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
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.
Mettez à niveau votre projet pour utiliser le forfait de paiement à l'usage Blaze.
Activez les deux API suivantes pour votre projet:
aiplatform.googleapis.com
etfirebaseml.googleapis.com
.
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.
Téléchargez le dépôt
flutterfire
à partir de la branchevertex_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
Dans le fichier
pubspec.yaml
, ajoutez les plug-insfirebase_vertexai
etfirebase_core
à votre listedependencies
.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.
Dans votre fichier
pubspec.yaml
, remplacez le chemin d'accès du packagefirebase_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
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';
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 envoyer des invites textuelles uniquement.
- Envoyez des requêtes de requêtes multimodales contenant des requêtes textuelles et multimédias (y compris des images, des fichiers PDF, de la vidéo et de l'audio).
- Créer des conversations multitours (chat).
Découvrez comment contrôler la génération de contenu
- Familiarisez-vous avec la conception de requêtes, y compris les bonnes pratiques, les stratégies et les exemples de requêtes.
- Configurez les paramètres du modèle, tels que la température et le nombre maximal de jetons de sortie.
- Utilisez les paramètres de sécurité pour ajuster la probabilité de recevoir des réponses pouvant être considérées comme nuisibles.
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.