W tym przewodniku znajdziesz informacje o tym, jak zacząć korzystać z funkcji Vertex AI Gemini API bezpośrednio z aplikacji za pomocą pakietu SDK Vertex AI in Firebase przeznaczonego dla wybranej platformy.
Inne opcje dotyczące Gemini API
Opcjonalnie możesz wypróbować alternatywną wersję „Google AI” usługi Gemini API
. Możesz uzyskać bezpłatny dostęp (w ograniczonym zakresie i w miejscach, w których jest dostępny) za pomocą pakietów SDK klienta Google AI Studio i Google AI. Pakiety SDK powinny być używane tylko do tworzenia prototypów w aplikacjach mobilnych i internetowych.Gdy już poznasz działanie interfejsu Gemini API, przejdź na nasze pakiety SDK Vertex AI in Firebase (ta dokumentacja), które zawierają wiele dodatkowych funkcji ważnych dla aplikacji mobilnych i internetowych, takich jak ochrona interfejsu API przed nadużywaniem za pomocą Firebase App Check oraz obsługa dużych plików multimedialnych w żądaniach.
Opcjonalnie wywołaj Vertex AI Gemini API po stronie serwera (np. w przypadku Pythona, Node.js lub Go)
Użyj pakietu Vertex AISDK po stronie serwera,Firebase Genkit lub Firebase Extensions dla Gemini API.
Wymagania wstępne
W tym przewodniku zakładamy, że znasz już podstawy tworzenia aplikacji za pomocą Fluttera.
Upewnij się, że środowisko programistyczne i aplikacja Flutter spełniają te wymagania:
- Dart 3.2.0 lub nowszy
(Opcjonalnie) Wypróbuj przykładową aplikację.
Możesz szybko wypróbować pakiet SDK, zobaczyć pełną implementację różnych przypadków użycia lub użyć przykładowej aplikacji, jeśli nie masz własnej aplikacji Flutter. Aby użyć przykładowej aplikacji, musisz połączyć ją z projektem Firebase.
Krok 1. Skonfiguruj projekt Firebase i połącz z nim aplikację.
Jeśli masz już projekt Firebase i aplikację połączoną z Firebase
W konsoli Firebase otwórz stronę Tworzenie za pomocą Gemini.
Kliknij kartę Vertex AI in Firebase, aby uruchomić przepływ pracy, który pomoże Ci wykonać te czynności:
Przejdź w projekcie na abonament Blaze z taryfą płatności według wykorzystania.
Włącz wymagane interfejsy API w projekcie (interfejs API Vertex AI i interfejs API Vertex AI in Firebase).
Aby dodać pakiet SDK do aplikacji, przejdź do następnego kroku w tym przewodniku.
Jeśli nie masz jeszcze projektu Firebase i aplikacji połączonej z Firebase
Konfigurowanie projektu Firebase
Zaloguj się w konsoli Firebase.
Kliknij Utwórz projekt, a potem wybierz jedną z tych opcji:
Opcja 1: utwórz zupełnie nowy projekt Firebase (i jego podstawowy projekt Google Cloud automatycznie), wpisując nową nazwę projektu w pierwszym kroku procesu „Tworzenie projektu”.
Opcja 2: dodaj Firebase do istniejącego projektu Google Cloud, wybierając jego nazwę Google Cloud w menu w pierwszym kroku procesu „Tworzenie projektu”.
Pamiętaj, że gdy pojawi się taka prośba, nie musisz konfigurować pakietu Google Analytics, aby używać pakietów SDK Vertex AI in Firebase.
W konsoli Firebase otwórz stronę Tworzenie za pomocą Gemini.
Kliknij kartę Vertex AI in Firebase, aby uruchomić przepływ pracy, który pomoże Ci wykonać te czynności:
Przejdź w projekcie na abonament Blaze z taryfą płatności według wykorzystania.
Włącz wymagane interfejsy API w projekcie (interfejs API Vertex AI i interfejs API Vertex AI in Firebase).
Łączenie aplikacji z Firebase
Zainstaluj wymagane narzędzia wiersza poleceń:
Zainstaluj interfejs wiersza poleceń Firebase (jeśli jeszcze go nie masz).
Zaloguj się w Firebase za pomocą konta Google, wykonując to polecenie:
firebase login
Zainstaluj interfejs wiersza poleceń FlutterFire, uruchamiając to polecenie z dowolnego katalogu:
dart pub global activate flutterfire_cli
Skonfiguruj aplikacje pod kątem używania Firebase:
Użyj wiersza poleceń FlutterFire, aby skonfigurować aplikacje Flutter pod kątem połączenia z Firebase.
Aby rozpocząć konfigurację aplikacji, uruchom w katalogu projektu Flutter to polecenie:
flutterfire configure
Do czego służy ten proces
flutterfire configure
?Przepływ pracy
flutterfire configure
wykonuje te czynności:Poproś o wybranie platform (iOS, Android, Web) obsługiwanych w aplikacji Flutter. Dla każdej wybranej platformy wiersz poleceń FlutterFire utworzy nową aplikację Firebase w Twoim projekcie Firebase.
Możesz użyć dotychczasowego projektu Firebase lub utworzyć nowy. Jeśli masz już aplikacje zarejestrowane w dotychczasowym projekcie Firebase, interfejs wiersza poleceń FlutterFire spróbuje je dopasować na podstawie bieżącej konfiguracji projektu Flutter.
Tworzy plik konfiguracji Firebase (
firebase_options.dart
) i dodaje go do katalogulib/
aplikacji Flutter.
W kolejnych krokach tego przewodnika dodasz do aplikacji pakiet SDK Vertex AI in Firebase i przeprowadzisz wymaganą przez niego inicjalizację, która jest specyficzna dla tego pakietu i elementu Gemini API.
Krok 2. Dodaj pakiet SDK
Po skonfigurowaniu projektu Firebase i połączeniu aplikacji z Firebase (patrz poprzedni krok) możesz dodać do niej pakiet SDK Vertex AI in Firebase.
Wtyczka Vertex AI in Firebase dla Flutter (firebase_vertexai
) zapewnia dostęp do Vertex AI Gemini API.
W katalogu projektu Flutter uruchom to polecenie, aby zainstalować podstawowe i Vertex AI in Firebase:
flutter pub add firebase_core && flutter pub add firebase_vertexai
W pliku
lib/main.dart
zaimportuj podstawowy wtyczkę Firebase, wtyczkę Vertex AI in Firebase oraz wygenerowany wcześniej plik konfiguracji:import 'package:firebase_core/firebase_core.dart'; import 'package:firebase_vertexai/firebase_vertexai.dart'; import 'firebase_options.dart';
W pliku
lib/main.dart
zainicjuj Firebase za pomocą obiektuDefaultFirebaseOptions
wyeksportowanego przez plik konfiguracji:await Firebase.initializeApp( options: DefaultFirebaseOptions.currentPlatform, );
Zbuduj ponownie aplikację Flutter:
flutter run
Krok 3. Inicjuj usługę Vertex AI i model generatywny
Zanim zaczniesz wykonywać wywołania interfejsu API, musisz zainicjować usługę Vertex AI i model generatywny.
import 'package:firebase_vertexai/firebase_vertexai.dart';
import 'package:firebase_core/firebase_core.dart';
import 'firebase_options.dart';
// Initialize FirebaseApp
await Firebase.initializeApp(
options: DefaultFirebaseOptions.currentPlatform,
);
// Initialize the Vertex AI service and the generative model
// Specify a model that supports your use case
final model =
FirebaseVertexAI.instance.generativeModel(model: 'gemini-2.0-flash');
Po przeczytaniu tego przewodnika dowiesz się, jak wybrać model Gemini i (opcjonalnie) lokalizację odpowiednią do Twojego przypadku użycia i aplikacji.
Krok 4. Zadzwoń do Vertex AI Gemini API
Po połączeniu aplikacji z Firebase, dodaniu pakietu SDK i inicjalizacji usługi Vertex AI oraz modelu generatywnego możesz wywołać funkcję Vertex AI Gemini API.
Aby wygenerować tekst z promptu tekstowego, użyj generateContent()
:
import 'package:firebase_vertexai/firebase_vertexai.dart';
import 'package:firebase_core/firebase_core.dart';
import 'firebase_options.dart';
await Firebase.initializeApp(
options: DefaultFirebaseOptions.currentPlatform,
);
// Initialize the Vertex AI service and the generative model
// Specify a model that supports your use case
final model =
FirebaseVertexAI.instance.generativeModel(model: 'gemini-2.0-flash');
// 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);
Co jeszcze możesz zrobić?
Więcej informacji o modelach Gemini
Dowiedz się więcej o modelach dostępnych w różnych przypadkach użycia oraz ich limitach i cenach.
Wypróbuj inne możliwości Gemini API
- Dowiedz się więcej o generowaniu tekstu na podstawie promptów tekstowych, w tym o przesyłaniu odpowiedzi.
- generować tekst na podstawie promptów multimodalnych (w tym tekst, obrazy, pliki PDF, filmy i pliki audio).
- tworzyć rozmowy wieloetapowe (czat);
- generować dane wyjściowe w uporządkowanym formacie (np. JSON) na podstawie zarówno tekstowych, jak i wielomodalnych promptów;
- Użyj funkcji wywoływania, aby połączyć modele generatywne z zewnętrznymi systemami i informacjami.
Dowiedz się, jak kontrolować generowanie treści
- Poznaj projektowanie promptów, w tym sprawdzone metody, strategie i przykładowe prompty.
- Skonfiguruj parametry modelu, takie jak temperatura i maksymalna liczba tokenów wyjściowych.
- Używaj ustawień bezpieczeństwa, aby dostosować prawdopodobieństwo otrzymywania odpowiedzi, które mogą być uważane za szkodliwe.
Prześlij opinię na temat korzystania z usługi Vertex AI in Firebase