A chamada de função facilita o recebimento de saídas de dados estruturados de modelos generativos. Você pode usar essas saídas para chamar outras APIs e retornar os dados de resposta relevantes ao modelo. Em outras palavras, a chamada de função ajuda você conecta modelos generativos a sistemas externos para que o conteúdo gerado inclui as informações mais atualizadas e precisas.
É possível fornecer descrições de funções aos modelos do Gemini. São que você escreve na linguagem do app (ou seja, não são Cloud Functions). O modelo pode pedir que você chame uma função e retorne o resultado para ajudar o modelo a lidar com sua consulta.
Você pode Saiba mais sobre chamadas de função na documentação de Google Cloud.
Antes de começar
Conclua as guia para iniciantes para SDKs do Vertex AI in Firebase. Verifique se você fez o seguinte:
Configure um projeto novo ou existente do Firebase, incluindo o uso do Plano de preços Blaze e ativação das APIs necessárias.
Conecte seu app ao Firebase, incluindo o registro dele e a adição do configuração do Firebase ao seu app.
Adicionar o SDK e inicializar o serviço Vertex AI e o modelo generativo no seu app.
Depois de conectar seu aplicativo ao Firebase, adicionar o SDK e inicializar o Vertex AI e o modelo generativo, está tudo pronto para chamar Gemini API.
Configurar uma chamada de função
Neste tutorial, você vai fazer o modelo interagir com uma moeda hipotética Exchange compatível com os seguintes parâmetros:
| Parâmetro | Tipo | Obrigatório | Descrição |
|---|---|---|---|
currencyFrom |
string | sim | Moeda da qual converter |
currencyTo |
string | sim | Moeda a ser convertida |
Exemplo de solicitação de API
{
"currencyFrom": "USD",
"currencyTo": "SEK"
}
Exemplo de resposta da API
{
"base": "USD",
"rates": {"SEK": 10.99}
}
Etapa 1: criar a função que faz a solicitação de API
Se ainda não fez isso, comece criando a função que faz uma solicitação de API.
Para fins de demonstração neste tutorial, em vez de enviar uma API real solicitação, você retornará valores codificados no mesmo formato que um a API retornaria.
Etapa 2: criar uma declaração de função
Crie a declaração de função que você vai transmitir ao modelo generativo (próxima etapa deste tutorial).
Inclua o máximo de detalhes possível nas descrições de funções e parâmetros. O modelo generativo usa essas informações para determinar qual função selecionar e como fornecer valores para os parâmetros na chamada de função.
Etapa 3: especificar a declaração da função durante a inicialização do modelo
Especifique a declaração da função ao inicializar o modelo generativo
definindo o parâmetro tools do modelo:
Aprenda a escolher um modelo do Gemini e, opcionalmente, um local de acordo com seu caso de uso e app.
Etapa 4: gerar uma chamada de função
Agora você pode enviar o comando ao modelo com a função definida.
Recomendamos usar a chamada de função pela interface de chat, já que chamadas de função se encaixam perfeitamente na estrutura de vários turnos do chat.
O que mais você pode fazer?
Teste outros recursos do Gemini API
- Criar conversas de várias interações (chat).
- Gerar texto com base comandos somente de texto.
- Gerar texto com base comandos multimodais (incluindo texto, imagens, PDFs, vídeo e áudio).
Saiba como controlar a geração de conteúdo
- Entender 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 o probabilidade de receber respostas que podem ser consideradas prejudiciais.
Saiba mais sobre os modelos do Gemini
Saiba mais sobre o modelos disponíveis para diversos casos de uso e as cotas e preços.Envie feedback sobre sua experiência com Vertex AI in Firebase