Erste Schritte: Über das Foundation Models-Framework von Apple auf die Gemini API zugreifen


Auf der WWDC 2026 hat Apple das Foundation Models-Framework für Modelladapter von Drittanbietern geöffnet. Das bedeutet, dass Sie über das Foundation Models-Framework mit derselben API auf in der Cloud gehostete Modelle (wie Gemini) zugreifen können, die Sie auch für den Zugriff auf On-Device-Modelle verwenden.

In Ihrer App können Sie die Modellinstanz tauschen, um Ihre Anfragen je nach Anwendungsfall entweder an die On-Device- oder die Cloud-Inferenz weiterzuleiten:

  • On-Device-Modelle bieten maximalen Datenschutz, sind kostenlos und können offline verwendet werden.
  • Cloud-basierte Gemini-Modelle bieten große Kontextfenster, erweiterte Funktionen und mehr Reasoning-Leistung.

Sie können über das Foundation Models-Framework von Apple auf die in der Cloud gehosteten Gemini-Modelle zugreifen, indem Sie das Firebase SDK für Apple-Plattformen verwenden, insbesondere die Firebase AI Logic-Bibliothek. In diesem Leitfaden erfahren Sie, wie Sie loslegen.

Um den Zugriff auf Gemini-Modelle zu schützen, wird in diesem Leitfaden auch beschrieben, wie Sie Firebase App Check einrichten. Dies ist sogar während der Entwicklung wichtig.

Vorbereitung

  • Installieren Sie die neueste Xcode 27-Betaversion.

  • Ein Apple-Plattformsimulator oder ein physisches Gerät, auf dem die entsprechende Betaversion des Betriebssystems ausgeführt wird (z. B. iOS 27 Beta).

  • Ein neues Xcode-Projekt für eine Apple-Plattform-App mit einer SwiftUI-Schnittstelle.

Unterstützte Gemini-Modelle

Die Integration in das Foundation Models-Framework von Apple unterstützt die folgenden Gemini-Modelle.

  • Modelle für allgemeine Zwecke

    • gemini-3.1-pro-preview
    • gemini-3.6-flash (und die ältere gemini-3.5-flash)
    • gemini-3.5-flash-lite (und die ältere gemini-3.1-flash-lite)

  • Modelle zur Bildgenerierung

    • gemini-3-pro-image (auch „Nano Banana Pro“ genannt)
    • gemini-3.1-flash-image (auch „Nano Banana 2“)
    • gemini-3.1-flash-lite-image (auch „Nano Banana 2 Lite“)

Gemini Live API-Modelle und Imagen-Modelle werden nicht unterstützt. Gemini 2.5-Modelle werden technisch unterstützt, sind aber nicht für neue Projekte zu empfehlen und erfordern eine spezielle Konfiguration, die in diesen Anleitungen nicht behandelt wird.

Schritt 1: Firebase-Projekt erstellen

Wir empfehlen, mit einem neuen Firebase-Projekt zu beginnen, um diese Integration zu testen.

  1. Melden Sie sich in der Firebase Console an.

  2. Klicken Sie auf Neues Firebase-Projekt erstellen.

  3. Folgen Sie der Anleitung auf dem Bildschirm. Sie müssen Google Analytics nicht aktivieren.

Schritt 2: App mit Firebase verbinden

Wenn Sie Ihre App mit Firebase verbinden möchten, müssen Sie sie in Ihrem Firebase-Projekt registrieren und Ihrer Codebasis eine Konfigurationsdatei hinzufügen.

  1. Klicken Sie in der Mitte der Seite Projektübersicht auf das Symbol iOS+, um den Einrichtungsworkflow zu starten.

  2. So registrieren Sie Ihre App:

    1. Geben Sie die Paket-ID Ihrer App ein. Sie muss mit der Paket-ID des Projekts übereinstimmen, das Sie in Xcode erstellen.

    2. Klicken Sie auf App registrieren.

  3. Fügen Sie die Firebase-Konfigurationsdatei hinzu. Diese Datei enthält die Einstellungen für das Firebase SDK, um eine Verbindung zu Ihrem Firebase-Projekt herzustellen.

    1. Klicken Sie auf Herunterladen GoogleService-Info.plist, um die Konfigurationsdatei zu erhalten.

    2. Verschieben Sie GoogleService-Info.plist in das Stammverzeichnis Ihres Xcode-Projekts und fügen Sie es allen Zielen hinzu.

    3. Klicken Sie in der Firebase-Konsole auf Weiter.

  4. Der Workflow in der Console enthält allgemeine Anleitungen zum Hinzufügen des Firebase SDK zu Ihrer App. Fahren Sie also mit dem nächsten Schritt in dieser Anleitung fort, um spezifische Anleitungen für Firebase AI Logic zu erhalten.

Schritt 3: Firebase-Bibliotheken hinzufügen und Firebase in Ihrer App initialisieren

  1. Fügen Sie die erforderlichen Firebase-Bibliotheken mit Swift Package Manager hinzu:

    1. Öffnen Sie Ihr App-Projekt und wählen Sie in Xcode File > Add Packages aus.

    2. Geben Sie die Repository-URL des Firebase Apple SDK ein:

      https://github.com/firebase/firebase-ios-sdk

    3. Wählen Sie die Abhängigkeitsregel als Branch aus und geben Sie wwdc26-preview ein.

    4. Klicken Sie auf Paket hinzufügen. Xcode löst die Abhängigkeiten auf und lädt sie herunter.

    5. Fügen Sie bei Aufforderung die Bibliotheken FirebaseAILogic und FirebaseAppCheck Ihrem App-Ziel hinzu.

  2. Initialisieren Sie Firebase beim Start Ihrer App, indem Sie den folgenden Code dem Haupteinstiegspunkt Ihrer App hinzufügen:

    import SwiftUI
import FirebaseCore

@main
struct YourApp: App {
  init() {
    FirebaseApp.configure()
  }

  var body: some Scene {
    WindowGroup {
      NavigationView {
        ContentView()
      }
    }
  }
}

Schritt 4: Firebase-Dienste aktivieren und schützen

Nachdem Ihre App für die Verwendung von Firebase konfiguriert wurde, müssen Sie den Dienst Firebase AI Logic aktivieren und den Zugriff auf die zugehörigen APIs mit Firebase App Check schützen.

Schritt 4a: Firebase AI Logic in Ihrem Firebase-Projekt einrichten

  1. Rufen Sie in der Firebase Console AI Services > AI Logic auf.

  2. Klicken Sie auf Jetzt starten, um den geführten Einrichtungsprozess zu starten.

  3. Wenn Sie aufgefordert werden, einen „Gemini API-Anbieter“ auszuwählen, empfehlen wir Ihnen, die Gemini Developer API auszuwählen, da Sie damit schnell und kostenlos loslegen können.

    Sie können die Vertex AI Gemini API (und die damit verbundenen Abrechnungsanforderungen) jederzeit später einrichten.

  4. Fahren Sie mit dem Workflow fort, um die erforderlichen APIs und zugehörigen Dienste für Firebase AI Logic einzurichten.

    Ab Anfang Juli 2026 wird in dieser Phase des Workflows automatisch Firebase App Check für AI Logic erzwungen. Das ist ein wichtiger Dienst, der zum Schutz von Gemini API beiträgt, wenn direkt über Ihre App darauf zugegriffen wird. Im Rahmen der ersten Schritte (siehe Anleitung weiter unten) müssen Sie den App Check-Debug-Anbieter für die lokale Entwicklung konfigurieren, wenn App Check erzwungen wird.

Schritt 4b: App Check-Debuganbieter für die lokale Entwicklung konfigurieren

Für die lokale Entwicklung müssen Sie den App Check-Debug-Anbieter konfigurieren, um die Attestierung zu umgehen und gleichzeitig die Durchsetzung von App Check beizubehalten.

  1. Importieren Sie in Ihrem Xcode-Projekt FirebaseAppCheck und initialisieren Sie App Check mit der Debug-Anbieter-Factory, bevor Sie Firebase konfigurieren.

    import SwiftUI
import FirebaseCore
import FirebaseAppCheck

@main
struct YourApp: App {
  init() {
    let providerFactory = AppCheckDebugProviderFactory()
    AppCheck.setAppCheckProviderFactory(providerFactory)
    FirebaseApp.configure()
  }

  var body: some Scene {
    WindowGroup {
      NavigationView {
        ContentView()
      }
    }
  }
}

  2. Debug-Token abrufen:

    1. Starten Sie die App im Simulator oder auf Ihrem Testgerät.

    2. Öffnen Sie die Xcode-Konsole und suchen Sie nach dem App Check-Debug-Token. Beispiel:

      <Warning> [AppCheckCore][I-GAC004001] App Check debug token: '123a4567-b89c-12d3-e456-789012345678'.

    3. Kopieren Sie das Token (z. B. 123a4567-b89c-12d3-e456-789012345678).

  3. Registrieren Sie Ihr Debug-Token bei App Check:

    1. Rufen Sie in der Firebase-Konsole den Tab Apps unter Sicherheit > App Check auf.

    2. Suchen Sie Ihre App, klicken Sie auf das Dreipunkt-Menü () und wählen Sie dann Debug-Tokens verwalten aus.

    3. Folgen Sie der Anleitung auf dem Bildschirm, um Ihr Debug-Token zu registrieren.

Weitere Informationen zum Debugging-Anbieter (einschließlich der Vorgehensweise zum Abrufen eines neuen Debugging-Tokens) finden Sie in der offiziellen App Check-Dokumentation.

Schritt 5: AI Logic-Dienst in Ihrer App initialisieren

Klicken Sie auf Ihren Gemini API-Anbieter, um anbieterspezifische Inhalte und Code auf dieser Seite aufzurufen.

Nachdem Sie Firebase und App Check konfiguriert haben, können Sie den Firebase AI Logic-Dienst in Ihrer App initialisieren.

import FoundationModels
import FirebaseCore
import FirebaseAILogic

// Initialize the Gemini Developer API backend service.
let ai = FirebaseAI.firebaseAI(backend: .googleAI())
// Initialize a `geminiLanguageModel` with a Gemini model that supports your use case.
let model = ai.geminiLanguageModel(name: "gemini-3.6-flash")

Schritt 6: Anfrage an ein Gemini-Modell senden

Nachdem Firebase AI Logic in Ihrer App eingerichtet, geschützt und initialisiert wurde, können Sie eine Anfrage an ein Gemini-Modell senden.

Das folgende Beispiel zeigt die einfachste Art von Anfrage: Text aus einem reinen Text-Prompt generieren:

import FoundationModels
import FirebaseCore
import FirebaseAILogic

// Initialize the Gemini Developer API backend service.
let ai = FirebaseAI.firebaseAI(backend: .googleAI())
// Initialize a `geminiLanguageModel` with a Gemini model that supports your use case.
let model = ai.geminiLanguageModel(name: "gemini-3.6-flash")


// Create a session by injecting the model into Apple's `LanguageModelSession`.
let session = LanguageModelSession(model: model)

// Generate a text response to a prompt.
let response = try await session.respond(to: "Write a story about a magic backpack.")
print(response.content)

Gemini-Modelle unterstützen auch andere Arten von Anfragen, z. B. Bilder und PDFs analysieren, strukturierte JSON-Ausgabe generieren und Bilder generieren (mit „Nano Banana“-Modellen). Beispiele für diese Arten von Anfragen finden Sie in der Dokumentation oder in der Beispiel-App.

Antwort streamen

Sie können schnellere Interaktionen erzielen, indem Sie nicht auf das gesamte Ergebnis der Modellgenerierung warten, sondern stattdessen Streaming verwenden, um Teilergebnisse zu verarbeiten. Verwenden Sie streamResponse(to:) anstelle von respond(to:), um die Antwort zu streamen.

import FoundationModels
import FirebaseCore
import FirebaseAILogic

// Initialize the Gemini Developer API backend service.
let ai = FirebaseAI.firebaseAI(backend: .googleAI())
// Initialize a `geminiLanguageModel` with a Gemini model that supports your use case.
let model = ai.geminiLanguageModel(name: "gemini-3.6-flash")


// Create a session by injecting the model into Apple's `LanguageModelSession`.
let session = LanguageModelSession(model: model)

// Generate a streamed text response to a prompt.
// To stream the response, use `streamResponse(to:)` instead of `respond(to:)`
let stream = session.streamResponse(to: "Write a story about a magic backpack.")
var response = ""
for try await snapshot in stream {
  // The snapshot contains *all* content generated so far.
  response = snapshot.content
}

Nächste Schritte


Feedback geben zum Zugriff auf Gemini API über das Foundation Models-Framework von Apple