Google 生成式 AI 外掛程式

Google 生成式 AI 外掛程式會透過 Gemini API 或 Gemini API in Vertex AI 提供 Google Gemini 模型的介面。

設定

設定方式取決於您選擇的供應商：

Google AI

如要使用這個外掛程式，請匯入 googlegenai 套件，並在 Genkit 初始化工具中將 googlegenai.GoogleAI 傳遞至 WithPlugins()：

import "github.com/firebase/genkit/go/plugins/googlegenai"

g, err := genkit.Init(context.Background(), ai.WithPlugins(&googlegenai.GoogleAI{}))

外掛程式需要 Gemini API 的 API 金鑰，您可以透過 Google AI Studio 取得。

請執行下列任一操作，設定外掛程式使用 API 金鑰：

  • 將 GEMINI_API_KEY 環境變數設為 API 金鑰。

  • 在初始化外掛程式時指定 API 金鑰：

    ai.WithPlugins(&googlegenai.GoogleAI{APIKey: "YOUR_API_KEY"})

    不過，請勿直接在程式碼中嵌入 API 金鑰！請務必搭配使用 Cloud Secret Manager 等服務。

Vertex AI

如要使用這個外掛程式，請匯入 googlegenai 套件，並在 Genkit 初始化工具中將 googlegenai.VertexAI 傳遞至 WithPlugins()：

import "github.com/firebase/genkit/go/plugins/googlegenai"

g, err := genkit.Init(context.Background(), genkit.WithPlugins(&googlegenai.VertexAI{}))

外掛程式會要求您指定 Google Cloud 專案 ID、要向其發出 Vertex API 要求的區域，以及 Google Cloud 專案憑證。

  • 根據預設，googlegenai.VertexAI 會從 GOOGLE_CLOUD_PROJECT 環境變數取得 Google Cloud 專案 ID。

    您也可以直接傳遞這個值：

    genkit.WithPlugins(&googlegenai.VertexAI{ProjectID: "my-project-id"})

  • 根據預設，googlegenai.VertexAI 會從 GOOGLE_CLOUD_LOCATION 環境變數取得 Vertex AI API 位置。

    您也可以直接傳遞這個值：

    genkit.WithPlugins(&googlegenai.VertexAI{Location: "us-central1"})

  • 如要提供 API 憑證，您必須設定 Google Cloud 應用程式的預設憑證。

    1. 如要指定憑證，請按照下列步驟操作：

      • 如果您是透過 Google Cloud 環境 (Cloud Functions、Cloud Run 等) 執行流程，系統會自動設定這項屬性。

      • 在本機開發環境中執行以下指令：

      gcloud auth application-default login

    2. 此外，請確認帳戶已取得 Vertex AI 使用者 IAM 角色 (roles/aiplatform.user)。請參閱 Vertex AI 存取權控管說明文件。

用量

生成模型

如要取得支援模型的參照，請將其 ID 指定為 googlegenai.GoogleAIModel 或 googlgenai.VertexAIModel：

model := googlegenai.GoogleAIModel(g, "gemini-2.0-flash")

或者，您也可以建立 ModelRef，將模型名稱與其設定配對：

modelRef := googlegenai.GoogleAIModelRef("gemini-2.0-flash", &googlegenai.GeminiConfig{
    Temperature: 0.5,
    MaxOutputTokens: 500,
    // Other configuration...
})

支援的型號如下：gemini-1.5-pro、gemini-1.5-flash、gemini-2.0-pro、gemini-2.0-flash 和其他實驗型號。

模型參照項目包含呼叫 Google API 的 Generate() 方法：

resp, err := genkit.Generate(ctx, g, ai.WithModel(modelRef), ai.WithPrompt("Tell me a joke."))
if err != nil {
      return err
}

log.Println(resp.Text())

詳情請參閱「使用 AI 模型產生內容」。

嵌入模型

如要取得支援的嵌入模型參照，請將其 ID 指定為 googlegenai.GoogleAIEmbedder 或 googlgenai.VertexAIEmbedder：

embeddingModel := googlegenai.GoogleAIEmbedder(g, "text-embedding-004")

支援以下型號：

  • Google AI

    「text-embedding-004」和「embedding-001」

  • Vertex AI

    textembedding-gecko@003、textembedding-gecko@002、textembedding-gecko@001、text-embedding-004、textembedding-gecko-multilingual@001、text-multilingual-embedding-002 和 multimodalembedding

嵌入參照項目包含呼叫 Google AI API 的 Embed() 方法：

resp, err := ai.Embed(ctx, embeddingModel, ai.WithDocs(userInput))
if err != nil {
      return err
}

您也可以將 Embedder 傳遞至索引器的 Index() 方法和擷取器的 Retrieve() 方法：

if err := ai.Index(ctx, myIndexer, ai.WithDocs(docsToIndex...)); err != nil {
      return err
}

resp, err := ai.Retrieve(ctx, myRetriever, ai.WithDocs(userInput))
if err != nil {
      return err
}

詳情請參閱「檢索增強生成 (RAG)」一文。