Faites vos premiers pas avec l'API Gemini à l'aide des SDK Vertex AI pour Firebase


Ce guide explique comment effectuer des appels vers l'API Gemini directement à partir de votre application à l'aide du SDK Vertex AI pour Firebase.

Prérequis

Dans ce guide, nous partons du principe que vous savez comment développer des applications avec Flutter.

  • Assurez-vous que votre environnement de développement et votre application Web répondent aux exigences suivantes:

    • Dart 3.2.0 et versions ultérieures

  • (Facultatif) Découvrez l'application exemple.

    Télécharger l'application exemple

    Vous pouvez tester rapidement le SDK, consulter une implémentation complète de divers cas d'utilisation ou utiliser l'application exemple si vous ne disposez pas de votre propre application Web. Pour l'utiliser, vous devez l'associer à un projet Firebase.

Étape 1: Configurez un projet Firebase et connectez votre application à Firebase

Si vous avez déjà un projet et une application associés à Firebase

  1. Dans la console Firebase, accédez à la page Build with Gemini (Compiler avec Gemini), puis cliquez sur la deuxième fiche pour lancer un workflow qui vous aide à effectuer les tâches suivantes. Si la mise en page en cartes ne s'affiche pas, cela signifie que ces tâches sont terminées.

  2. Passez à l'étape suivante de ce guide pour ajouter le SDK à votre application.

Si vous n'avez pas encore de projet Firebase et d'application connectée à Firebase

Étape 2: Ajouter le SDK

Une fois votre projet Firebase configuré et votre application connectée à Firebase (voir l'étape précédente), vous pouvez y ajouter le SDK Vertex AI pour Firebase.

Le SDK Vertex AI pour Flutter (firebase_vertexai) permet d'accéder à l'API Gemini.

  1. Téléchargez le dépôt flutterfire à partir de la branche vertex_ai pour utiliser la version preview du SDK.

    Le SDK se trouve dans le répertoire suivant:
    <your local folder>/flutterfire/packages/firebase_vertexai/firebase_vertexai

  2. Dans le fichier pubspec.yaml, ajoutez les plug-ins firebase_vertexai et firebase_core à votre liste dependencies.

    dependencies:
flutter:
  sdk: flutter
...
firebase_vertexai: any
firebase_core: ^2.27.0

Étape 3: Initialiser le service Vertex AI et le modèle génératif

Avant de pouvoir effectuer des appels d'API, vous devez initialiser le service Vertex AI et le modèle génératif.

  1. Dans votre fichier pubspec.yaml, remplacez le chemin d'accès du package firebase_vertexai à l'emplacement où vous avez téléchargé le SDK:

    // For private preview only
dependency_overrides:
firebase_vertexai:
  path: PATH/TO/YOUR/LOCAL/FIREBASE_VERTEXAI_PACKAGE

  2. Dans votre logique de code Dart, importez les deux plug-ins Firebase:

    import 'package:firebase_vertexai/firebase_vertexai.dart';
import 'package:firebase_core/firebase_core.dart';

  3. Initialisez le service Vertex AI et le modèle génératif:

    import 'package:firebase_vertexai/firebase_vertexai.dart';
import 'package:firebase_core/firebase_core.dart';

// Initialize FirebaseApp
await Firebase.initializeApp();
// Initialize the Vertex AI service and the generative model
// Specify a model that supports your use case
// Gemini 1.5 Pro is versatile and can accept both text-only and multimodal prompt inputs
final model =
      FirebaseVertexAI.instance.generativeModel(modelName: 'gemini-1.5-pro-preview-0409');

Une fois que vous avez terminé le guide de démarrage, découvrez comment choisir un modèle Gemini adapté à votre cas d'utilisation.

Étape 4: Appeler l'API Gemini

Maintenant que vous avez connecté votre application à Firebase, ajouté le SDK et initialisé le service Vertex AI et le modèle génératif, vous êtes prêt à appeler l'API Gemini.

Indiquez si vous souhaitez diffuser la réponse (generateContentStream) ou l'attendre jusqu'à ce que l'intégralité du résultat soit générée (generateContent).

Flux

Par défaut, le modèle renvoie une réponse une fois l'ensemble du processus de génération terminé. Toutefois, vous pouvez obtenir des interactions plus rapides en n'attendant pas le résultat complet et en utilisant plutôt un flux pour gérer les résultats partiels.

Vous pouvez utiliser generateContentStream() pour diffuser du texte généré à partir d'une requête de requête n'incluant que du texte:

import 'package:firebase_vertexai/firebase_vertexai.dart';
import 'package:firebase_core/firebase_core.dart';

await Firebase.initializeApp();
// Initialize the Vertex AI service and the generative model
// Specify a model that supports your use case
// Gemini 1.5 Pro is versatile and can accept both text-only and multimodal prompt inputs
final model =
      FirebaseVertexAI.instance.generativeModel(modelName: 'gemini-1.5-pro-preview-0409');

// Provide a prompt that contains text
final prompt = [Content.text('Write a story about a magic backpack.')];

// To stream generated text output, call generateContentStream with the text input
final response = model.generateContentStream(prompt);
await for (final chunk in response) {
  print(chunk.text);
}

Sans streaming

Vous pouvez également attendre l'intégralité du résultat au lieu de le diffuser. Le résultat n'est renvoyé qu'une fois que le modèle a terminé l'ensemble du processus de génération.

Vous pouvez utiliser generateContent() pour générer du texte à partir d'une requête de requête qui n'inclut que du texte:

import 'package:firebase_vertexai/firebase_vertexai.dart';
import 'package:firebase_core/firebase_core.dart';

await Firebase.initializeApp();
// Initialize the Vertex AI service and the generative model
// Specify a model that supports your use case
// Gemini 1.5 Pro is versatile and can accept both text-only and multimodal prompt inputs
final model =
      FirebaseVertexAI.instance.generativeModel(modelName: 'gemini-1.5-pro-preview-0409');

// Provide a prompt that contains text
final prompt = [Content.text('Write a story about a magic backpack.')];

// To generate text output, call generateContent with the text input
final response = await model.generateContent(prompt);
print(response.text);

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

En savoir plus sur les modèles Gemini

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

Tester d'autres fonctionnalités de l'API Gemini

Découvrez comment contrôler la génération de contenu

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


Donnez-nous votre avis sur votre expérience avec les SDK Vertex AI pour Firebase.