Grounding z użyciem wyszukiwarki Google

Grounding z użyciem wyszukiwarki Google łączy model Gemini z dostępnymi publicznie treściami internetowymi w czasie rzeczywistym. Dzięki temu model może podawać dokładniejsze i aktualniejsze odpowiedzi oraz cytować weryfikowalne źródła informacji, które nie są dostępne w jego zbiorze wiedzy.

Grounding z użyciem wyszukiwarki Google ma te zalety:

• Zwiększanie dokładności: zmniejsz skłonność modelu do halucynowania, opierając odpowiedzi na informacjach ze świata rzeczywistego.
• Dostęp do informacji w czasie rzeczywistym: odpowiadaj na pytania dotyczące ostatnich wydarzeń i tematów.
• Podawanie cytatów: buduj zaufanie użytkowników lub umożliwiaj im przeglądanie odpowiednich witryn, wyświetlając źródła twierdzeń modelu.
• Wykonywanie bardziej złożonych zadań: pobieranie artefaktów i odpowiednich obrazów, filmów lub innych multimediów, które pomagają w wykonywaniu zadań wymagających rozumowania.
• Ulepszanie odpowiedzi w określonych regionach lub językach: znajdowanie informacji dotyczących konkretnych regionów lub pomoc w dokładnym tłumaczeniu treści.

Pamiętaj, że funkcja Grounding w wyszukiwarce Google jest dostępna na urządzeniach z iOS, Androidem i w przeglądarce. W przyszłych wersjach udostępnimy go w przypadku Fluttera i Unity.

Uwaga dla wydawców internetowych: grounding z użyciem wyszukiwarki Google nie korzysta na potrzeby groundingu ze stron internetowych, które mają niedozwolonego robota Google-Extended. Wydawcy internetowi mogą zarządzać włączeniem do Google-Extended za pomocą pliku robots.txt.

Obsługiwane modele

• gemini-2.5-pro
• gemini-2.5-flash
• gemini-2.5-flash-lite-preview-06-17
• gemini-2.0-flash-001 (i jego automatycznie aktualizowany alias gemini-2.0-flash)
• gemini-2.0-flash-live-preview-04-09

Obsługiwane języki

Zobacz obsługiwane języki w przypadku Geminimodeli.

Grounding modelu z użyciem wyszukiwarki Google

Kliknij dostawcę Gemini API, aby wyświetlić na tej stronie treści i kod dostawcy. Gemini Developer API Vertex AI Gemini API

Ważne: jeśli odpowiedź zawiera „sugestie wyszukiwarki Google” (pole searchEntryPoint w obiekcie groundingMetadata), jest to „wynik oparty na informacjach z zewnątrz”, więc musisz przestrzegać wymagań dotyczących korzystania z „opierania się na wyszukiwarce Google”, w tym sposobu wyświetlania wyniku. Dowiedz się, jak używać i wyświetlać wynik z uzasadnieniem (poniżej).

Podczas tworzenia instancji GenerativeModel podaj GoogleSearch jako tool, którego model może użyć do wygenerowania odpowiedzi.

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

Obsługa Fluttera zostanie wprowadzona w następnej wersji.

Unity

Obsługa Unity zostanie wprowadzona w następnej wersji.

Dowiedz się, jak wybrać model odpowiednie do Twojego przypadku użycia i aplikacji.

Aby uzyskać optymalne wyniki, użyj temperatury 1.0 (jest to wartość domyślna dla wszystkich modeli 2.5). Dowiedz się, jak ustawić temperaturę w konfiguracji modelu.

Jak działa grounding z użyciem wyszukiwarki Google

Gdy używasz narzędzia GoogleSearch, model automatycznie obsługuje cały przepływ pracy związany z wyszukiwaniem, przetwarzaniem i cytowaniem informacji.

Model działa w ten sposób:

1. Otrzymywanie prompta: aplikacja wysyła prompta do modelu Gemini z włączonym narzędziem GoogleSearch.
2. Analiza promptu: model analizuje prompt i określa, czy wyszukiwarka Google może ulepszyć swoją odpowiedź.
3. Wysyłanie zapytań do wyszukiwarki Google: w razie potrzeby model automatycznie generuje i wykonuje jedno lub kilka zapytań.
4. Przetwarzanie wyników wyszukiwania: model przetwarza wyniki wyszukiwania w Google i formułuje odpowiedź na pierwotny prompt.
5. Zwróć „wynik oparty na wyszukiwarce”: model zwraca końcową, przyjazną dla użytkownika odpowiedź opartą na wynikach wyszukiwania w Google. Ta odpowiedź zawiera tekstową odpowiedź modelu i groundingMetadata z zapytaniami, wynikami wyszukiwania w internecie i cytatami.

Pamiętaj, że udostępnienie wyszukiwarki Google jako narzędzia dla modelu nie wymaga, aby model zawsze używał tego narzędzia do generowania odpowiedzi. W takich przypadkach odpowiedź nie będzie zawierać obiektu groundingMetadata, a więc nie będzie „wynikiem opartym na źródłach”.

Interpretowanie wyniku opartego na informacjach

Jeśli model opiera swoją odpowiedź na wynikach wyszukiwania w Google, zawiera ona obiekt groundingMetadata, który zawiera uporządkowane dane niezbędne do weryfikacji twierdzeń i tworzenia w aplikacji rozbudowanych cytatów.

Ważne: jeśli odpowiedź zawiera „sugestie wyszukiwarki Google” (pole searchEntryPoint w obiekcie groundingMetadata), jest to „wynik oparty na informacjach z zewnątrz”, więc musisz przestrzegać wymagań dotyczących korzystania z „opierania się na wyszukiwarce Google”, w tym sposobu wyświetlania wyniku. Dowiedz się, jak używać i wyświetlać wynik z uzasadnieniem (poniżej).

Obiekt groundingMetadata w „wyniku z uzasadnieniem” zawiera te informacje:

• webSearchQueries: tablica z zapytaniami wysłanymi do wyszukiwarki Google. Te informacje przydają się podczas debugowania i poznawania procesu rozumowania modelu.

• searchEntryPoint: zawiera kod HTML i CSS potrzebny do renderowania wymaganych „sugestii wyszukiwania w Google”. Musisz przestrzegać wymagań dotyczących korzystania z funkcji „Uziemienie w wyszukiwarce Google” w przypadku wybranego dostawcy interfejsu API:Gemini Developer API lub Vertex AI Gemini API (patrz sekcja Warunki usługi w Warunkach korzystania z konkretnych usług). Dowiedz się, jak używać i wyświetlać wynik oparty na informacjach (poniżej).

• groundingChunks: tablica obiektów zawierających źródła internetowe (uri i title).

• groundingSupports: tablica fragmentów do połączenia odpowiedzi modelutext ze źródłami w groundingChunks. Każdy fragment łączy tekstsegment (zdefiniowany przez startIndex i endIndex) z co najmniej 1 groundingChunkIndices. To pole pomaga tworzyć cytaty w tekście. Dowiedz się, jak używać i wyświetlać wynik oparty na informacjach, na dalszych stronach.

Oto przykładowa odpowiedź, która zawiera obiekt 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]
          }
        ]
      }
    }
  ]
}

Używanie i wyświetlanie wyniku opartego na informacjach

Jeśli model użyje narzędzia wyszukiwarki Google do wygenerowania odpowiedzi, w odpowiedzi znajdzie się groundingMetadataobiekt.

Jest to wymagane w przypadku wyświetlania sugestii wyszukiwania Google i zalecane w przypadku wyświetlania cytatów.

Wyświetlanie tych informacji nie tylko pomaga spełnić wymagania dotyczące korzystania z narzędzia Wyszukiwarka Google, ale też umożliwia Tobie i Twoim użytkownikom weryfikowanie odpowiedzi oraz otwiera nowe możliwości dalszego uczenia się.

Ważne: w tej sekcji znajdziesz podstawowe wskazówki i ogólny wzorzec używania i wyświetlania wyniku opartego na informacjach z zewnątrz. Zapoznaj się z wymaganiami dotyczącymi korzystania i wyświetlania wybranego Gemini APIdostawcy:Gemini Developer API lub Vertex AI Gemini API (patrz sekcja Warunki korzystania z usługi w Szczegółowych warunkach korzystania z usługi).

(Wymagane) Wyświetlanie sugestii wyszukiwarki Google

Jeśli odpowiedź zawiera „Sugestie wyszukiwarki Google”, musisz spełnić wymagania dotyczące korzystania z „groundingu przy użyciu wyszukiwarki Google”, które obejmują sposób wyświetlania sugestii wyszukiwarki Google.

Obiekt groundingMetadata zawiera „sugestie wyszukiwania w Google”, a konkretnie pole searchEntryPoint, które ma pole renderedContent zawierające zgodny kod HTML i CSS, który musisz wdrożyć, aby wyświetlać sugestie wyszukiwania w aplikacji.

Zapoznaj się ze szczegółowymi informacjami o wymaganiach dotyczących wyświetlania i działania sugestii w wyszukiwarce Google w dokumentacji Google Cloud. Pamiętaj, że chociaż te szczegółowe wskazówki znajdują się w dokumentacji Vertex AI Gemini API, dotyczą one również dostawcy Gemini Developer API.

Przykłady kodu znajdziesz w dalszej części tej sekcji.

Uwaga: kod HTML i CSS podany w odpowiedzi automatycznie dostosowuje się do ustawień urządzenia, wyświetlając się w trybie jasnym lub ciemnym w zależności od preferencji wskazanych przez @media(prefers-color-scheme).

(Zalecane) Wyświetl cytaty

Obiekt groundingMetadata zawiera uporządkowane dane cytowania, a konkretnie pola groundingSupports i groundingChunks. Użyj tych informacji, aby połączyć stwierdzenia modelu bezpośrednio z ich źródłami w interfejsie (w tekście i w formie zbiorczej).

Przykłady kodu znajdziesz w dalszej części tej sekcji.

Przykładowe fragmenty kodu

Te przykłady kodu zawierają ogólne wzorce używania i wyświetlania wyniku opartego na informacjach. Twoim obowiązkiem jest jednak dopilnowanie, aby wdrożone przez Ciebie rozwiązanie było zgodne z wymaganiami.

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

Obsługa Fluttera zostanie wprowadzona w następnej wersji.

Unity

Obsługa Unity zostanie wprowadzona w następnej wersji.

Wyniki oparte na faktach i monitorowanie AI w konsoli Firebase

Jeśli włączysz monitorowanie AI w Firebasekonsoli, odpowiedzi będą przechowywane w Cloud Logging. Domyślnie okres przechowywania tych danych wynosi 30 dni.

Twoim obowiązkiem jest dopilnowanie, aby ten okres przechowywania lub dowolny okres niestandardowy, który ustawisz, był w pełni zgodny z Twoim konkretnym przypadkiem użycia i wszelkimi dodatkowymi wymaganiami dotyczącymi zgodności w przypadku wybranego Gemini APIdostawcy:Gemini Developer API lub Vertex AI Gemini API (patrz sekcja Warunki korzystania z usługi w Warunkach dodatkowych dotyczących poszczególnych usług). Aby spełnić te wymagania, może być konieczne dostosowanie okresu przechowywania w Cloud Logging.

Ceny i limity

Zapoznaj się z cennikiem, dostępnością modeli i limitami dotyczącymi ugruntowania w wyszukiwarce Google w dokumentacji wybranego Gemini API dostawcy:Gemini Developer API | Vertex AI Gemini API.