Google 生成式 AI 插件

Google 生成式 AI 插件通过 Gemini API 或 Vertex 中的 Gemini API 提供 Google 的 Gemini 模型的接口。

配置

配置取决于您选择的提供方：

Google AI

如需使用此插件，请导入 googlegenai 软件包，并在 Genkit 初始化程序中将 googlegenai.GoogleAI 传递给 WithPlugins()：

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

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

该插件需要使用 Gemini API 的 API 密钥，您可以从 Google AI Studio 获取该密钥。

通过执行以下一项操作，将插件配置为使用 API 密钥：

  • 将 GEMINI_API_KEY 环境变量设置为 API 密钥。

  • 在初始化插件时指定 API 密钥：

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

    不过，请勿直接在代码中嵌入 API 密钥！仅将此功能与 Cloud Secret Manager 或类似服务结合使用。

Vertex AI

如需使用此插件，请导入 googlegenai 软件包，并在 Genkit 初始化程序中将 googlegenai.VertexAI 传递给 WithPlugins()：

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

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

该插件要求您指定 Google Cloud 项目 ID、要向其发出 Vertex API 请求的区域，以及 Google Cloud 项目凭据。

  • 默认情况下，googlegenai.VertexAI 会从 GOOGLE_CLOUD_PROJECT 环境变量获取 Google Cloud 项目 ID。

    您也可以直接传递此值：

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

  • 默认情况下，googlegenai.VertexAI 会从 GOOGLE_CLOUD_LOCATION 环境变量获取 Vertex AI API 位置。

    您也可以直接传递此值：

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

  • 如需提供 API 凭据，您需要设置 Google Cloud 应用默认凭据。

    1. 如需指定凭据，请按照以下所述操作：

      • 如果您要从 Google Cloud 环境（Cloud Functions、Cloud Run 等）运行 flow，系统会自动设置。

      • 在本地开发环境中，通过运行以下命令执行此操作：

      gcloud auth application-default login

    2. 此外，请确保为该账号授予 Vertex AI User IAM 角色 (roles/aiplatform.user)。请参阅 Vertex AI 访问权限控制文档。

用法

生成模型

如需获取对受支持模型的引用，请将其标识符指定为 googlegenai.GoogleAIModel 或 googlgenai.VertexAIModel：

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

或者，您也可以创建一个 ModelRef，将模型名称与其配置进行配对：

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

支持以下模型：gemini-1.5-pro、gemini-1.5-flash、gemini-2.0-pro、gemini-2.0-flash 以及其他实验性模型。

模型引用具有调用 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())

如需了解详情，请参阅使用 AI 模型生成内容。

嵌入模型

如需获取对受支持嵌入模型的引用，请将其标识符指定为 googlegenai.GoogleAIEmbedder 或 googlgenai.VertexAIEmbedder：

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

支持以下模型：

  • 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

嵌入器引用具有调用 Google AI API 的 Embed() 方法：

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

您还可以将嵌入器传递给索引器的 Index() 方法和检索器的 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
}

如需了解详情，请参阅检索增强生成 (RAG)。