Erste Schritte mit der Gemini API mithilfe der Vertex AI in Firebase SDKs

In diesem Leitfaden erfahren Sie, wie Sie mit dem Vertex AI in Firebase SDK für die von Ihnen ausgewählte Plattform direkt über Ihre App Aufrufe an Vertex AI Gemini API senden.

Weitere Optionen für die Arbeit mit Gemini API

Optional können Sie mit einer alternativen „Google AI“-Version der Gemini API
-Funktion „Kostenlosen Zugriff erhalten“ (im Rahmen der Limits und sofern verfügbar) experimentieren. Verwenden Sie dazu die Google AI Studio- und Google AI-Client-SDKs. Diese SDKs sollten nur für Prototypen in mobilen und Web-Apps verwendet werden.

Nachdem Sie mit der Funktionsweise von Gemini API vertraut sind, können Sie auf unsere Vertex AI in Firebase SDKs umstellen (diese Dokumentation). Diese bieten viele zusätzliche Funktionen, die für mobile und Web-Apps wichtig sind, z. B. den Schutz der API vor Missbrauch mithilfe von Firebase App Check und die Unterstützung von großen 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

Dieser Leitfaden kann auch als Einstieg in den Zugriff auf Imagen-Modelle mit den Vertex AI in Firebase-SDKs verwendet werden.

Vorbereitung

Schritt 1: Firebase-Projekt einrichten und App mit Firebase verknüpfen

Wenn Sie bereits ein Firebase-Projekt und eine mit Firebase verbundene App haben

Rufen Sie in der Firebase-Konsole die Seite Vertex AI auf.
Klicke auf die Karte Vertex AI in Firebase, um einen Workflow zu starten, mit dem du die folgenden Aufgaben erledigen kannst:
- Aktualisieren Sie Ihr Projekt, um den Blaze-Tarif (Pay as you go) zu verwenden.
- Aktivieren Sie die erforderlichen APIs in Ihrem Projekt (Vertex AI API und Vertex AI in Firebase API).
Fahren Sie mit dem nächsten Schritt in dieser Anleitung fort, um das SDK Ihrer App hinzuzufügen.

Wenn Sie noch kein Firebase-Projekt und keine mit Firebase verknüpfte App haben

Firebase-Projekt einrichten

Melden Sie sich in der Firebase-Konsole an.
Klicken Sie auf Projekt erstellen und wählen Sie eine der folgenden Optionen aus:
- Option 1: Sie können ein neues Firebase-Projekt (und das zugrunde liegende Google Cloud-Projekt) erstellen, indem Sie im ersten Schritt des Workflows „Projekt erstellen“ einen neuen Projektnamen eingeben.
- Option 2: Fügen Sie einem vorhandenen Google Cloud-Projekt „Firebase hinzu“, indem Sie im ersten Schritt des Workflows „Projekt erstellen“ den Namen Ihres Google Cloud-Projekts aus dem Drop-down-Menü auswählen.
Wenn du dazu aufgefordert wirst, musst du Google Analytics nicht einrichten, um die Vertex AI in Firebase SDKs zu verwenden.
Rufen Sie in der Firebase-Konsole die Seite Vertex AI auf.
Klicke auf die Karte Vertex AI in Firebase, um einen Workflow zu starten, mit dem du die folgenden Aufgaben erledigen kannst:
- Aktualisieren Sie Ihr Projekt, um den Blaze-Tarif (Pay as you go) zu verwenden.
- Aktivieren Sie die erforderlichen APIs in Ihrem Projekt (Vertex AI API und Vertex AI in Firebase API).

App mit Firebase verbinden

Schritt 2: SDK hinzufügen

Nachdem Sie Ihr Firebase-Projekt eingerichtet und Ihre App mit Firebase verbunden haben (siehe vorheriger Schritt), können Sie Ihrer App jetzt das Vertex AI in Firebase SDK hinzufügen.

Schritt 3: Vertex AI-Dienst und generatives Modell initialisieren

Bevor Sie API-Aufrufe starten und ein Gemini-Modell auslösen können, müssen Sie den Vertex AI-Dienst und das generative Modell initialisieren.

Nachdem Sie diesen Leitfaden zur Einführung durchgearbeitet haben, erfahren Sie, wie Sie ein Modell und (optional) einen Speicherort auswählen, die für Ihren Anwendungsfall und Ihre App geeignet sind.

Schritt 4: Prompt-Anfrage an ein Modell senden

Nachdem Sie Ihre App mit Firebase verbunden, das SDK hinzugefügt und den Vertex AI-Dienst und das generative Modell initialisiert haben, können Sie eine Promptanfrage an ein Gemini-Modell senden.

Mit generateContent() können Sie Text aus einer Promptanfrage mit reinem Text generieren:

Was können Sie sonst noch tun?

Weitere Informationen zu den unterstützten Modellen

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

Weitere Funktionen des Gemini API ausprobieren

Weitere Informationen zum Generieren von Text aus nur-Text-Prompts, einschließlich der Möglichkeit, die Antwort zu streamen.
Text aus multimodalen Prompts generieren (einschließlich Text, Bildern, PDFs, Videos und Audio).
Unterhaltungen in mehreren Runden (Chat) erstellen
Sie können sowohl aus Text- als auch aus multimodalen Prompts strukturierte Ausgabe (z. B. JSON) generieren.
Verwenden Sie Funktionsaufrufe, um generative Modelle mit externen Systemen und Informationen zu verbinden.

Inhaltserstellung steuern

Informationen zum Prompt-Design, einschließlich Best Practices, Strategien und Beispiel-Prompts.
Konfigurieren Sie Modellparameter wie Temperatur und maximale Ausgabetokens (für Gemini) oder Seitenverhältnis und Personengenerierung (für Imagen).
Mit den Sicherheitseinstellungen können Sie die Wahrscheinlichkeit anpassen, dass Sie Antworten erhalten, die als schädlich eingestuft werden könnten.

Mit Vertex AI Studio können Sie auch mit Prompts und Modellkonfigurationen experimentieren.

Feedback zu Vertex AI in Firebase geben