Gemini API für Funktionsaufrufe verwenden

iOS+ Android Web Flutter

Vorabversion: Vertex AI in Firebase befindet sich in der Vorabversion. Das Produkt unterliegt keinem SLA und keiner Einstellungsrichtlinie und kann in nicht abwärtskompatibler Weise geändert werden.

Mithilfe von Funktionsaufrufen können Sie einfacher strukturierte Datenausgaben aus generativen Modellen abrufen. Sie können diese Ausgaben dann verwenden, um andere APIs aufzurufen und die relevanten Antwortdaten an das Modell zurückzugeben. Mit anderen Worten, Funktionsaufrufe helfen generative Modelle mit externen Systemen verbinden, damit die generierten Inhalte aktuelle und korrekte Informationen enthält.

Sie können Gemini-Modellen Funktionsbeschreibungen zur Verfügung stellen. Dies sind Funktionen, die Sie in der Sprache Ihrer App schreiben (d. h. sie sind Cloud Functions. Das Modell kann Sie auffordern, eine Funktion aufzurufen und das Ergebnis, damit das Modell Ihre Abfrage verarbeiten kann.

Sie können Weitere Informationen zu Funktionsaufrufen in der Dokumentation zu Google Cloud.

Weitere Optionen für die Arbeit mit Gemini API

• Experimentieren Sie optional mit einer alternativen „Google AI“. Version der Gemini API.
  Kostenlosen Zugang erhalten (innerhalb der Limits und, falls verfügbar), mit Google AI Studio und Google AI-Client-SDKs Diese SDKs sollten nur für Prototypen in mobilen und Web-Apps verwendet werden.

  Nachdem Sie sich mit der Funktionsweise von Gemini API vertraut gemacht haben, zu den Vertex AI in Firebase SDKs migrieren Diese bieten viele zusätzliche Funktionen, die für mobile und Web-Apps wichtig sind. wie der Schutz der API vor Missbrauch, Firebase App Check und Support für große Mediendateien in Anfragen.

• Optional serverseitig Vertex AI Gemini API aufrufen (z. B. mit Python, Node.js oder Go)
  Serverseitige Vertex AI SDKs, Firebase Genkit oder Firebase Extensions für die Gemini API verwenden

Hinweis

Falls noch nicht geschehen, füllen Sie das Startleitfaden für die Vertex AI in Firebase SDKs. Prüfen Sie, ob Sie alle folgenden Schritte ausgeführt haben:

1. Ein neues oder vorhandenes Firebase-Projekt einrichten und das Blaze-Preismodell und Aktivierung der erforderlichen APIs.

2. Verbinden Sie Ihre App mit Firebase. Dazu müssen Sie Ihre App registrieren und die Firebase-Konfiguration hinzufügen.

3. Fügen Sie das SDK hinzu und initialisieren Sie den Vertex AI-Dienst und das generative Modell in Ihrer App.

Nachdem Sie Ihre App mit Firebase verbunden, das SDK hinzugefügt und die Vertex AI-Dienst und das generative Modell, können Sie die Gemini API aufrufen.

Funktionsaufruf einrichten

In dieser Anleitung interagiert das Modell mit einer hypothetischen Währungsumtausch-API, die die folgenden Parameter unterstützt:

Parameter	Typ	Erforderlich	Beschreibung
currencyFrom	String	Ja	Währung, die umgerechnet werden soll
currencyTo	String	Ja	Währung, in die umgerechnet werden soll

Beispiel für eine API-Anfrage

{
  "currencyFrom": "USD",
  "currencyTo": "SEK"
}

Beispiel für eine API-Antwort

{
  "base": "USD",
  "rates": {"SEK": 10.99}
}

Schritt 1: Funktion zum Senden der API-Anfrage erstellen

Sofern noch nicht geschehen, erstellen Sie zunächst die Funktion, die ein API-Anfrage.

Zu Demonstrationszwecken in dieser Anleitung, anstatt eine tatsächliche API zu senden erhalten Sie hartcodierte Werte im selben Format wie ein die API zurückgibt.

Schritt 2: Funktionsdeklaration erstellen

Erstellen Sie die Funktionsdeklaration, die Sie an das generative Modell übergeben (nächster Schritt dieser Anleitung).

Geben Sie in den Beschreibungen der Funktionen und Parameter so viele Details wie möglich an. Das generative Modell bestimmt anhand dieser Informationen, welche Funktion ausgewählt werden soll und wie Werte für die Parameter im Funktionsaufruf bereitgestellt werden.

Schritt 3: Funktionsdeklaration bei der Modellinitialisierung angeben

Hinweis :Sowohl Gemini 1.0 Pro als auch Gemini 1.5 Pro unterstützen Funktionsaufrufe. Berücksichtigen Sie bei der Auswahl des Modells die Kontingente für die einzelnen Modelle.

Geben Sie die Funktionsdeklaration an, wenn Sie das generative Modell initialisieren, indem Sie den Parameter tools des Modells festlegen:

Informationen zur Auswahl eines Gemini-Modells und optional einen Standort die für Ihren Anwendungsfall und Ihre App geeignet sind.

Schritt 4: Funktionsaufruf generieren

Jetzt können Sie das Modell mit der definierten Funktion auffordern.

Wir empfehlen, Funktionsaufrufe über die Chatoberfläche zu verwenden, da Funktionsaufrufe passen gut in die Multi-Turn-Struktur des Chats.

Was können Sie sonst noch tun?

Weitere Gemini API-Funktionen ausprobieren

• Unterhaltungen mit mehreren Antworten (Chat) erstellen
• Text generieren aus ausschließliche Text-Prompts.
• Text aus multimodalen Prompts generieren (einschließlich Text, Bildern, PDFs, Videos und Audio).

Informationen zum Steuern der Inhaltsgenerierung

• Machen Sie sich mit dem Prompt-Entwurf vertraut, einschließlich Best Practices, Strategien und Beispielaufforderungen.
• Konfigurieren Sie Modellparameter wie und maximale Anzahl von Ausgabetokens.
• Mit den Sicherheitseinstellungen können Sie die Wahrscheinlichkeit anpassen, dass Sie Antworten erhalten, die als schädlich eingestuft werden könnten.

Sie können auch mit Prompts und Modellkonfigurationen experimentieren, indem Sie Vertex AI Studio

Weitere Informationen zu den Gemini-Modellen

Hier finden Sie Informationen zu den Modellen, die für verschiedene Anwendungsfälle verfügbar sind, sowie zu ihren Kontingenten und Preisen.

Feedback geben zu Ihren Erfahrungen mit Vertex AI in Firebase