FAQ und Fehlerbehebung

Worin unterscheiden sich die Verwendung von Gemini Developer API und Agent Platform Gemini API (formerly Vertex AI)?

In der folgenden Tabelle sind wichtige Unterschiede zwischen den beiden Gemini API-Anbietern im Allgemeinen aufgeführt, unabhängig davon, wie Sie darauf zugreifen:

¹ Die beiden API-Anbieter haben unterschiedliche Pay-as-you-go-Preise (weitere Informationen finden Sie in der jeweiligen Dokumentation).

² Die Files API für Gemini Developer API wird nicht über die Firebase AI Logic-SDKs unterstützt.

In der folgenden Tabelle ist die Verfügbarkeit häufig gestellter Funktionen für die beiden „Gemini API“-Anbieter aufgeführt. Diese Tabelle gilt insbesondere bei der Verwendung der Firebase AI Logic-Client-SDKs.

Kann ich sowohl Gemini Developer API als auch Agent Platform Gemini API (formerly Vertex AI) verwenden?

Ja, Sie können beide Gemini API-Anbieter in Ihrem Firebase-Projekt aktivieren und beide APIs in Ihrer App verwenden.

Wenn Sie in Ihrem Code zwischen API-Anbietern wechseln möchten, müssen Sie nur darauf achten, dass Sie den Backend-Dienst in Ihrem Code entsprechend festlegen.

Welche Änderungen sind für das Rebranding von „Vertex AI“ zu „Agent Platform“ erforderlich?

Mitte 2026 hat Google Cloud „Vertex AI“ in „Gemini Enterprise Agent Platform“ (oder „Agent Platform“) umbenannt. Im Firebase-Ökosystem bezeichnen wir diesen Dienst als „Agent Platform Gemini API“.

Für Google Cloud umfasste das Rebranding Folgendes: Es gab weitere Änderungen, die jedoch nicht für Firebase AI Logic gelten.

• Das Produkt wurde von „Vertex AI“ in „Gemini Enterprise Agent Platform“ (oder „Agent Platform“) umbenannt. Das umfasst auch neue URLs für die Google Cloud-Konsole und die Dokumentation.

• Der Anzeigename der API wurde von „Vertex AI API“ in „Agent Platform API“ geändert. Der Dienstname ist gleich geblieben: aiplatform.googleapis.com.

• Umbenennung von „Vertex AI Studio“ in „Agent Studio“

• Die Funktionen der zugrunde liegenden APIs oder unterstützten Modelle bleiben unverändert.

Für die Firebase AI Logic-SDKs haben wir dieses Rebranding berücksichtigt, indem wir die Initialisierungssyntax für den Backend-Dienst „Gemini API“ und den standardmäßigen Standort für den Zugriff auf das Modell aktualisiert haben, wenn diese neue Syntax verwendet wird.

• Neue Initialisierungssyntax für den Backend-Dienst „Gemini API“:

  Swift

  Ändern Sie vertexai zu agentPlatform.
  Verfügbar ab Firebase SDK für Apple-Plattformen v12.17.0.

  VORHER

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the legacy `vertexai` syntax, the default location is `us-central`, so
  // specifying a location is usually required since most models are *not* supported in `us-central`.
  let ai = FirebaseAI.firebaseAI(backend: .vertexai(location: "LOCATION"))
  
  // ...
  

  NACH

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the `agentPlatform` syntax, the default location is `global`, so
  // specifying a location is usually optional since most models are supported in `global`.
  let ai = FirebaseAI.firebaseAI(backend: .agentPlatform(location: "LOCATION"))
  
  // ...
  

  Kotlin

  Ändern Sie vertexAI zu agentPlatform.
  Verfügbar ab Firebase AI Logic SDK für Android v17.15.0+ (Firebase Android BoM v34.17.0+).

  VORHER

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the legacy `vertexAI` syntax, the default location is `us-central`, so
  // specifying a location is usually required since most models are *not* supported in `us-central`.
  val ai = Firebase.ai(backend = GenerativeBackend.vertexAI(location = "LOCATION"))
  
  // ...
  

  NACH

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the `agentPlatform` syntax, the default location is `global`, so
  // specifying a location is usually optional since most models are supported in `global`.
  val ai = Firebase.ai(backend = GenerativeBackend.agentPlatform(location = "LOCATION"))
  
  // ...
  

  Java

  Ändern Sie vertexAI zu agentPlatform.
  Verfügbar ab Firebase AI Logic SDK für Android v17.15.0+ (Firebase Android BoM v34.17.0+).

  VORHER

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the legacy `vertexAI` syntax, the default location is `us-central`, so
  // specifying a location is usually required since most models are *not* supported in `us-central`.
  GenerativeModel ai = FirebaseAI.getInstance(GenerativeBackend.vertexAI("LOCATION"));
  
  // ...
  

  NACH

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the `agentPlatform` syntax, the default location is `global`, so
  // specifying a location is usually optional since most models are supported in `global`.
  GenerativeModel ai = FirebaseAI.getInstance(GenerativeBackend.agentPlatform("LOCATION"));
  
  // ...
  

  Web

  Ändern Sie VertexAIBackend zu AgentPlatformBackend.
  Verfügbar ab Firebase JS SDK v12.17.0.

  VORHER

  import { getAI, getGenerativeModel, VertexAIBackend } from "firebase/ai";
  
  // ...
  
  // Initialize FirebaseApp
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the legacy `VertexAIBackend` syntax, the default location is `us-central`, so
  // specifying a location is usually required since most models are *not* supported in `us-central`.
  const ai = getAI(firebaseApp, { backend: new VertexAIBackend('LOCATION') });
  
  // ...
  

  NACH

  import { getAI, getGenerativeModel, AgentPlatformBackend } from "firebase/ai";
  
  // ...
  
  // Initialize FirebaseApp
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the `AgentPlatformBackend` syntax, the default location is `global`, so
  // specifying a location is usually optional since most models are supported in `global`.
  const ai = getAI(firebaseApp, { backend: new AgentPlatformBackend('LOCATION') });
  
  // ...
  

  Dart

  Ändern Sie vertexAI zu agentPlatform.
  Verfügbar ab dem Firebase AI Logic-Plug-in für Flutter v3.15.0+ (Firebase Flutter BoM v4.18.0+).

  VORHER

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the legacy `vertexAI` syntax, the default location is `us-central`, so
  // specifying a location is usually required since most models are *not* supported in `us-central`.
  final ai = await FirebaseAI.vertexAI(location: 'LOCATION');
  
  // ...
  

  NACH

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the `agentPlatform` syntax, the default location is `global`, so
  // specifying a location is usually optional since most models are supported in `global`.
  final ai = await FirebaseAI.agentPlatform(location: 'LOCATION');
  
  // ...
  

  Einheit

  Ändern Sie VertexAI zu AgentPlatform.
  Ab Firebase SDK für Unity Version 13.15.0 verfügbar.

  VORHER

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the legacy `VertexAI` syntax, the default location is `us-central`, so
  // specifying a location is usually required since most models are *not* supported in `us-central`.
  var ai = FirebaseAI.GetInstance(FirebaseAI.Backend.VertexAI(location: "LOCATION"));
  
  // ...
  

  NACH

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly Vertex AI).
  // For the `AgentPlatform` syntax, the default location is `global`, so
  // specifying a location is usually optional since most models are supported in `global`.
  var ai = FirebaseAI.GetInstance(FirebaseAI.Backend.AgentPlatform(location: "LOCATION"));
  
  // ...
  

• Neuer standardmäßiger Standort für den Zugriff auf das Modell bei Verwendung der neuen Initialisierungssyntax:

  Wenn Sie die neue Initialisierungssyntax für die Agent-Plattform verwenden, wird der Standort standardmäßig auf global festgelegt.

  Diese Änderung wurde vorgenommen, weil fast alle Gemini-Modelle in global unterstützt werden und Google Cloud den Speicherort us-central1 für neue Releases der meisten Gemini-Modelle nicht mehr unterstützt.

Welche APIs sind erforderlich? Und wie aktiviere ich sie?

Wenn Sie die Firebase AI Logic-SDKs mit der Gemini Developer API verwenden möchten, müssen in Ihrem Projekt die folgenden beiden APIs aktiviert sein:

• Gemini Developer API (generativelanguage.googleapis.com)
• Firebase AI Logic API (firebasevertexai.googleapis.com)

Sie sollten diese beiden APIs über die Firebase Console aktivieren:

1. Rufen Sie in derFirebaseConsole AI Services > AI Logic auf.

2. Klicken Sie auf Jetzt starten.

3. Wählen Sie aus, um mit Gemini Developer API zu beginnen.

   Dadurch wird ein geführter Workflow gestartet, mit dem Sie die beiden APIs aktivieren können. Firebase stellt außerdem ein von Google verwaltetes Dienstkonto (P4SA) zur Autorisierung der Verwendung von Gemini API bereit und fügt die Firebase AI Logic API der Zulassungsliste für Ihren Firebase-API-Schlüssel hinzu.

Wie deaktiviere ich APIs in einem Firebase-Projekt?

Für Firebase AI Logic versuchen wir, die Einrichtung Ihres Firebase-Projekts für die Verwendung Ihres ausgewählten Gemini API-Anbieters so einfach wie möglich zu gestalten. Dazu gehört auch das Aktivieren der erforderlichen APIs in Ihrem Firebase-Projekt während bestimmter Abläufe, z. B. des geführten Workflows in der Firebase Console.

Wenn Sie sich jedoch entscheiden, Firebase AI Logic oder einen der Gemini API-Anbieter nicht zu verwenden, können Sie die zugehörigen APIs in Ihrem Firebase-Projekt deaktivieren.

Welche Berechtigungen sind möglicherweise erforderlich, um Firebase AI Logic zu verwenden?

Welche Modelle werden bei der Verwendung von Firebase AI Logic unterstützt?

Liste der unterstützten Modelle Wir fügen den SDKs regelmäßig neue Funktionen hinzu. Sehen Sie daher in diesen FAQs nach Updates (sowie in Versionshinweisen, Blogs und Beiträgen in sozialen Medien).

• Firebase AI Logic unterstützt die folgenden Modelle:

  • Gemini Developer API

    • Die meisten Gemini- und Imagen-Foundation Models

    Beachten Sie, dass die Gemini Developer API (unabhängig davon, wie darauf zugegriffen wird) nur bestimmte stabile Imagen-Modelle unterstützt.

  • Agent Platform Gemini API (formerly Vertex AI)

    • Die meisten Gemini- und Imagen-Foundation Models

• Firebase AI Logic unterstützt nicht die folgenden Modelle (unabhängig vom ausgewählten Gemini API-Anbieter):

  • Feinabgestimmte Modelle

  • Einbettungsmodelle, Veo-Modelle, Lyria-Modelle, Robotikmodelle, Modelle für die Computernutzung, Gemini Omni-Modelle oder Gemini Flash Cyber-Modelle

  • Ältere Imagen-Modelle oder imagen-3.0-capability-001

Was kann ich tun, wenn Modelle eingestellt werden?

Wenn Google eine stabile Modellversion veröffentlicht, bemühen wir uns, dass sie mindestens 12 Monate lang verfügbar ist, bevor wir das Modell einstellen. Beachten Sie jedoch, dass für Agent Platform Gemini API (formerly Vertex AI) einige stabile Modelle nur kurzfristig verfügbar sind. Das bedeutet, dass sie möglicherweise schon 45 Tage nach der Veröffentlichung eines Ersatzmodells eingestellt werden.

Wo finde ich das Datum der Abschaltung eines Modells?

So finden Sie das Datum der Einstellung eines Modells:

• Zum Zeitpunkt der Veröffentlichung: Das voraussichtliche Datum der Einstellung der einzelnen Modelle wird an mehreren Stellen in der Gemini API-Anbieterdokumentation sowie in der Firebase-Dokumentation aufgeführt (siehe die Seite mit unterstützten Modellen).

• Kurz vor dem Datum der Einstellung: Google sendet E‑Mails an die entsprechenden Projektmitglieder und wir veröffentlichen Erinnerungen in den Versionshinweisen und anderen Kanälen zu bevorstehenden Einstellungen (z. B. Erinnerung an die Einstellungsdaten für die stabilen Modelle Gemini 1.5 und 1.0).

Was kann ich tun, wenn das von mir verwendete Modell bald eingestellt wird?

1. Suchen Sie ein geeignetes derzeit unterstütztes Modell und den Modellnamen.

2. Aktualisieren Sie den von Ihrer App verwendeten Modellnamen vor dem Datum der Einstellung. Andernfalls schlagen alle Anfragen an dieses Modell mit einem 404-Fehler fehl.

   • Sie legen den Modellnamen bei der Initialisierung fest, wenn Sie eine GenerativeModel-, LiveModel- oder ImagenModel-Instanz erstellen. Lesen Sie sich die wichtige Empfehlung unten zur Verwendung von Firebase Remote Config- oder Server-Promptvorlagen durch.

   • Wenn Sie Firebase AI Logic verwenden, müssen Sie in der Regel keinen Code ändern, der das Modell aufruft.

     Hinweis: Bei Gemini 3.x-Modellen werden Sampling-Parameter (Temperatur, Top-K, Top-P) nicht mehr unterstützt.

3. Testen Sie Ihre App, um sicherzustellen, dass die Antworten weiterhin wie erwartet ausfallen.

Gemini 2.5Stabile Modelle – Abschalttermine und Ersatzmodelle

• Gemini 2.5 Pro, Gemini 2.5 Flash und Gemini 2.5 Flash‑Lite

  gemini-2.5-pro
gemini-2.5-flash
gemini-2.5-flash-lite
gemini-2.5-flash-image (auch „Nano Banana“)

  • Bei den Modellen für die allgemeine Nutzung hängt das Datum für die Abschaltung vom gewählten Gemini API-Anbieter ab:

    • Gemini Developer API (Google AI): 16. Oktober 2026
    • Agent Platform Gemini API (formerly Vertex AI): 20. Oktober 2026

  • Für das bildgenerierende Modell (Nano Banana) ist das Datum für die Abschaltung unabhängig von Ihrem ausgewählten Gemini API-Anbieter dasselbe: 2. Oktober 2026.

  Andere „Nano Banana“-Modelle und alle stabilen Gemini Live API-Modelle der Version 2.5 sind davon nicht betroffen.

Ersatz: Migrieren Sie zu einem der neuen Gemini 3.x-Modelle (z. B. gemini-3.6-flash oder gemini-3.1-flash-image).

ImagenStabile Modelle – Abschalttermine und Ersatzmodelle

• Alle Imagen-Modelle werden frühestens am 17. August 2026 eingestellt. Das ursprüngliche Datum war der 30. Juni 2026.

Ersatz: Migrieren Sie Ihre Apps zur Verwendung von Gemini-Bildmodellen („Nano Banana“-Modelle).

Gemini 2.0Stabile Modelle – Abschalttermine und Ersatzmodelle

• Gemini 2.0 Flash und Gemini 2.0 Flash‑Lite:

  gemini-2.0-flash-001 (und der automatisch aktualisierte Alias gemini-2.0-flash)
  gemini-2.0-flash-lite-001 (und der automatisch aktualisierte Aliasgemini-2.0-flash-lite)

  • 6. Februar 2026: Diese Modelle sind nicht mehr für Projekte verfügbar, in denen sie zuvor nicht verwendet wurden.

  • 31. März 2026: Diese Modelle werden eingestellt.

  Stabile Gemini Live API-Modelle 2.0 sind davon nicht betroffen.

Ersatz: Migrieren Sie zu einem der neuen Gemini 3.x-Modelle (z. B. gemini-3.1-flash-lite).

Stabile Gemini 1.5- und 1.0-Modelle – Einstellungsdaten und Ersatzmodelle

• Gemini 1.5 Pro-Modelle:

  • gemini-1.5-pro-002 (und gemini-1.5-pro): 24. September 2025
  • gemini-1.5-pro-001: 24. Mai 2025

• Gemini 1.5 Flash-Modelle:

  • gemini-1.5-flash-002 (und gemini-1.5-flash): 24. September 2025
  • gemini-1.5-flash-001: 24. Mai 2025

• Gemini 1.0 Pro Vision-Modelle: 21. April 2025 (ursprünglich geplant für den 9. April 2025)

• Gemini 1.0 Pro-Modelle: 21. April 2025 (ursprünglich geplant für den 9. April 2025)

Ersatz: Migrieren Sie zu einem der neuen Gemini 3.x-Modelle (z. B. gemini-3.1-flash-lite).

Verwendet Firebase AI Logic meine Daten zum Trainieren von Modellen?

Weitere Informationen finden Sie unter Data Governance und verantwortungsbewusste Anwendung von KI.

So legen Sie eine Ratenbegrenzung pro Nutzer fest

Standardmäßig legt Firebase AI Logic das Anfragelimit pro Nutzer auf 100 Anfragen pro Minute fest.

Wenn Sie das Ratenlimit pro Nutzer anpassen möchten, müssen Sie die Kontingenteinstellungen für die Firebase AI Logic API anpassen.

Weitere Informationen zum Firebase AI Logic API-Kontingent Auf dieser Seite erfahren Sie auch, wie Sie Ihr Kontingent aufrufen und bearbeiten können.

Wie kann ich die Latenz und die hohe Tokennutzung reduzieren?

Wenn Sie eine hohe Latenz oder eine hohe Token-Nutzung feststellen, liegt das wahrscheinlich an der Konfiguration der Denkebene für das von Ihnen verwendete Modell.

Gemini 3 und spätere Modelle verwenden immer einen internen „Denkprozess“, der ihre Fähigkeiten zur Argumentation und mehrstufigen Planung erheblich verbessert. Dadurch sind sie sehr effektiv für komplexe Aufgaben wie Programmierung, fortgeschrittene Mathematik und Datenanalyse.

Je nach Aufgabe sind jedoch nicht immer höhere Denkebenen erforderlich. Sie können das Modell so konfigurieren, dass es eine niedrigere Denkebene verwendet. Eine niedrigere Denkebene kann die Latenz und die Tokennutzung reduzieren. Hier finden Sie einen Vergleich der Schwierigkeitsgrade von Aufgaben.

Bei den meisten Modellen ab Gemini 3 ist die Standard-Denkebene auf HIGH festgelegt.

Ist der MIME-Typ in meinen multimodalen Anfragen erforderlich? (z. B. für Bilder, PDFs, Video- und Audioeingabe)

Ja. In jeder multimodalen Anfrage müssen Sie immer Folgendes angeben:

• Die mimeType der Datei. Unten finden Sie eine Ausnahme.

• Die Datei. Sie können die Datei entweder als Inline-Daten oder über ihre URL bereitstellen.

Informationen zu unterstützten Eingabedateitypen, zum Angeben des MIME-Typs und zu den beiden Optionen zum Bereitstellen der Datei finden Sie unter Unterstützte Eingabedateien und Anforderungen.

Ausnahme für die Einbeziehung des MIME-Typs in Ihre Anfrage

Eine Ausnahme von der Angabe des MIME-Typs sind Inline-Bildeingaben für Anfragen von nativen Android- und Apple-Plattform-Apps.

Die Firebase AI Logic-SDKs für Android- und Apple-Plattformen bieten eine vereinfachte und plattformfreundliche Möglichkeit, Bilder in Anfragen zu verarbeiten. Alle Bilder (unabhängig vom Format) werden clientseitig in JPEG mit 80% Qualität konvertiert, bevor sie an den Server gesendet werden. Das bedeutet, dass wenn Sie Bilder als Inline-Daten über die SDKs für Android- und Apple-Plattformen bereitstellen, Sie den MIME-Typ in der Anfrage nicht angeben müssen.

Diese vereinfachte Verarbeitung wird in der Firebase AI Logic-Dokumentation in den Beispielen für das Senden von Base64-codierten Bildern in Anfragen gezeigt.

Hier finden Sie einige zusätzliche plattformspezifische Informationen zu dieser Funktion:

• Android:

  • Sie können die vereinfachte Verarbeitung von plattformnativen Bildtypen (Bitmap) in multimodalen Prompts nutzen, die Bilder als Inline-Daten enthalten (siehe Beispiel).

  • Wenn Sie mehr Kontrolle über Bildformate und ‑konvertierungen haben möchten, können Sie die Bilder als InlineDataPart bereitstellen und den spezifischen MIME-Typ angeben. Beispiel:

    content { inlineData(/* PNG as byte array */, "image/png") }

• Für Apple-Plattformen:

  • Sie können die vereinfachte Verarbeitung von plattformnativen Bildtypen (UIImage, NSImage, CIImage und CGImage) in multimodalen Prompts nutzen, die Bilder als Inline-Daten enthalten (Beispiel).

  • Wenn Sie mehr Kontrolle über Bildformate und ‑konvertierungen haben möchten, können Sie die Bilder als InlineDataPart bereitstellen und den spezifischen MIME-Typ angeben. Beispiel:

    InlineDataPart(data: Data(/* PNG Data */), mimeType: "image/png")

Sind diese Funktionen verfügbar, wenn ich Firebase AI Logic verwende: Fundierung mit der Google Bildersuche, Feinabstimmung eines Modells, Generierung von Einbettungen und semantischer Abruf?

Die folgenden Funktionen werden von verschiedenen Modellen und API-Anbietern unterstützt, sind aber nicht verfügbar, wenn Sie Firebase AI Logic verwenden:

• Fundierung mit der Google Bildersuche
• Modell abstimmen
• Erstellung von Einbettungen
• Semantisches Abrufen

Wenn Sie diese als Feature Requests hinzufügen oder für einen vorhandenen Feature Request abstimmen möchten, besuchen Sie Firebase UserVoice.

Warum wurde der Name von „Vertex AI in Firebase“ zu „Firebase AI Logic“ geändert?

2024 haben wir eine Reihe von Firebase-Client-SDKs eingeführt, die die Agent Platform Gemini API (formerly Vertex AI) sowie ein Firebase-Proxy-Gateway verwenden können, um die API vor Missbrauch zu schützen und Integrationen mit anderen Firebase-Produkten zu ermöglichen. Wir haben unser Produkt „Vertex AI in Firebase“ genannt. Dieser Produktname hat die damals verfügbaren Anwendungsfälle unseres Produkts genau beschrieben.

Seitdem haben wir die Funktionen unseres Produkts jedoch erweitert. Seit Mai 2025 unterstützen wir beispielsweise Gemini Developer API, einschließlich der Möglichkeit, die Gemini Developer API mithilfe unserer Integration mit Firebase App Check vor Missbrauch zu schützen.

Daher entspricht der Name „Vertex AI in Firebase“ nicht mehr dem erweiterten Umfang unseres Produkts. Ein neuer Name – Firebase AI Logic – spiegelt unser sich ständig weiterentwickelndes Feature-Set besser wider und ermöglicht es uns, unser Angebot in Zukunft weiter auszubauen.

Im Migrationsleitfaden erfahren Sie, wie Sie alle neuen Funktionen von Firebase AI Logic nutzen können und optional mit der Verwendung von Gemini Developer API beginnen.

Was muss ich bei Swift-Apps auf Apple-Plattformen wegen der Änderung des Modulnamens von FirebaseAI zu FirebaseAILogic tun?

Ab Firebase SDK v12.5.0 wird Firebase AI Logic für Apps auf Apple-Plattformen im Modul FirebaseAILogic bereitgestellt. Diese Änderung ist nicht funktionsgefährdend und abwärtskompatibel.

Warum haben wir diese Änderung vorgenommen?

Wir haben diesen Dienst früher über das Modul FirebaseAI bereitgestellt. Wir mussten sie jedoch aus folgenden Gründen in FirebaseAILogic umbenennen:

• Vermeiden Sie Namenskonflikte zwischen Modul und Klasse, die Probleme bei binären Verteilungen verursachen.

• Ermöglichen Sie uns, Swift-Makros für die Entwicklung zukünftiger Funktionen zu verwenden.

Was kann ich tun, wenn ich ein Upgrade auf Version 12.5.0 oder höher durchführe?

Die Änderung des Modulnamens zu FirebaseAILogic ist nicht funktionsgefährdend und abwärtskompatibel. Das alte Modul wird jedoch möglicherweise mit einem zukünftigen Release mit Breaking Changes des Firebase SDK entfernt (Zeitrahmen derzeit noch nicht festgelegt).

Es sind keine Änderungen erforderlich, aber wir empfehlen Ihnen Folgendes:

1. Wählen Sie bei der Auswahl von Swift PM-Abhängigkeiten FirebaseAILogic (anstelle von FirebaseAI) aus.

2. Ändern Sie die Importanweisungen in FirebaseAILogic (statt FirebaseAI).

Muss App Check für alle öffentlichen Versionen meiner App erzwungen werden?

Ja, App Check muss für alle öffentlichen Versionen Ihrer App, die Firebase AI Logic verwenden, erzwungen werden.

Es ist wichtig, dass App Check so früh wie möglich erzwungen wird, insbesondere bevor Sie Ihre App in einem öffentlich verfügbaren Quellcode-Verwaltungssystem speichern, Ihre App freigeben oder Ihre App öffentlich verfügbar machen.

Wenn Sie App Check direkt in die Codebasis Ihrer App implementieren, können alle Ihre App-Versionen gültige App Check-Tokens senden. Eine Anfrage, bei der kein gültiges Token gesendet wird, gilt als nicht bestätigt und wird blockiert, wenn App Check erzwungen wird.

Wenn Sie bereits eine Version Ihrer App für Endnutzer veröffentlicht haben, in der App Check nicht implementiert ist, finden Sie in den FAQs Informationen dazu, wie Sie App Check für eine bereits veröffentlichte App implementieren und erzwingen.

Wie implementiere und erzwinge ich App Check für eine bereits veröffentlichte App?

Bei App-Versionen, in denen App Check nicht implementiert ist, enthalten Anfragen an Firebase AI Logic aus diesen Versionen keine gültigen App Check-Tokens und gelten als nicht bestätigt. Diese Anfragen werden blockiert, wenn App Check für AI Logic erzwungen wird.

So vermeiden Sie Dienstunterbrechungen bei einer bereits veröffentlichten App, die App Check nicht enthält: Führen Sie die folgenden Schritte vor der Erzwingung von App Check aus.

1. Implementieren Sie so schnell wie möglich einen Attestierungsanbieter in Ihrer App.

   • Apple-Plattformen: DeviceCheck oder App Attest

   • Android: Play Integrity

   • Web: reCAPTCHA Enterprise

   • Flutter: Unterstützt alle oben genannten Standardanbieter

   • Unity: Unterstützt alle oben genannten Standardanbieter

2. Überwachen Sie die Anfragen Ihrer App, um zu entscheiden, wann es sicher ist, App Check zu erzwingen.

   Wenn beispielsweise fast alle aktuellen Anfragen von bestätigten Clients stammen, sollten Sie App Check erzwingen.

3. App Check für Firebase AI Logic erzwingen:

4. Konfigurieren Sie für die lokale Entwicklung, wenn App Check erzwungen wird, den App Check-Debug-Anbieter, um die Attestierung zu umgehen und gleichzeitig die Erzwingung von App Check beizubehalten. Hier finden Sie die Einrichtungsanleitung für Ihre Plattform: iOS+ | Android | Web | Flutter | Unity.

Welche Sicherheitsupgrades gab es Mitte 2026 für das Gemini Developer API und das Firebase AI Logic?

Bisher wurde für die Autorisierung der Verwendung der Gemini Developer API (generativelanguage.googleapis.com) auf Standard-Gemini-API-Schlüssel zurückgegriffen. Wenn Sie Firebase AI Logic aktiviert und die Gemini Developer API verwendet haben, hat Firebase einen Gemini-API-Schlüssel für Sie erstellt, der auf die Gemini Developer API beschränkt war.Gemini Developer API Dieser Schlüssel hatte den Namen Gemini Developer API key (auto created by Firebase).

Ab Mitte 2026 wird Gemini Developer API auf eine sicherere Alternative namens Autorisierungsschlüssel (im Wesentlichen Dienstkonten) umgestellt. Firebase AI Logic wurde gleichzeitig aktualisiert. Anstelle eines standardmäßigen Gemini-API-Schlüssels übernimmt Firebase AI Logic jetzt die Autorisierung für die Gemini Developer API über ein von Google verwaltetes Dienstkonto (P4SA), das wir automatisch für Sie bereitstellen:
Firebase AI Logic Service Agent (service-PROJECT_ID@gcp-sa-firebasevertexai.iam.gserviceaccount.com)

Sowohl bei bestehenden als auch bei neuen Projekten gilt: Wenn Sie über Firebase AI Logic auf Gemini Developer API zugreifen, müssen Sie nichts weiter tun, um diese Sicherheitsupgrades ab Mitte 2026 zu nutzen.

Muss ich meinen Gemini-API-Schlüssel zu einem „Autorisierungsschlüssel“ migrieren?

Sowohl bei bestehenden als auch bei neuen Projekten gilt: Wenn Sie über Firebase AI Logic auf die Gemini Developer API zugreifen, sind keine Maßnahmen erforderlich, um die Sicherheitsupgrades ab Mitte 2026 zu nutzen (einschließlich der Migration zu einem Autorisierungsschlüssel).

Im Namen unserer Entwickler nimmt Firebase AI Logic automatisch alle erforderlichen Sicherheitsänderungen vor, um die Umstellung von Gemini Developer API auf die Verwendung von Autorisierungsschlüsseln (Auth-Schlüsseln) zu ermöglichen.

Ab Mitte 2026 werden in Firebase AI Logic keine Standard-Gemini-API-Schlüssel mehr bereitgestellt oder verwendet. Stattdessen übernimmt Firebase AI Logic jetzt die Autorisierung für Gemini Developer API über ein von Google verwaltetes Dienstkonto (P4SA), das wir automatisch für Sie in Ihrem Firebase-Projekt bereitstellen:
Firebase AI Logic Service Agent (service-PROJECT_ID@gcp-sa-firebasevertexai.iam.gserviceaccount.com)

Aufgrund dieser Änderung können Sie alle API-Schlüssel mit dem Namen Gemini Developer API key (auto created by Firebase) überprüfen und löschen. Sie können diesen Schlüssel in der Google Cloud-Konsole löschen. Beachten Sie die folgenden Punkte bevor Sie den Schlüssel löschen:

• Dieser Gemini-API-Schlüssel wurde von Firebase ausschließlich für die Verwendung mit Firebase AI Logic erstellt und kann daher gefahrlos gelöscht werden. Bevor Sie diesen Schlüssel löschen, sollten Sie jedoch prüfen, ob Sie ihn versehentlich mit anderen Tools verwendet haben, die Zugriff auf die Gemini Developer API ermöglichen, z. B. die GenAI-Server-SDKs oder Genkit. So prüfen Sie die Nutzung:
  1. Rufen Sie in der Google Cloud Console die Seite für Gemini Developer API auf und klicken Sie dann auf Verwalten.
  2. Wählen Sie auf dem Tab Messwerte im Drop-down-Menü Anmeldedaten den Schlüssel mit dem Namen Gemini Developer API key (auto created by Firebase) aus.
  3. Wenn in den angezeigten Diagrammen seit Anfang Juli 2026 keine Nutzung zu sehen ist (als Firebase AI Logic die Verwendung dieser API-Schlüssel eingestellt hat), können Sie den Schlüssel gefahrlos löschen.
     Wenn in den Diagrammen jedoch eine Nutzung angezeigt wird, verwenden Sie den Schlüssel mit einem anderen Tool. In diesem Fall sollten Sie den Schlüssel umbenennen, damit klar ist, dass er mit diesem Tool verwendet wird (und nicht mit Firebase AI Logic).
• Achten Sie darauf, dass Sie keinen anderen API-Schlüssel löschen, dessen Name das Segment (auto created by Firebase) enthält.

Sollte ich einen Gemini-API-Schlüssel in den Code meiner mobilen App oder Web-App einfügen?

Wenn Sie die Firebase AI Logic-SDKs verwenden, benötigen Sie keinen Gemini-API-Schlüssel, um die Verwendung der Gemini Developer API zu autorisieren. Sie sollten keinen Gemini-API-Schlüssel in die Codebasis Ihrer App einfügen.

Kann ich meinen „Firebase-API-Schlüssel“ als Gemini-API-Schlüssel verwenden?

Nein. Sie sollten Ihren Firebase-API-Schlüssel nicht als Gemini-API-Schlüssel verwenden. Wir empfehlen dringend, nicht die Gemini Developer API auf die Zulassungsliste für Ihren Firebase-API-Schlüssel zu setzen.

Ihr Firebase-API-Schlüssel ist der API-Schlüssel, der in der Firebase-Konfigurationsdatei oder im Firebase-Konfigurationsobjekt aufgeführt ist, das Sie in die Codebasis Ihrer App einfügen, um Ihre App mit Firebase zu verbinden. Sie können Ihren Firebase-API-Schlüssel in Ihren Code einfügen, wenn Sie den Schlüssel nur mit Firebase-bezogenen APIs (z. B. Firebase AI Logic) verwenden. Wichtige Informationen zu Firebase-API-Schlüsseln

So sehen Firebase-API-Schlüssel im Bereich „APIs & Dienste“ > Anmeldedaten der Google Cloud-Konsole aus:

Da Sie den Firebase-API-Schlüssel in die Codebasis Ihrer App einfügen müssen, damit Firebase-bezogene APIs funktionieren, und da die Gemini Developer API über den API-Schlüssel autorisiert werden kann, empfehlen wir dringend, die Gemini Developer API (in der Google Cloud-Konsole als „Generative Language API“ bezeichnet) NICHT in die API-Zulassungsliste für Ihren Firebase-API-Schlüssel aufzunehmen. Wenn Sie das tun, setzen Sie die Gemini Developer API einem potenziellen Missbrauch aus.

Wie schütze ich meinen Gemini-API-Schlüssel?