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 no 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

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 (que vai ser um projeto do Google Cloud 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, não é necessário 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 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).

Conectar seu app ao Firebase

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

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.

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 a partir de uma solicitação de comando de texto:

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.

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