Pierwsze kroki: dostęp do interfejsu Gemini API za pomocą platformy Foundation Models od Apple


Podczas WWDC 2026 firma Apple udostępniła platformę Foundation Models adapterom modeli innych firm , co oznacza, że możesz uzyskiwać dostęp do modeli hostowanych w chmurze (takich jak Gemini) za pomocą platformy Foundation Models, używając tego samego interfejsu API , którego używasz do uzyskiwania dostępu do modeli na urządzeniu.

W aplikacji możesz zamienić instancję modelu, aby kierować żądania do wnioskowania na urządzeniu lub w chmurze, w zależności od przypadku użycia:

  • Modele na urządzeniu zapewniają maksymalną prywatność, brak kosztów i obsługę offline.
  • Modele hostowane w chmurze Gemini oferują duże okna kontekstu, zaawansowane możliwości i większą moc obliczeniową.

Dostęp do modeli hostowanych w chmurze Gemini możesz uzyskać za pomocą platformy Foundation Models firmy Apple, korzystając z pakietu Firebase SDK na Apple platformy – a konkretnie z biblioteki Firebase AI Logic. Z tego przewodnika dowiesz się, jak zacząć.

Aby chronić dostęp do modeli Gemini, w tym przewodniku pokazujemy też, jak skonfigurować Firebase App Check, które jest niezbędne nawet podczas programowania.

Wymagania wstępne

  • Zainstaluj najnowszą wersnią beta Xcode 27 .

  • Symulator platformy Apple lub urządzenie fizyczne, na którym działa odpowiednia wersja beta systemu operacyjnego (np. iOS 27 beta).

  • Nowy projekt Xcode aplikacji na platformy Apple korzystającej z interfejsu SwiftUI.

Obsługiwane Gemini modele

Integracja z platformą Foundation Models firmy Apple obsługuje te modele Gemini.

  • Modele ogólnego przeznaczenia

    • gemini-3.1-pro-preview
    • gemini-3.6-flash (i starszy gemini-3.5-flash)
    • gemini-3.5-flash-lite (i starszy gemini-3.1-flash-lite)

  • Modele generujące obrazy

    • gemini-3-pro-image (znany też jako „Nano Banana Pro”)
    • gemini-3.1-flash-image (znany też jako „Nano Banana 2”)
    • gemini-3.1-flash-lite-image (znany też jako „Nano Banana 2 Lite”)

Modele Gemini Live API i modele Imagen nie są obsługiwane. Modele Gemini 2.5 są technicznie obsługiwane, ale nie są zalecane w przypadku nowych projektów i wymagają specjalnej konfiguracji, która nie jest opisana w tych przewodnikach.

Krok 1. Utwórz projekt w Firebase

Aby zapoznać się z tą integracją, zalecamy rozpoczęcie od nowego projektu w Firebase.

  1. Zaloguj się w Firebase konsoli.

  2. Kliknij Utwórz nowy projekt w Firebase.

  3. Postępuj zgodnie z instrukcjami wyświetlanymi na ekranie. Nie musisz włączać Google Analytics.

Krok 2. Połącz aplikację z Firebase

Aby połączyć aplikację z Firebase, musisz zarejestrować ją w projekcie w Firebase i dodać plik konfiguracyjny do bazy kodu.

  1. W centrum strony „Opis” projektu kliknij ikonę iOS+, aby uruchomić proces konfiguracji.

  2. Zarejestruj aplikację:

    1. Wpisz identyfikator pakietu aplikacji. Upewnij się, że jest on zgodny z identyfikatorem pakietu projektu, który tworzysz w Xcode.

    2. Kliknij Zarejestruj aplikację.

  3. Dodaj plik konfiguracyjny Firebase. Ten plik zawiera ustawienia [pakietu] SDK Firebase, które umożliwiają łączenie się z projektem w Firebase.

    1. Aby pobrać plik konfiguracyjny, kliknij Pobierz GoogleService-Info.plist.

    2. Przenieś plik GoogleService-Info.plist do katalogu głównego swojego projektu Xcode i dodaj go do wszystkich elementów docelowych.

    3. W konsoli Firebase kliknij Dalej.

  4. Proces w konsoli zawiera ogólne instrukcje dodawania pakietu Firebase SDK do aplikacji, więc przejdź do następnego kroku w tym przewodniku, aby uzyskać szczegółowe instrukcje dotyczące Firebase AI Logic.

Krok 3. Dodaj biblioteki Firebase i zainicjuj Firebase w aplikacji

  1. Aby dodać wymagane biblioteki Firebase, użyj menedżera pakietów Swift:

    1. Po otwarciu projektu aplikacji wybierz w Xcode kolejno File (Plik) > Add Packages (Dodaj pakiety).

    2. Wpisz adres URL repozytorium Firebase Apple SDK:

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

    3. Wybierz regułę zależności Branch (Gałąź) i wpisz wwdc26-preview.

    4. Kliknij Add Package (Dodaj pakiet). Xcode przetworzy i pobierze zależności.

    5. Gdy pojawi się prośba, dodaj do elementu docelowego aplikacji biblioteki FirebaseAILogic i FirebaseAppCheck.

  2. Aby zainicjować Firebase podczas uruchamiania aplikacji, dodaj ten kod do głównego punktu wejścia aplikacji:

    import SwiftUI
import FirebaseCore

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

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

Krok 4. Włącz i zabezpiecz usługi Firebase

Teraz, gdy aplikacja jest skonfigurowana do korzystania z Firebase, musisz włączyć usługę Firebase AI Logic i zabezpieczyć dostęp do powiązanych z nią interfejsów API za pomocą Firebase App Check.

Krok 4a. Skonfiguruj Firebase AI Logic w projekcie w Firebase

  1. W konsoli Firebase kliknij kolejno AI Services > AI Logic.

  2. Aby uruchomić proces konfiguracji z przewodnikiem, kliknij Get started (Rozpocznij).

  3. Gdy pojawi się prośba o wybranie „dostawcy Gemini API”, zalecamy wybranie Gemini Developer API, które umożliwia szybkie rozpoczęcie pracy bezpłatnie.

    W dowolnym momencie możesz zawsze skonfigurować Agent Platform Gemini API (formerly Vertex AI) i wymagania dotyczące płatności.

  4. Kontynuuj proces, aby skonfigurować wymagane interfejsy API i powiązane usługi dla Firebase AI Logic.

    Od początku lipca 2026 r. ten etap procesu automatycznie wymusza Firebase App Check w przypadku AI Logic, która jest niezbędną usługą pomagającą chronić Gemini API, gdy jest ona dostępna bezpośrednio z aplikacji. Aby rozpocząć (patrz kroki w dalszej części tego przewodnika), musisz skonfigurować App Check dostawcę debugowania na potrzeby programowania lokalnego, gdy App Check jest wymuszane.

Krok 4b. Skonfiguruj dostawcę debugowania App Check na potrzeby programowania lokalnego

Na potrzeby programowania lokalnego musisz skonfigurować App Check dostawcę debugowania aby pominąć atestowanie, ale nadal wymuszać App Check.

  1. W projekcie Xcode zaimportuj FirebaseAppCheck i zainicjuj App Check za pomocą fabryki dostawcy debugowania zanim skonfigurujesz Firebase.

    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. Uzyskaj token debugowania:

    1. Uruchom aplikację w symulatorze lub na urządzeniu testowym.

    2. Otwórz konsolę Xcode i poszukaj tokena debugowania App Check. Przykład:

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

    3. Skopiuj token (np. 123a4567-b89c-12d3-e456-789012345678).

  3. Zarejestruj token debugowania w App Check:

    1. W konsoli Firebase kliknij kolejno Security (Bezpieczeństwo) > App Check (Sprawdzanie aplikacji) > Apps (Aplikacje).

    2. Znajdź swoją aplikację, kliknij rozszerzone menu (), a następnie wybierz Manage debug tokens (Zarządzaj tokenami debugowania).

    3. Postępuj zgodnie z instrukcjami wyświetlanymi na ekranie, aby zarejestrować token debugowania.

Szczegółowe informacje o dostawcy debugowania (w tym o tym, jak uzyskać nowy token debugowania) znajdziesz w oficjalnej dokumentacji.App Check

Krok 5. Zainicjuj usługę AI Logic w aplikacji

Kliknij dostawcę Gemini API, aby wyświetlić na tej stronie treści i kod specyficzne dla dostawcy.

Gdy Firebase i App Check są skonfigurowane, możesz zainicjować usługę Firebase AI Logic w aplikacji.

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")

Krok 6. Wyślij żądanie do modelu Gemini

Gdy Firebase AI Logic jest skonfigurowana, chroniona i zainicjowana w aplikacji, możesz wysłać żądanie do modelu Gemini.

Poniższy przykład pokazuje najbardziej podstawowy typ żądania – generowanie tekstu na podstawie prompta tekstowego:

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 modele obsługują też inne typy żądań, takie jak analiza obrazów i plików PDF , generowanie uporządkowanych danych wyjściowych JSON oraz generowanie obrazów (za pomocą modeli „Nano Banana”). Przykłady tych typów żądań znajdziesz w dokumentacji lub w przykładowej aplikacji.

Przesyłanie strumieniowe odpowiedzi

Możesz przyspieszyć interakcje, nie czekając na cały wynik generowania modelu, i zamiast tego użyć przesyłania strumieniowego do obsługi częściowych wyników. Aby przesyłać strumieniowo odpowiedź, użyj streamResponse(to:) zamiast respond(to:).

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
}

Dalsze kroki


Prześlij opinię na temat uzyskiwania dostępu do Gemini API za pomocą platformy Foundation Models firmy Apple