Comece a usar a API Gemini usando a Vertex AI nos SDKs do Firebase

iOS+ Android Web Flutter

Este guia mostra como começar a fazer chamadas para o Vertex AI Gemini API diretamente do seu app usando o SDK Vertex AI in Firebase para a plataforma escolhida.

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.

Você também pode usar este guia para acessar modelos Imagen usando os SDKs Vertex AI in Firebase.

Pré-requisitos

Neste guia, pressupomos que você já sabe usar o Android Studio para desenvolver apps para Android.

• Verifique se o ambiente de desenvolvimento e o app Android atendem aos seguintes requisitos:

  • Android Studio (versão mais recente)
  • O app Android precisa ser destinado ao nível 21 da API ou mais recente.

• (Opcional) Confira o app de exemplo.

  Fazer o download do app de exemplo

  Você pode testar o SDK rapidamente, conferir uma implementação completa de vários casos de uso ou usar o app de exemplo se não tiver um próprio app Android. Para usar o app de exemplo, é necessário conectar a um projeto do Firebase.

Etapa 1: configurar um projeto do Firebase e conectar o app ao Firebase

Se você já tem um projeto e um app conectados ao Firebase

1. No console do Firebase, acesse a página Criar com o Gemini.

2. Clique no card Vertex AI in Firebase para iniciar um fluxo de trabalho que ajuda você a concluir as seguintes tarefas:

   • Faça upgrade do seu projeto para usar o plano de preços Blaze de pagamento por uso.

   • Ative as APIs necessárias no seu projeto (API Vertex AI e Vertex AI in Firebase).

3. Siga para a próxima etapa deste guia para adicionar o SDK ao app.

Se você ainda não tem um projeto do Firebase e um app conectado a ele

Configurar um projeto do Firebase

1. Faça login no console do Firebase.

2. Clique em Criar projeto e use uma das seguintes opções:

   • Opção 1: crie um projeto do Firebase totalmente novo (e o projeto Google Cloud associado a ele automaticamente) ao inserir um novo nome na primeira etapa do fluxo de trabalho "Criar projeto".

   • Opção 2: "Adicionar o Firebase" a um projeto Google Cloud existente selecionando o nome do projeto Google Cloud no menu suspenso da primeira etapa do fluxo de trabalho "Criar projeto".

   Quando solicitado, você não precisa configurar o Google Analytics para usar os SDKs Vertex AI in Firebase.

3. No console do Firebase, acesse a página Criar com o Gemini.

4. Clique no card Vertex AI in Firebase para iniciar um fluxo de trabalho que ajuda a concluir as seguintes tarefas:

   • Faça upgrade do seu projeto para usar o plano de preços Blaze de pagamento por uso.

   • Ative as APIs necessárias no seu projeto (API Vertex AI e Vertex AI in Firebase).

Conectar seu app ao Firebase

1. Continue no fluxo de trabalho de IA generativa do console para conectar seu app ao Firebase, o que inclui estas tarefas:

   • Registrar o app no projeto do Firebase.

   • Adicionar o arquivo de configuração do Firebase (google-services.json) e o plug-in do Gradle google-services ao app.

2. Nas próximas etapas deste guia, você vai adicionar o SDK Vertex AI in Firebase ao app e concluir a inicialização necessária para usar o SDK e a Gemini API.

Observação: se você não estiver usando o fluxo de trabalho de IA generativa do console, também será possível iniciar o fluxo de trabalho de configuração do app no centro da página de visão geral do projeto do console clicando no ícone Android () ou em Adicionar app.

Observação: no console Firebase, recomendamos que você configure Firebase App Check. Se você estiver apenas testando o Gemini API, não será necessário configurar o App Check imediatamente. No entanto, recomendamos configurá-lo assim que começar a desenvolver o app.

Etapa 2: adicionar o SDK

Com o projeto do Firebase configurado e o app conectado ao Firebase (consulte a etapa anterior), agora você pode adicionar o SDK Vertex AI in Firebase ao app.

iOS+ Android Web Flutter

O SDK Vertex AI in Firebase para Android (firebase-vertexai) oferece acesso às APIs para interagir com os modelos Gemini e Imagen.

No arquivo Gradle do módulo (nível do app) (como <project>/<app-module>/build.gradle.kts), adicione a dependência da biblioteca Vertex AI in Firebase para Android. Recomendamos o uso do Firebase Android BoM para controlar o controle de versões da biblioteca.

KotlinJava

dependencies {
    // ... other androidx dependencies

    // Import the BoM for the Firebase platform
    implementation(platform("com.google.firebase:firebase-bom:33.10.0"))

    // Add the dependency for the Vertex AI in Firebase library
    // When using the BoM, you don't specify versions in Firebase library dependencies
    implementation("com.google.firebase:firebase-vertexai")
}

Para Java, é necessário adicionar duas bibliotecas.

dependencies {
    // ... other androidx dependencies

    // Import the BoM for the Firebase platform
    implementation(platform("com.google.firebase:firebase-bom:33.10.0"))

    // Add the dependency for the Vertex AI in Firebase library
    // When using the BoM, you don't specify versions in Firebase library dependencies
    implementation("com.google.firebase:firebase-vertexai")

    // Required for one-shot operations (to use `ListenableFuture` from Guava Android)
    implementation("com.google.guava:guava:31.0.1-android")

    // Required for streaming operations (to use `Publisher` from Reactive Streams)
    implementation("org.reactivestreams:reactive-streams:1.0.4")
}

Com o Firebase Android BoM, seu app sempre vai usar versões compatíveis das bibliotecas do Firebase para Android.

(Alternativa) Adicionar dependências das bibliotecas do Firebase sem usar o BoM

Se você preferir não usar o Firebase BoM, especifique cada versão das bibliotecas do Firebase na linha de dependência correspondente.

Se você usa várias bibliotecas do Firebase no app, recomendamos usar o BoM para gerenciar as versões delas, o que garante que todas as versões sejam compatíveis.

dependencies {
    // Add the dependency for the Vertex AI in Firebase library
    // When NOT using the BoM, you must specify versions in Firebase library dependencies
    implementation("com.google.firebase:firebase-vertexai:16.2.0")
}

Etapa 3: inicializar o serviço Vertex AI e o modelo generativo

Antes de fazer chamadas de API e solicitar um modelo Gemini, é necessário inicializar o serviço Vertex AI e o modelo generativo.

Observação: se você quiser solicitar um modelo Imagen, saiba como configurar a inicialização em Gerar imagens usando Imagen.

KotlinJava

^{No Kotlin, os métodos neste SDK são funções de suspensão e precisam ser chamados de um escopo de corrotina.}

// Initialize the Vertex AI service and the generative model
// Specify a model that supports your use case
val generativeModel = Firebase.vertexAI.generativeModel("gemini-2.0-flash")

^{Em Java, os métodos de streaming neste SDK retornam um tipo Publisher da biblioteca Reative Streams.}

// Initialize the Vertex AI service and the generative model
// Specify a model that supports your use case
GenerativeModel gm = FirebaseVertexAI.getInstance()
        .generativeModel("gemini-2.0-flash");

// Use the GenerativeModelFutures Java compatibility layer which offers
// support for ListenableFuture and Publisher APIs
GenerativeModelFutures model = GenerativeModelFutures.from(gm);

Depois de concluir este guia de início, aprenda a escolher um modelo e (opcionalmente) um local adequado para seu caso de uso e app.

Etapa 4: enviar uma solicitação de comando para um modelo

Agora que você conectou seu app ao Firebase, adicionou o SDK e inicializou o serviço Vertex AI e o modelo generativo, já pode enviar uma solicitação de solicitação para um modelo Gemini.

Você pode usar generateContent() para gerar texto de uma solicitação de comando de texto exclusivo:

KotlinJava

^{No Kotlin, os métodos neste SDK são funções de suspensão e precisam ser chamados de um escopo de corrotina.}

// Initialize the Vertex AI service and the generative model
// Specify a model that supports your use case
val generativeModel = Firebase.vertexAI.generativeModel("gemini-2.0-flash")

// Provide a prompt that contains text
val prompt = "Write a story about a magic backpack."

// To generate text output, call generateContent with the text input
val response = generativeModel.generateContent(prompt)
print(response.text)

^{Em Java, os métodos neste SDK retornam um ListenableFuture.}

// Initialize the Vertex AI service and the generative model
// Specify a model that supports your use case
GenerativeModel gm = FirebaseVertexAI.getInstance()
        .generativeModel("gemini-2.0-flash");
GenerativeModelFutures model = GenerativeModelFutures.from(gm);

// Provide a prompt that contains text
Content prompt = new Content.Builder()
    .addText("Write a story about a magic backpack.")
    .build();

// To generate text output, call generateContent with the text input
ListenableFuture<GenerateContentResponse> response = model.generateContent(prompt);
Futures.addCallback(response, new FutureCallback<GenerateContentResponse>() {
    @Override
    public void onSuccess(GenerateContentResponse result) {
        String resultText = result.getText();
        System.out.println(resultText);
    }

    @Override
    public void onFailure(Throwable t) {
        t.printStackTrace();
    }
}, executor);

O Gemini API também pode transmitir respostas para interações mais rápidas, além de processar comandos multimodais que incluem conteúdo como imagens, vídeos e áudio. Confira todos os recursos do Gemini API mais adiante nesta página.

Se você receber um erro, verifique se o projeto do Firebase está configurado corretamente com o plano de preços Blaze e as APIs necessárias ativadas.

O que mais você pode fazer?

Saiba mais sobre os modelos compatíveis

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

Testar outros recursos do Gemini API

• Saiba mais sobre como gerar texto de solicitações somente de texto, incluindo como transmitir a resposta.
• Gerar texto a partir de comandos multimodais (incluindo texto, imagens, PDFs, vídeo e áudio).
• Crie conversas com vários turnos (chat).
• 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 (para Gemini) ou proporção e geração de pessoas (para Imagen).
• Use as configurações de segurança para ajustar a probabilidade de receber respostas que podem ser consideradas nocivas.

Também é possível testar comandos e configurações de modelo usando Vertex AI Studio.

Enviar feedback sobre sua experiência com o Vertex AI in Firebase