Crie conversas em vários turnos (chat) com a API Gemini

iOS+ Android Web Flutter

Usando o Gemini API, você pode criar conversas de formato livre em várias rodadas. O SDK Vertex AI in Firebase simplifica o processo gerenciando o estado da conversa. Portanto, ao contrário do generateContentStream() ou generateContent(), você não precisa armazenar o histórico de conversas.

Outras opções para trabalhar com o Gemini API

• Opcionalmente, teste uma versão alternativa "Google AI" do Gemini API
  para ter acesso sem custo financeiro (dentro dos limites e onde disponível) usando Google AI Studio e SDKs de cliente Google AI. Esses SDKs devem ser usados somente para prototipagem em apps para dispositivos móveis e da Web.

  Depois de entender como um Gemini API funciona, migre para nossos SDKs Vertex AI in Firebase (esta documentação), que têm muitos outros recursos importantes para apps para dispositivos móveis e da Web, como a proteção da API contra abuso usando Firebase App Check e suporte para arquivos de mídia grandes em solicitações.

• Chame opcionalmente o Vertex AI Gemini API do lado do servidor (como com Python, Node.js ou Go)
  Use os SDKs Vertex AI do lado do servidor, Firebase Genkit ou Firebase Extensions para o Gemini API.

Antes de começar

Se ainda não fez isso, conclua o guia de primeiros passos para os SDKs Vertex AI in Firebase. Verifique se você fez o seguinte:

1. Configure um projeto do Firebase novo ou existente, incluindo o uso do plano de preços Blaze e a ativação das APIs necessárias.

2. Conecte seu app ao Firebase, incluindo o registro e a adição da configuração do Firebase.

3. Adicione o SDK e inicialize o serviço Vertex AI e o modelo generativo no seu app.

Depois de conectar seu app ao Firebase, adicionar o SDK e inicializar o serviço Vertex AI e o modelo generativo, você poderá chamar o Gemini API.

Enviar uma solicitação de comando de chat

Para criar uma conversa com várias mensagens (como um chat), comece inicializando o chat chamando startChat(). Em seguida, use sendMessageStream() (ou sendMessage()) para enviar uma nova mensagem do usuário, que também anexa a mensagem e a resposta ao histórico de chat.

Há duas opções possíveis para role associado ao conteúdo de uma conversa:

• user: o papel que fornece as instruções. Esse valor é o padrão para chamadas para sendMessageStream() (ou sendMessage()), e a função gera uma exceção se uma função diferente for transmitida.

• model: o papel que fornece as respostas. Esse papel pode ser usado ao chamar startChat() com history existente.

Observação: se você quiser fornecer mais contexto inicial para o modelo ajudar a orientar o comportamento com base nas suas necessidades e casos de uso específicos, considere definir instruções do sistema.

Escolha se você quer transmitir a resposta (sendMessageStream) ou esperar pela resposta até que todo o resultado seja gerado (sendMessage).

Streaming

É possível conseguir interações mais rápidas sem esperar pelo resultado completo da geração do modelo e, em vez disso, usar o streaming para processar resultados parciais.

Sem streaming

Como alternativa, você pode esperar o resultado completo em vez de streaming. O resultado só é retornado depois que o modelo conclui todo o processo de geração.

Saiba como escolher um modelo do Gemini e, opcionalmente, um local adequado para seu caso de uso e app.

O que mais você pode fazer?

• Saiba como contar tokens antes de enviar comandos longos para o modelo.
• Configure Cloud Storage for Firebase para incluir arquivos grandes nas suas solicitações multimodais usando URLs Cloud Storage. Os arquivos podem incluir imagens, PDFs, vídeos e áudio.
• Comece a pensar na preparação para a produção, incluindo a configuração de Firebase App Check para proteger o Gemini API contra abusos de clientes não autorizados.

Testar outros recursos do Gemini API

• Gerar texto com base em comandos somente de texto.
• Gerar texto a partir de comandos multimodais (incluindo texto, imagens, PDFs, vídeo e áudio).
• Gere saída estruturada (como JSON) com comandos de texto e multimodais.
• Use a chamada de função para conectar modelos generativos a sistemas e informações externas.

Saiba como controlar a geração de conteúdo

• Entenda o design de comandos, incluindo práticas recomendadas, estratégias e exemplos de comandos.
• Configure os parâmetros do modelo, como temperatura e máximo de tokens de saída.
• Use as configurações de segurança para ajustar a probabilidade de receber respostas que possam ser consideradas nocivas.

Você também pode testar comandos e configurações de modelo usando Vertex AI Studio.

Saiba mais sobre os modelos do Gemini

Saiba mais sobre os modelos disponíveis para vários casos de uso e as cotas e os preços.

Enviar feedback sobre sua experiência com o Vertex AI in Firebase