Использование
Использование
- Повышение точности фактов : уменьшение количества иллюзорных моделей за счет того, что ответы основываются на информации из реального мира.
- Получайте доступ к информации в режиме реального времени : отвечайте на вопросы о последних событиях и темах.
- Укажите источники : чтобы укрепить доверие пользователей или позволить им просматривать релевантные сайты, покажите источники утверждений модели.
- Выполняйте более сложные задачи : извлекайте артефакты и соответствующие изображения, видео или другие медиафайлы для содействия в решении логических задач.
- Улучшите ответы с учетом региональных особенностей или языка : найдите информацию, специфичную для конкретного региона, или помогите точно перевести контент.
Поддерживаемые модели
-
gemini-3.1-pro-preview -
gemini-3-flash-preview -
gemini-3.1-flash-lite -
gemini-3-pro-image-preview(aka "Nano Banana Pro") -
gemini-3.1-flash-image-preview(aka "Nano Banana 2") -
gemini-2.5-pro -
gemini-2.5-flash -
gemini-2.5-flash-lite
Поддерживаемые языки
Список поддерживаемых языков для моделей Gemini см . в соответствующем разделе.
Обоснуйте модель с помощью Google Search
Чтобы просмотреть контент и код, относящиеся к вашему поставщику API Gemini , нажмите на него. |
При создании экземпляра GenerativeModel укажите GoogleSearch в качестве tool , который модель сможет использовать для генерации ответа.
Быстрый
import FirebaseAILogic
// Initialize the Gemini Developer API backend service
let ai = FirebaseAI.firebaseAI(backend: .googleAI())
// Create a `GenerativeModel` instance with a model that supports your use case
let model = ai.generativeModel(
modelName: "GEMINI_MODEL_NAME",
// Provide Google Search as a tool that the model can use to generate its response
tools: [Tool.googleSearch()]
)
let response = try await model.generateContent("Who won the euro 2024?")
print(response.text ?? "No text in response.")
// Make sure to comply with the "Grounding with Google Search" usage requirements,
// which includes how you use and display the grounded result
Kotlin
// Initialize the Gemini Developer API backend service
// Create a `GenerativeModel` instance with a model that supports your use case
val model = Firebase.ai(backend = GenerativeBackend.googleAI()).generativeModel(
modelName = "GEMINI_MODEL_NAME",
// Provide Google Search as a tool that the model can use to generate its response
tools = listOf(Tool.googleSearch())
)
val response = model.generateContent("Who won the euro 2024?")
print(response.text)
// Make sure to comply with the "Grounding with Google Search" usage requirements,
// which includes how you use and display the grounded result
Java
// Initialize the Gemini Developer API backend service
// Create a `GenerativeModel` instance with a model that supports your use case
GenerativeModel ai = FirebaseAI.getInstance(GenerativeBackend.googleAI())
.generativeModel("GEMINI_MODEL_NAME",
null,
null,
// Provide Google Search as a tool that the model can use to generate its response
List.of(Tool.GoogleSearch()));
// Use the GenerativeModelFutures Java compatibility layer which offers
// support for ListenableFuture and Publisher APIs
GenerativeModelFutures model = GenerativeModelFutures.from(ai);
ListenableFuture response = model.generateContent("Who won the euro 2024?");
Futures.addCallback(response, new FutureCallback() {
@Override
public void onSuccess(GenerateContentResponse result) {
String resultText = result.getText();
System.out.println(resultText);
}
@Override
public void onFailure(Throwable t) {
t.printStackTrace();
}
}, executor);
// Make sure to comply with the "Grounding with Google Search" usage requirements,
// which includes how you use and display the grounded result
Web
import { initializeApp } from "firebase/app";
import { getAI, getGenerativeModel, GoogleAIBackend } from "firebase/ai";
// TODO(developer) Replace the following with your app's Firebase configuration
// See: https://firebase.google.com/docs/web/learn-more#config-object
const firebaseConfig = {
// ...
};
// Initialize FirebaseApp
const firebaseApp = initializeApp(firebaseConfig);
// Initialize the Gemini Developer API backend service
const ai = getAI(firebaseApp, { backend: new GoogleAIBackend() });
// Create a `GenerativeModel` instance with a model that supports your use case
const model = getGenerativeModel(
ai,
{
model: "GEMINI_MODEL_NAME",
// Provide Google Search as a tool that the model can use to generate its response
tools: [{ googleSearch: {} }]
}
);
const result = await model.generateContent("Who won the euro 2024?");
console.log(result.response.text());
// Make sure to comply with the "Grounding with Google Search" usage requirements,
// which includes how you use and display the grounded result
Dart
import 'package:firebase_core/firebase_core.dart';
import 'package:firebase_ai/firebase_ai.dart';
import 'firebase_options.dart';
// Initialize FirebaseApp
await Firebase.initializeApp(
options: DefaultFirebaseOptions.currentPlatform,
);
// Initialize the Gemini Developer API backend service
// Create a `GenerativeModel` instance with a model that supports your use case
final model = FirebaseAI.googleAI().generativeModel(
model: 'GEMINI_MODEL_NAME',
// Provide Google Search as a tool that the model can use to generate its response
tools: [
Tool.googleSearch(),
],
);
final response = await model.generateContent([Content.text("Who won the euro 2024?")]);
print(response.text);
// Make sure to comply with the "Grounding with Google Search" usage requirements,
// which includes how you use and display the grounded result
Единство
using Firebase;
using Firebase.AI;
// Initialize the Gemini Developer API backend service
var ai = FirebaseAI.GetInstance(FirebaseAI.Backend.GoogleAI());
// Create a `GenerativeModel` instance with a model that supports your use case
var model = ai.GetGenerativeModel(
modelName: "GEMINI_MODEL_NAME",
// Provide Google Search as a tool that the model can use to generate its response
tools: new[] { new Tool(new GoogleSearch()) }
);
var response = await model.GenerateContentAsync("Who won the euro 2024?");
UnityEngine.Debug.Log(response.Text ?? "No text in response.");
// Make sure to comply with the "Grounding with Google Search" usage requirements,
// which includes how you use and display the grounded result
Узнайте, как выбрать модель.подходит для вашего сценария использования и приложения.
Для достижения оптимальных результатов используйте температуру 1.0 (это значение по умолчанию для всех моделей 2,5). Узнайте, как установить температуру в настройках модели .
Как работает заземление с помощью Google Search
При использовании инструмента GoogleSearch модель автоматически обрабатывает весь рабочий процесс поиска, обработки и цитирования информации.
Вот как работает модель:
- Получение запроса : Ваше приложение отправляет запрос модели Gemini с включенным инструментом
GoogleSearch. - Анализ запроса : Модель анализирует запрос и определяет, может ли
Google Search улучшить свой ответ. - Отправка запросов в
Google Search : при необходимости модель автоматически генерирует один или несколько поисковых запросов и выполняет их. - Обработка результатов поиска : Модель обрабатывает результаты
Google Search и формирует ответ на исходный запрос. - Возвращает «обоснованный результат» : модель возвращает окончательный, удобный для пользователя ответ, основанный на результатах
Google Search . Этот ответ включает текстовый ответ модели иgroundingMetadataсодержащие поисковые запросы, результаты веб-поиска и источники.
Обратите внимание, что предоставление модели инструмента groundingMetadata и, следовательно, не будет считаться «приземленным результатом».

Поймите обоснованный результат
Если модель основывает свой ответ на результатах groundingMetadata , содержащий структурированные данные, необходимые для проверки утверждений и создания удобного интерфейса работы с источниками данных в вашем приложении.
Объект groundingMetadata в "результате, полученном на основе данных" содержит следующую информацию:
webSearchQueries: Массив поисковых запросов, отправленных вGoogle Search . Эта информация полезна для отладки и понимания процесса рассуждений модели.searchEntryPoint: Содержит HTML и CSS для отображения необходимых «подсказокGoogle Search ». Вы обязаны соблюдать требования к использованию функции «ПодсказкиGoogle Search » для выбранного вами поставщика API: Gemini Developer API или Vertex AI Gemini API (см. раздел «Условия предоставления услуг » в разделе «Условия предоставления услуг»). Узнайте, как использовать и отображать подсказки поиска, далее на этой странице.groundingChunks: Массив объектов, содержащих веб-источники (uriиtitle).groundingSupports: Массив фрагментов для связиtextответа модели с источниками вgroundingChunks. Каждый фрагмент связывает текстовыйsegment(определяемый параметрамиstartIndexиendIndex) с одним или несколькимиgroundingChunkIndices. Это поле помогает создавать встроенные ссылки на источники. Подробнее об использовании и отображении результатов с привязкой к источнику см. далее на этой странице.
Вот пример ответа, который включает объект groundingMetadata :
{
"candidates": [
{
"content": {
"parts": [
{
"text": "Spain won Euro 2024, defeating England 2-1 in the final. This victory marks Spain's record fourth European Championship title."
}
],
"role": "model"
},
"groundingMetadata": {
"webSearchQueries": [
"UEFA Euro 2024 winner",
"who won euro 2024"
],
"searchEntryPoint": {
"renderedContent": "<!-- HTML and CSS for the search widget -->"
},
"groundingChunks": [
{"web": {"uri": "https://vertexaisearch.cloud.google.com.....", "title": "aljazeera.com"}},
{"web": {"uri": "https://vertexaisearch.cloud.google.com.....", "title": "uefa.com"}}
],
"groundingSupports": [
{
"segment": {"startIndex": 0, "endIndex": 85, "text": "Spain won Euro 2024, defeatin..."},
"groundingChunkIndices": [0]
},
{
"segment": {"startIndex": 86, "endIndex": 210, "text": "This victory marks Spain's..."},
"groundingChunkIndices": [0, 1]
}
]
}
}
]
}
Используйте и продемонстрируйте обоснованный результат.
Если модель использует инструмент groundingMetadata в ответе.
Это необходимо для отображения подсказок
Помимо соответствия требованиям использования инструмента
(Обязательно) Отображать подсказки Google Search
Если ответ содержит "подсказки
Объект groundingMetadata содержит "подсказки searchEntryPoint , которое имеет поле renderedContent , обеспечивающее соответствие стандартам HTML и CSS, что необходимо реализовать для отображения подсказок поиска в вашем приложении.
Подробную информацию о требованиях к отображению и поведению подсказок
Примеры кода приведены далее в этом разделе.
(Обязательно) Источники отображения
Объект groundingMetadata содержит структурированные исходные данные, в частности поля groundingSupports и groundingChunks . Используйте эту информацию для прямой связи операторов модели с их источниками в пользовательском интерфейсе (как непосредственно в коде, так и в агрегированном виде).
Примеры кода приведены далее в этом разделе.
Примеры кода
Эти примеры кода предоставляют обобщенные шаблоны использования и отображения результатов. Однако вы несете ответственность за то, чтобы ваша конкретная реализация соответствовала требованиям.
Быстрый
// ...
// Get the model's response
let text = response.text
// Get the grounding metadata
if let candidate = response.candidates.first,
let groundingMetadata = candidate.groundingMetadata {
// REQUIRED - display Google Search suggestions
// (renderedContent contains HTML and CSS for the search widget)
if let renderedContent = groundingMetadata.searchEntryPoint?.renderedContent {
// TODO(developer): Display Google Search suggestions using a WebView
}
// REQUIRED - display sources
let groundingChunks = groundingMetadata.groundingChunks
for chunk in groundingMetadata.groundingChunks {
if let web = chunk.web {
let title = web.title // for example, "uefa.com"
let uri = web.uri // for example, "https://vertexaisearch.cloud.google.com..."
// TODO(developer): show source in the UI
}
}
}
Kotlin
// ...
// Get the model's response
val text = response.text
// Get the grounding metadata
val groundingMetadata = response.candidates.firstOrNull()?.groundingMetadata
// REQUIRED - display Google Search suggestions
// (renderedContent contains HTML and CSS for the search widget)
val renderedContent = groundingMetadata?.searchEntryPoint?.renderedContent
if (renderedContent != null) {
// TODO(developer): Display Google Search suggestions using a WebView
}
// REQUIRED - display sources
val groundingChunks = groundingMetadata?.groundingChunks
groundingChunks?.let { chunks ->
for (chunk in chunks) {
val title = chunk.web?.title // for example, "uefa.com"
val uri = chunk.web?.uri // for example, "https://vertexaisearch.cloud.google.com..."
// TODO(developer): show source in the UI
}
}
Java
// ...
Futures.addCallback(response, new FutureCallback() {
@Override
public void onSuccess(GenerateContentResponse result) {
// Get the model's response
String text = result.getText();
// Get the grounding metadata
GroundingMetadata groundingMetadata =
result.getCandidates()[0].getGroundingMetadata();
if (groundingMetadata != null) {
// REQUIRED - display Google Search suggestions
// (renderedContent contains HTML and CSS for the search widget)
String renderedContent =
groundingMetadata.getSearchEntryPoint().getRenderedContent();
if (renderedContent != null) {
// TODO(developer): Display Google Search suggestions using a WebView
}
// REQUIRED - display sources
List chunks = groundingMetadata.getGroundingChunks();
if (chunks != null) {
for(GroundingChunk chunk : chunks) {
WebGroundingChunk web = chunk.getWeb();
if (web != null) {
String title = web.getTitle(); // for example, "uefa.com"
String uri = web.getUri(); // for example, "https://vertexaisearch.cloud.google.com..."
// TODO(developer): show sources in the UI
}
}
}
}
}
@Override
public void onFailure(Throwable t) {
t.printStackTrace();
}
}, executor);
Web
// ...
// Get the model's text response
const text = result.response.text();
// Get the grounding metadata
const groundingMetadata = result.response.candidates?.[0]?.groundingMetadata;
// REQUIRED - display Google Search suggestions
// (renderedContent contains HTML and CSS for the search widget)
const renderedContent = groundingMetadata?.searchEntryPoint?.renderedContent;
if (renderedContent) {
// TODO(developer): render this HTML and CSS in the UI
}
// REQUIRED - display sources
const groundingChunks = groundingMetadata?.groundingChunks;
if (groundingChunks) {
for (const chunk of groundingChunks) {
const title = chunk.web?.title; // for example, "uefa.com"
const uri = chunk.web?.uri; // for example, "https://vertexaisearch.cloud.google.com..."
// TODO(developer): show sources in the UI
}
}
Dart
// ...
// Get the model's response
final text = response.text;
// Get the grounding metadata
final groundingMetadata = response.candidates.first.groundingMetadata;
// REQUIRED - display Google Search suggestions
// (renderedContent contains HTML and CSS for the search widget)
final renderedContent = groundingMetadata?.searchEntryPoint?.renderedContent;
if (renderedContent != null) {
// TODO(developer): Display Google Search suggestions using a WebView
}
// REQUIRED - display sources
final groundingChunks = groundingMetadata?.groundingChunks;
if (groundingChunks != null) {
for (var chunk in groundingChunks) {
final title = chunk.web?.title; // for example, "uefa.com"
final uri = chunk.web?.uri; // for example, "https://vertexaisearch.cloud.google.com..."
// TODO(developer): show sources in the UI
}
}
Единство
// ...
// Get the model's response
var text = response.Text;
// Get the grounding metadata
var groundingMetadata = response.Candidates.First().GroundingMetadata.Value;
// REQUIRED - display Google Search suggestions
// (renderedContent contains HTML and CSS for the search widget)
if (groundingMetadata.SearchEntryPoint.HasValue) {
var renderedContent = groundingMetadata.SearchEntryPoint.Value.RenderedContent;
// TODO(developer): Display Google Search suggestions using a WebView
}
// REQUIRED - display sources
foreach(GroundingChunk chunk in groundingMetadata.GroundingChunks) {
var title = chunk.Web.Value.Title; // for example, "uefa.com"
var uri = chunk.Web.Value.Uri; // for example, "https://vertexaisearch.cloud.google.com..."
// TODO(developer): show sources in the UI
}
Анализ результатов и мониторинг с помощью ИИ в консоли Firebase
Если вы включили мониторинг ИИ в консоли Firebase , ответы сохраняются в Cloud Logging . По умолчанию срок хранения этих данных составляет 30 дней.
Вы несете ответственность за то, чтобы этот период хранения, или любой другой установленный вами период, полностью соответствовал вашему конкретному сценарию использования и любым дополнительным требованиям соответствия для выбранного вами поставщика API Gemini : Gemini Developer API или Vertex AI Gemini API (см. раздел « Условия предоставления услуг » в Условиях предоставления услуг). Возможно, вам потребуется скорректировать период хранения в Cloud Logging для соответствия этим требованиям.
Цены и ограничения
Обязательно ознакомьтесь с ценами, доступностью моделей и ограничениями для функции "Заземление с помощью