Bu sayfa, Cloud Translation API ile çevrilmiştir.

Google Arama temeli

Google Arama ile temellendirme, bir Gemini modelini gerçek zamanlı ve herkese açık web içeriklerine bağlar. Bu sayede model, daha doğru ve güncel yanıtlar verebilir ve bilgi kesme tarihinin ötesinde doğrulanabilir kaynaklar alıntılayabilir.

Google Arama ile temellendirme aşağıdaki avantajları sunar:

Doğruluğu artırma: Yanıtları gerçek hayattaki bilgilere dayandırarak model halüsinasyonlarını azaltın.
Anlık bilgilere erişme: Son etkinlikler ve konularla ilgili soruları yanıtlama.
Alıntı sağlama: Modelin iddialarının kaynaklarını göstererek kullanıcıların güvenini kazanın veya kullanıcıların alakalı sitelere göz atmasına izin verin.
Daha karmaşık görevleri tamamlama: Muhakeme görevlerine yardımcı olmak için yapay nesneleri ve alakalı resimleri, videoları veya diğer medyaları alma.
Bölgeye veya dile özgü yanıtları iyileştirme: Bölgeye özgü bilgileri bulma veya içeriğin doğru şekilde çevrilmesine yardımcı olma.

Google Arama için Temellendirme özelliğinin iOS+, Android ve web'de kullanılabildiğini unutmayın. Bu özellik, Flutter ve Unity'nin yakında yayınlanacak sürümlerinde kullanılabilecektir.

Desteklenen modeller

gemini-2.5-pro
gemini-2.5-flash
gemini-2.5-flash-lite-preview-06-17
gemini-2.0-flash-001 (ve otomatik olarak güncellenen gemini-2.0-flash takma adı)
gemini-2.0-flash-live-preview-04-09

Desteklenen diller

Gemini modelleri için desteklenen dilleri inceleyin.

Google Arama ile modeli temellendirme

Bu sayfada sağlayıcıya özel içerikleri ve kodu görüntülemek için Gemini API sağlayıcınızı tıklayın.

GenerativeModel örneğini oluştururken GoogleSearch değerini, modelin yanıtını oluşturmak için kullanabileceği bir tool olarak sağlayın.

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

Flutter desteği, bir sonraki sürümde kullanıma sunulacaktır.

Unity

Unity desteği, bir sonraki sürümde kullanıma sunulacak.

Kullanım alanınıza ve uygulamanıza uygun bir model seçmeyi öğrenin.

İdeal sonuçlar için 1.0 sıcaklığını kullanın (tüm 2.5 modellerinde varsayılan değerdir). Modelin yapılandırmasında sıcaklığı nasıl ayarlayacağınızı öğrenin.

Google Arama ile bağlama uydurma işlevinin işleyiş şekli

GoogleSearch aracını kullandığınızda model, arama, işleme ve bilgi alıntılamayla ilgili iş akışının tamamını otomatik olarak yönetir.

Modelin iş akışı şu şekildedir:

İstem alma: Uygulamanız, Gemini modeline GoogleSearch aracı etkinleştirilmiş şekilde bir istem gönderir.
İstemi analiz etme: Model, istemi analiz eder ve Google Arama'nın yanıtını iyileştirip iyileştiremeyeceğini belirler.
Google Arama'ya sorgu gönderme: Gerekirse model, otomatik olarak bir veya daha fazla arama sorgusu oluşturup bunları yürütür.
Arama sonuçlarını işleme: Model, Google Arama sonuçlarını işler ve orijinal isteme yanıt oluşturur.
"Temellendirilmiş sonuç" döndürme: Model, Google Arama sonuçlarına dayalı nihai ve kullanıcı dostu bir yanıt döndürür. Bu yanıtta, modelin metin yanıtı ve arama sorguları, web sonuçları ve alıntılarla birlikte groundingMetadata yer alır.

Google Arama'yı modele bir araç olarak sağlamanın, modelin yanıtını oluşturmak için her zaman Google Arama aracını kullanmasını gerektirmediğini unutmayın. Bu durumlarda yanıtta groundingMetadata nesnesi bulunmaz ve bu nedenle "temellendirilmiş sonuç" olmaz.

Temellendirilmiş sonucu anlama

Model, yanıtını Google Arama sonuçlarına dayandırıyorsa yanıtta, iddiaların doğrulanması ve uygulamanızda zengin alıntı deneyimi oluşturulması için gerekli olan yapılandırılmış verileri içeren bir groundingMetadata nesnesi bulunur.

"Temellendirilmiş sonuç"taki groundingMetadata nesnesi aşağıdaki bilgileri içerir:

webSearchQueries: Google Arama'ya gönderilen arama sorgularının dizisi. Bu bilgiler, hata ayıklama ve modelin muhakeme sürecini anlamak için yararlıdır.
searchEntryPoint: Gerekli "Google Arama önerileri"nin oluşturulması için HTML ve CSS'yi içerir. Seçtiğiniz API sağlayıcısı için "Google Arama ile Temellendirme " kullanım şartlarına uymanız gerekir: Gemini Developer API veya Vertex AI Gemini API (Hizmete Özgü Şartlar bölümündeki Hizmet Şartları'na bakın). Bu sayfanın ilerleyen bölümlerinde temellendirilmiş sonuçları kullanma ve gösterme hakkında bilgi edinebilirsiniz.
groundingChunks: Web kaynaklarını (uri ve title) içeren bir nesne dizisi.
groundingSupports: Model yanıtını groundingChunks içindeki kaynaklara bağlamak için kullanılan bir parça dizisi. text Her parça, bir metni segment (startIndex ve endIndex ile tanımlanır) bir veya daha fazla groundingChunkIndices ile bağlar. Bu alan, satır içi alıntılar oluşturmanıza yardımcı olur. Temellendirilmiş sonuçları kullanma ve görüntüleme hakkında daha fazla bilgiyi bu sayfanın ilerleyen bölümlerinde bulabilirsiniz.

groundingMetadata nesnesi içeren bir örnek yanıtı aşağıda bulabilirsiniz:

{
  "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]
          }
        ]
      }
    }
  ]
}

Temellendirilmiş sonuçları kullanma ve gösterme

Model, yanıt oluşturmak için Google Arama aracını kullanırsa yanıtta groundingMetadata nesnesi yer alır.

Google Arama önerilerini göstermek zorunlu, alıntıları göstermek ise önerilir.

Google Arama aracını kullanma şartlarına uymanın yanı sıra bu bilgileri göstermek, yanıtları doğrulamanıza ve son kullanıcılarınıza yardımcı olur ve daha fazla öğrenme fırsatı sunar.

(Zorunlu) Google Arama önerilerini görüntüleme

Bir yanıtta "Google Arama önerileri" ifadesi yer alıyorsa "Google Arama ile temellendirme" kullanım şartlarına uymanız gerekir. Bu şartlar, Google Arama önerilerini nasıl göstereceğinizi de kapsar.

groundingMetadata nesnesi, "Google Arama önerileri"ni içerir. Özellikle searchEntryPoint alanı, uyumlu HTML ve CSS stili sağlayan bir renderedContent alanına sahiptir. Bu stili, uygulamanızda Arama önerilerini göstermek için uygulamanız gerekir.

Google Cloud dokümanında Google Arama önerileri için görüntüleme ve davranış koşulları hakkında ayrıntılı bilgileri inceleyin. Bu ayrıntılı kılavuz Vertex AI Gemini API dokümanlarında yer alsa da Gemini Developer API sağlayıcı için de geçerlidir.

Bu bölümün ilerleyen kısımlarında örnek kod örneklerini inceleyin.

(Önerilir) Alıntıları görüntüleme

groundingMetadata nesnesi, yapılandırılmış alıntı verilerini (özellikle groundingSupports ve groundingChunks alanları) içerir. Bu bilgileri kullanarak modelin ifadelerini doğrudan kullanıcı arayüzünüzdeki kaynaklarına bağlayın (satır içi ve toplu olarak).

Bu bölümün ilerleyen kısımlarında örnek kod örneklerini inceleyin.

Örnek kod örnekleri

Bu kod örnekleri, temellendirilmiş sonucu kullanma ve görüntüleme için genelleştirilmiş kalıplar sağlar. Ancak, kendi uygulamanızın uygunluk koşullarına uymasını sağlamak sizin sorumluluğunuzdadır.

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

Flutter desteği, bir sonraki sürümde kullanıma sunulacaktır.

Unity

Unity desteği, bir sonraki sürümde kullanıma sunulacak.

Firebase konsolunda temellendirilmiş sonuçlar ve yapay zeka izleme

Firebase konsolunda yapay zeka izlemeyi etkinleştirdiyseniz yanıtlar Cloud Logging içinde saklanır. Bu verilerin varsayılan olarak 30 günlük bir saklama süresi vardır.

Bu saklama süresinin veya belirlediğiniz özel sürenin, özel kullanım alanınızla ve seçtiğiniz Gemini API sağlayıcının ek uygunluk koşullarıyla tam olarak uyumlu olmasını sağlamak sizin sorumluluğunuzdadır: Gemini Developer API veya Vertex AI Gemini API (Hizmete Özgü Şartlar bölümündeki Hizmet Şartları'na bakın). Bu koşulları karşılamak için Cloud Logging saklama süresini ayarlamanız gerekebilir.

Fiyatlandırma ve sınırlar

Seçtiğiniz Gemini API sağlayıcı belgelerinde fiyatlandırma, model kullanılabilirliği ve Google Arama ile temellendirme sınırlarını incelediğinizden emin olun: Gemini Developer API | Vertex AI Gemini API.