Créez des conversations multitours (chat) avec l'API Gemini

Avec Gemini API, vous pouvez créer des conversations au format libre sur plusieurs tours. Le SDK Vertex AI in Firebase simplifie le processus en gérant l'état de la conversation. Contrairement à generateContent() (ou generateContentStream()), vous n'avez donc pas besoin de stocker vous-même l'historique des conversations.

Autres options pour utiliser Gemini API

Essayez éventuellement une version "Google AI" alternative de la fonction Gemini API
. Obtenez un accès sans frais (dans la limite des quotas et le cas échéant) à l'aide des SDK client Google AI Studio et Google AI. Ces SDK ne doivent être utilisés que pour le prototypage dans les applications mobiles et Web.

Une fois que vous avez compris le fonctionnement d'un Gemini API, passez à nos SDK Vertex AI in Firebase (cette documentation), qui offrent de nombreuses fonctionnalités supplémentaires importantes pour les applications mobiles et Web, comme la protection de l'API contre les utilisations abusives à l'aide de Firebase App Check et la prise en charge des fichiers multimédias volumineux dans les requêtes.

Appeler éventuellement le Gemini API in Vertex AI côté serveur (comme avec Python, Node.js ou Go)
Utilisez les SDK Vertex AI côté serveur, Genkit ou Firebase Extensions pour le Gemini API.

Avant de commencer

Si ce n'est pas déjà fait, consultez le guide de démarrage, qui explique comment configurer votre projet Firebase, connecter votre application à Firebase, ajouter le SDK, initialiser le service Vertex AI et créer une instance GenerativeModel.

Envoyer une requête d'invite de chat

Pour créer une conversation multitour (comme un chat), commencez par initialiser le chat en appelant startChat(). Utilisez ensuite sendMessage() pour envoyer un nouveau message utilisateur, qui ajoutera également le message et la réponse à l'historique de chat.

Il existe deux options possibles pour role associé au contenu d'une conversation:

user: rôle qui fournit les requêtes. Cette valeur est la valeur par défaut pour les appels à sendMessage(), et la fonction génère une exception si un autre rôle est transmis.
model: rôle qui fournit les réponses. Ce rôle peut être utilisé lors de l'appel de startChat() avec un history existant.

Découvrez comment choisir un modèle et éventuellement un emplacement adapté à votre cas d'utilisation et à votre application.

Afficher la réponse de manière progressive

Assurez-vous d'avoir terminé la section Avant de commencer de ce guide avant d'essayer cet exemple.

Vous pouvez accélérer les interactions en n'attendant pas le résultat complet de la génération du modèle, et en utilisant plutôt le streaming pour gérer les résultats partiels. Pour diffuser la réponse, appelez sendMessageStream().

Afficher un exemple: diffuser des réponses au chat

Qu'est-ce que tu sais faire d'autre ?

Découvrez comment compter les jetons avant d'envoyer des requêtes longues au modèle.
Configurez Cloud Storage for Firebase pour pouvoir inclure des fichiers volumineux dans vos requêtes multimodales et disposer d'une solution plus gérée pour fournir des fichiers dans les requêtes. Il peut s'agir d'images, de PDF, de vidéos et de fichiers audio.
Commencez à penser à la préparation de la production, y compris à la configuration de Firebase App Check pour protéger Gemini API contre les utilisations abusives par des clients non autorisés. Veillez également à consulter la checklist de production.

Essayer d'autres fonctionnalités

Générez du texte à partir de requêtes textuelles uniquement.
Générer du texte à partir de requêtes multimodales (y compris du texte, des images, des PDF, des vidéos et de l'audio)
Générez une sortie structurée (comme JSON) à partir d'invites textuelles et multimodales.
Générez des images à partir de requêtes textuelles.
Utilisez l'appel de fonction pour connecter les modèles génératifs à des systèmes et des informations externes.

Découvrez comment contrôler la génération de contenu.

Comprendre la conception des requêtes, y compris les bonnes pratiques, les stratégies et les exemples de requêtes.
Configurez les paramètres du modèle, comme la température et le nombre maximal de jetons de sortie (pour Gemini) ou le format et la génération de personnes (pour Imagen).
Utilisez les paramètres de sécurité pour ajuster la probabilité d'obtenir des réponses pouvant être considérées comme nuisibles.

Vous pouvez également tester des requêtes et des configurations de modèle à l'aide de Vertex AI Studio.

En savoir plus sur les modèles compatibles

Découvrez les modèles disponibles pour différents cas d'utilisation, ainsi que leurs quotas et leurs tarifs.

Envoyer des commentaires sur votre expérience avec Vertex AI in Firebase