applicabili anche al fornitore Gemini Developer API.

Vedi gli esempi di codice più avanti in questa sezione.

(Consigliato) Mostra citazioni

L'oggetto groundingMetadata contiene dati di citazione strutturati, in particolare i campi groundingSupports e groundingChunks. Utilizza queste informazioni per collegare le affermazioni del modello direttamente alle loro fonti all'interno della tua UI (in linea e in forma aggregata).

Vedi gli esempi di codice più avanti in questa sezione.

Esempi di codice

Questi esempi di codice forniscono pattern generalizzati per l'utilizzo e la visualizzazione del risultato fondato. Tuttavia, è tua responsabilità assicurarti che la tua implementazione specifica sia conforme ai requisiti di conformità.

Swift

// ...

// Get the model's response
let text = response.text

// Get the grounding metadata
if let candidate = response.candidates.first,
   let groundingMetadata = candidate.groundingMetadata {
  // REQUIRED - display Google Search suggestions
  // (renderedContent contains HTML and CSS for the search widget)
  if let renderedContent = groundingMetadata.searchEntryPoint?.renderedContent {
    // TODO(developer): Display Google Search suggestions using a WebView
  }

  // RECOMMENDED - display citations
  let groundingChunks = groundingMetadata.groundingChunks
  for chunk in groundingMetadata.groundingChunks {
    if let web = chunk.web {
      let title = web.title  // for example, "uefa.com"
      let uri = web.uri  // for example, "https://vertexaisearch.cloud.google.com..."
      // TODO(developer): show citation in the UI
    }
  }
}

Kotlin

// ...

// Get the model's response
val text = response.text

// Get the grounding metadata
val groundingMetadata = response.candidates.firstOrNull()?.groundingMetadata

// REQUIRED - display Google Search suggestions
// (renderedContent contains HTML and CSS for the search widget)
val renderedContent = groundingMetadata?.searchEntryPoint?.renderedContent
if (renderedContent != null) {
    // TODO(developer): Display Google Search suggestions using a WebView
}

// RECOMMENDED - display citations
val groundingChunks = groundingMetadata?.groundingChunks
groundingChunks?.let { chunks ->
  for (chunk in chunks) {
  	val title = chunk.web?.title  // for example, "uefa.com"
	val uri = chunk.web?.uri  // for example, "https://vertexaisearch.cloud.google.com..."
// TODO(developer): show citation in the UI
  }
}

Java

// ...

Futures.addCallback(response, new FutureCallback() {
  @Override
  public void onSuccess(GenerateContentResponse result) {
  // Get the model's response
  String text = result.getText();

  // Get the grounding metadata
  GroundingMetadata groundingMetadata =
  result.getCandidates()[0].getGroundingMetadata();

  if (groundingMetadata != null) {
    // REQUIRED - display Google Search suggestions
  // (renderedContent contains HTML and CSS for the search widget)
    String renderedContent =
  groundingMetadata.getSearchEntryPoint().getRenderedContent();
    if (renderedContent != null) {
      // TODO(developer): Display Google Search suggestions using a WebView
    }

    // RECOMMENDED - display citations
    List chunks = groundingMetadata.getGroundingChunks();
    if (chunks != null) {
      for(GroundingChunk chunk : chunks) {
        WebGroundingChunk web = chunk.getWeb();
        if (web != null) {
          String title = web.getTitle();  // for example, "uefa.com"
          String uri = web.getUri();  // for example, "https://vertexaisearch.cloud.google.com..."
          // TODO(developer): show citation in the UI
        }
      }
    }
  }
  }

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

Web

// ...

// Get the model's text response
const text = result.response.text();

// Get the grounding metadata
const groundingMetadata = result.response.candidates?.[0]?.groundingMetadata;

// REQUIRED - display Google Search suggestions
// (renderedContent contains HTML and CSS for the search widget)
const renderedContent = groundingMetadata?.searchEntryPoint?.renderedContent;
if (renderedContent) {
  // TODO(developer): render this HTML and CSS in the UI
}

// RECOMMENDED - display citations
const groundingChunks = groundingMetadata?.groundingChunks;
if (groundingChunks) {
  for (const chunk of groundingChunks) {
    const title = chunk.web?.title;  // for example, "uefa.com"
    const uri = chunk.web?.uri;  // for example, "https://vertexaisearch.cloud.google.com..."
    // TODO(developer): show citation in the UI
  }
}

Dart

Il supporto di Flutter sarà disponibile nella prossima release.

Unity

Il supporto per Unity sarà disponibile nella prossima release.

Risultati basati su dati reali e monitoraggio dell'AI nella console Firebase

Se hai attivato il monitoraggio dell'IA nella console Firebase, le risposte vengono archiviate in Cloud Logging. Per impostazione predefinita, questi dati hanno un periodo di conservazione di 30 giorni.

È tua responsabilità assicurarti che questo periodo di conservazione o qualsiasi periodo personalizzato che imposti sia pienamente in linea con il tuo caso d'uso specifico e con eventuali requisiti di conformità aggiuntivi per il fornitore Gemini API che hai scelto: Gemini Developer API o Vertex AI Gemini API (vedi la sezione Termini di servizio all'interno dei Termini specifici dei servizi). Potresti dover modificare il periodo di conservazione in Cloud Logging per soddisfare questi requisiti.

Prezzi e limiti

Assicurati di esaminare i prezzi, la disponibilità dei modelli e i limiti per la fondazione con la Ricerca Google nella documentazione del fornitore Gemini API scelto: Gemini Developer API | Vertex AI Gemini API.