Najczęstsze pytania i rozwiązywanie problemów

Różnice między korzystaniem z Gemini Developer API i Agent Platform Gemini API (formerly Vertex AI)

W tabeli poniżej znajdziesz najważniejsze różnice między tymi 2 dostawcami „Gemini API” ogólnie, niezależnie od sposobu uzyskiwania do nich dostępu:

¹ Obaj dostawcy interfejsów API mają różne ceny w modelu płatności według wykorzystania (więcej informacji znajdziesz w ich dokumentacji).

² Interfejs Files API dla Gemini Developer API nie jest obsługiwany przez pakiety SDK Firebase AI Logic.

W tabeli poniżej znajdziesz informacje o dostępności funkcji, o które często pytają użytkownicy, w przypadku 2 dostawców „Gemini API”. Ta tabela dotyczy wyłącznie sytuacji, w których używasz Firebase AI Logicpakietów SDK klienta.

Jak korzystać z Gemini Developer API i Agent Platform Gemini API (formerly Vertex AI)

W projekcie w Firebase możesz mieć włączonych obu dostawców Gemini API, a w aplikacji możesz używać obu interfejsów API.

Aby przełączać się między dostawcami interfejsów API w kodzie, upewnij się, że usługa backendu jest odpowiednio ustawiona w kodzie.

Zmiany wymagane w związku ze zmianą nazwy marki „Vertex AI” na „Agent Platform”

W połowie 2026 r. firma Google Cloud zmieniła nazwę „Vertex AI” na „Gemini Enterprise Agent Platform” (lub „Agent Platform”). W ekosystemie Firebase nazywamy tę usługę „Agent Platform Gemini API”.

W przypadku Google Cloud zmiana nazwy marki obejmowała te elementy: Pamiętaj, że wprowadziliśmy też inne zmiany, ale nie dotyczą one Firebase AI Logic.

• Zmiana nazwy usługi z „Vertex AI” na „Gemini Enterprise Agent Platform” (lub „Agent Platform”), która obejmuje nowe adresy URL konsoli Google Cloud i dokumentacji.

• Zmieniamy wyświetlaną nazwę interfejsu API z „Vertex AI API” na „Agent Platform API”. Pamiętaj, że nazwa usługi pozostała bez zmian: aiplatform.googleapis.com.

• Zmieniamy nazwę „Vertex AI Studio” na „Agent Studio”.

• Nie wprowadzamy żadnych zmian w możliwościach podstawowych interfejsów API ani obsługiwanych modeli.

W przypadku pakietów SDK Firebase AI Logic uwzględniliśmy tę zmianę nazwy marki, aktualizując składnię inicjowania usługi backendu „Gemini API” oraz domyślną lokalizację dostępu do modelu podczas korzystania z tej nowej składni.

• Nowa składnia inicjowania usługi backendu „Gemini API”:

  Swift

  Zmień vertexAI na agentPlatform.

  • Składnia agentPlatform jest dostępna od wersji 12.17.0 lub nowszej pakietu SDK.
  • Składnia vertexAI została usunięta w wersji 13.0.0 pakietu SDK.

  PRZED

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the legacy `vertexAI` syntax, the default location is `us-central1`, so
  // specifying a location is usually required since most models are *not* supported in `us-central1`.
  let ai = FirebaseAI.firebaseAI(backend: .vertexAI(location: "LOCATION"))
  
  // ...
  

  PO

  // ...
  
  // 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

  Zmień vertexAI na agentPlatform.

  • Składnia agentPlatform jest dostępna od wersji 17.15.0 pakietu SDK i wersji 34.17.0 Firebase Android BoM.
  • Składnia vertexAI została usunięta w wersji 18.0.0 pakietu SDK i w wersji 35.0.0 BoM.

  PRZED

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the legacy `vertexAI` syntax, the default location is `us-central1`, so
  // specifying a location is usually required since most models are *not* supported in `us-central1`.
  val ai = Firebase.ai(backend = GenerativeBackend.vertexAI(location = "LOCATION"))
  
  // ...
  

  PO

  // ...
  
  // 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

  Zmień vertexAI na agentPlatform.

  • Składnia agentPlatform jest dostępna od wersji 17.15.0 pakietu SDK i wersji 34.17.0 Firebase Android BoM.
  • Składnia vertexAI została usunięta w wersji 18.0.0 pakietu SDK i w wersji 35.0.0 BoM.

  PRZED

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the legacy `vertexAI` syntax, the default location is `us-central1`, so
  // specifying a location is usually required since most models are *not* supported in `us-central1`.
  GenerativeModel ai = FirebaseAI.getInstance(GenerativeBackend.vertexAI("LOCATION"));
  
  // ...
  

  AFTER

  // ...
  
  // 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

  Zmień VertexAIBackend na AgentPlatformBackend.

  • Składnia AgentPlatformBackend jest dostępna od wersji 12.17.0 pakietu SDK Firebase JS.
  • Składnia VertexAIBackend została usunięta w wersji 13.0.0 pakietu SDK.

  PRZED

  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-central1`, so
  // specifying a location is usually required since most models are *not* supported in `us-central1`.
  const ai = getAI(firebaseApp, { backend: new VertexAIBackend('LOCATION') });
  
  // ...
  

  PO

  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

  Zmień vertexAI na agentPlatform.
  Dostępne od wersji 3.15.0 wtyczki Firebase AI Logic do Fluttera (Firebase Flutter BoM w wersji 4.18.0 lub nowszej).

  PRZED

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the legacy `vertexAI` syntax, the default location is `us-central1`, so
  // specifying a location is usually required since most models are *not* supported in `us-central1`.
  final ai = await FirebaseAI.vertexAI(location: 'LOCATION');
  
  // ...
  

  AFTER

  // ...
  
  // 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');
  
  // ...
  

  Unity

  Zmień VertexAI na AgentPlatform.
  Dostępne od wersji 13.15.0 pakietu SDK Firebase dla Unity.

  PRZED

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the legacy `VertexAI` syntax, the default location is `us-central1`, so
  // specifying a location is usually required since most models are *not* supported in `us-central1`.
  var ai = FirebaseAI.GetInstance(FirebaseAI.Backend.VertexAI(location: "LOCATION"));
  
  // ...
  

  PO

  // ...
  
  // 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"));
  
  // ...
  

• Nowa domyślna lokalizacja dostępu do modelu podczas korzystania z nowej składni inicjowania:

  Gdy używasz nowej składni inicjowania „Platformy agenta”, lokalizacja domyślnie jest ustawiona na global.

  Wprowadziliśmy tę zmianę, ponieważ prawie wszystkie modele Gemini są obsługiwane w regionie global, a Google Cloud nie obsługuje już lokalizacji us-central1 w przypadku nowych wersji większości modeli Gemini.

Aplikacje Swift – zmiany wymagane do przejścia z FirebaseAI na FirebaseAILogic

W przypadku aplikacji na platformy Apple, począwszy od pakietu SDK Firebase w wersji 12.5.0, pakiet Firebase AI Logic jest rozpowszechniany w module FirebaseAILogic. W pakiecie SDK w wersji 13.0.0 usunięto moduł FirebaseAI.

Dlaczego wprowadziliśmy tę zmianę?

Wcześniej udostępnialiśmy tę usługę w module FirebaseAI. Musieliśmy jednak zmienić jego nazwę na FirebaseAILogic z tych powodów:

• Unikaj kolizji nazw między modułem a klasą, która powoduje problemy w dystrybucjach binarnych.

• Umożliwienie nam korzystania z makr Swift na potrzeby przyszłego rozwoju funkcji.

Co zrobić, jeśli uaktualniasz system do wersji 12.5.0 lub nowszej albo 13.0.0 lub nowszej?

W Firebase 12 (począwszy od wersji 12.5.0) zmiana nazwy modułu na FirebaseAILogic nie powoduje błędów i jest zgodna wstecznie, więc te zmiany są zalecane w Firebase 12. W pakiecie SDK Firebase w wersji 13.0.0 usunięto jednak stary moduł FirebaseAI, więc podczas uaktualniania do Firebase 13 te zmiany są wymagane.

1. Podczas wybierania zależności Swift PM wybierz FirebaseAILogic (zamiast FirebaseAI).

2. Zmień instrukcje importowania na FirebaseAILogic (zamiast FirebaseAI).

Wymagane interfejsy API i sposób ich włączania

Aby używać pakietów SDK Firebase AI Logic z Gemini Developer API, w projekcie muszą być włączone te 2 interfejsy API:

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

Te 2 interfejsy API należy włączyć w konsoli Firebase:

1. W konsoli Firebase otwórz Usługi AI > AI Logic.

2. Kliknij Rozpocznij.

3. Wybierz, aby rozpocząć korzystanie z Gemini Developer API.

   Spowoduje to uruchomienie procesu, który umożliwi Ci włączenie tych 2 interfejsów API. Firebase utworzy też zarządzane przez Google konto usługi (P4SA) do autoryzowania korzystania z Gemini API, a także doda interfejs API Firebase AI Logic do listy dozwolonych dla klucza interfejsu API Firebase.

Jak wyłączyć interfejsy API w projekcie w Firebase

W przypadku Firebase AI Logic staramy się, aby konfiguracja projektu w Firebase pod kątem korzystania z wybranego dostawcy Gemini API była jak najprostsza. Obejmuje to włączanie wymaganych interfejsów API w projekcie w Firebase podczas określonych procesów, takich jak proces z instrukcjami w konsoli Firebase.

Jeśli jednak zdecydujesz się nie korzystać z usługi Firebase AI Logic ani z żadnego z dostawców Gemini API, możesz wyłączyć powiązane interfejsy API w projekcie w Firebase.

Wymagane uprawnienia do korzystania z Firebase AI Logic

Obsługiwane modele w przypadku korzystania z usługi Firebase AI Logic

Zobacz listę obsługiwanych modeli. Często dodajemy do pakietów SDK nowe funkcje, dlatego sprawdzaj tę stronę z najczęstszymi pytaniami, aby być na bieżąco (oraz czytaj informacje o wersjach, blogi i posty w mediach społecznościowych).

• Firebase AI Logic obsługuje te modele:

  • Gemini Developer API

    • Większość Gemini modeli podstawowych

  • Agent Platform Gemini API (formerly Vertex AI)

    • Większość modeli podstawowych Gemini

• Firebase AI Logic nie obsługuje tych modeli (niezależnie od wybranego dostawcy Gemini API):

  • Modele dostrojone

  • modele wektorów dystrybucyjnych, modele Veo, modele Lyria, modele robotyki, modele do obsługi komputera, modele Gemini Omni, modele Gemini Cyber.

Wycofane lub zamknięte (wycofane) modele – lista i zamienniki

Zapoznaj się z najczęstszymi pytaniami dotyczącymi zmian wymaganych w przypadku wycofania lub wyłączenia modeli.

Gemini 2.5 modele stabilne – daty wyłączenia i zamienniki;

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

  gemini-2.5-pro
gemini-2.5-flash
gemini-2.5-flash-lite
gemini-2.5-flash-image (czyli „Nano Banana”)

  • W przypadku modeli ogólnego zastosowania data wyłączenia zależy od wybranego dostawcy Gemini API:

    • Gemini Developer API (AI od Google): wycofane, ale nie ogłoszono jeszcze daty wyłączenia (tylko wcześniej aktywne projekty mogą nadal z nich korzystać);
    • Agent Platform Gemini API (formerly Vertex AI): 20 października 2026 r.

  • W przypadku modelu do generowania obrazów (Nano Banana) data wyłączenia jest taka sama niezależnie od wybranego dostawcy Gemini API: 2 października 2026 r.

  Pamiętaj, że inne modele „Nano Banana” i wszystkie stabilne modele Gemini Live API 2.5 nie są objęte tym problemem.

Zastąpienie: przejdź na jeden z najnowszych modeli Gemini (np. gemini-4-argon, gemini-3.8-flash lub gemini-3.1-flash-image).

Modele stabilne Imagen – daty wyłączenia i zamienniki

• Wszystkie modele Imagen zostaną wyłączone najwcześniej 17 sierpnia 2026 r. (pamiętaj, że ta data została przesunięta z 30 czerwca 2026 r.).

Zamiennik: przenieś swoje aplikacje, aby korzystały z Gemini modeli generowania obrazów (modele „Nano Banana”).

Modele stabilne Gemini 2.0 – daty wyłączenia i zamienniki

• Gemini 2.0 Flash i Gemini 2.0 Flash‑Lite:

  gemini-2.0-flash-001 (oraz jego automatycznie aktualizowany alias gemini-2.0-flash)
  gemini-2.0-flash-lite-001 (oraz jego automatycznie aktualizowany alias gemini-2.0-flash-lite)

  • 6 lutego 2026 r.: te modele nie będą już dostępne w projektach, w których nie były wcześniej używane.

  • 31 marca 2026 r.: te modele zostaną wyłączone.

  Pamiętaj, że nie dotyczy to stabilnych modeli Gemini Live API 2.0.

Zamiennik: przejdź na jeden z nowych modeli Gemini 3.x (np. gemini-3.1-flash-lite).

Stabilne modele Gemini 1.5 i 1.0 – daty wyłączenia i zamienniki

• Modele Gemini 1.5 Pro:

  • gemini-1.5-pro-002 (i gemini-1.5-pro): 24 września 2025 r.
  • gemini-1.5-pro-001: 24 maja 2025 r.

• Modele Gemini 1.5 Flash:

  • gemini-1.5-flash-002 (i gemini-1.5-flash): 24 września 2025 r.
  • gemini-1.5-flash-001: 24 maja 2025 r.

• Gemini 1.0 Pro Vision: 21 kwietnia 2025 r. (poprzednia data: 9 kwietnia 2025 r.)

• Gemini 1.0 Pro modele: 21 kwietnia 2025 r. (wcześniej planowane na 9 kwietnia 2025 r.)

Zamiennik: przejdź na jeden z nowych modeli Gemini 3.x (np. gemini-3.1-flash-lite).

Zmiany wymagane w przypadku wycofania lub wyłączenia modeli

Gdy Google udostępnia stabilną wersję modelu, staramy się, aby była ona dostępna przez co najmniej 12 miesięcy, zanim zostanie wycofana. Pamiętaj jednak, że w przypadku Agent Platform Gemini API (formerly Vertex AI) niektóre stabilne modele są dostępne tylko krótkoterminowo, co oznacza, że mogą zostać wyłączone (wycofane) już po 45 dniach od wydania modelu zastępczego.

Gdzie można znaleźć datę wyłączenia modelu?

Oto kilka sposobów na znalezienie daty wyłączenia modelu:

• W momencie premiery: podajemy oczekiwaną datę wyłączenia każdego modelu w kilku miejscach w dokumentacji dostawcy Gemini API oraz w dokumentacji Firebase (patrz strona z obsługiwanymi modelami).

• W miarę zbliżania się daty wyłączenia:

  • Google wysyła e-maile do odpowiednich członków projektu.
  • Przypomnienia o nadchodzących wyłączeniach publikujemy na różnych kanałach:
    • Informacje o wersji (zobacz przykład)
    • banery na poziomie strony, strona z obsługiwanymi modelami, najczęstsze pytania dotyczące wycofanych i wyłączonych modeli.

Co zrobić, jeśli model, którego używasz, zostanie wyłączony?

1. Znajdź odpowiedni obecnie obsługiwany model i jego nazwę.

   Zalecane modele zastępcze znajdziesz też w FAQ dotyczącym wycofanych i wyłączonych modeli.

2. Zaktualizuj nazwę modelu używaną przez aplikację przed datą wyłączenia. W przeciwnym razie wszystkie żądania do tego modelu będą kończyć się niepowodzeniem z błędem 404.

   • Nazwę modelu ustawiasz podczas inicjowania, gdy tworzysz instancję GenerativeModel, LiveModel lub ImagenModel. Zapoznaj się z ważną rekomendacją poniżej dotyczącą używania szablonów promptów Firebase Remote Config lub szablonów promptów serwera.

   • Gdy używasz Firebase AI Logic, zwykle nie musisz modyfikować żadnej części kodu, która faktycznie wywołuje model.

     Pamiętaj, że w przypadku najnowszych modeli Gemini 4.x i Gemini 3.x kilka parametrów jest nieobsługiwanych (w szczególności temperatura, Top-K, Top-P, kara za częstotliwość, kara za obecność i liczba kandydatów).

3. Przetestuj aplikację, aby upewnić się, że odpowiedzi są nadal zgodne z oczekiwaniami.

Jak ustawić limit na użytkownika

Domyślnie Firebase AI Logic ustawia limit żądań na użytkownika na 100 żądań na minutę.

Jeśli chcesz dostosować limit na użytkownika, musisz zmienić ustawienia limitu dla interfejsu API Firebase AI Logic.

Dowiedz się więcej o limicie interfejsu API Firebase AI Logic. Na tej stronie znajdziesz też informacje o tym, jak wyświetlać i edytować limit.

Jak zmniejszyć opóźnienie i wysokie wykorzystanie tokenów

Jeśli występują problemy z długim czasem oczekiwania lub wysokim wykorzystaniem tokenów, prawdopodobnie jest to spowodowane konfiguracją poziomu rozumowania w używanym modelu.

Modele Gemini 3 i nowsze zawsze używają wewnętrznego „procesu myślowego”, który znacznie poprawia ich zdolność do rozumowania i wieloetapowego planowania. Dzięki temu są bardzo skuteczne w przypadku złożonych zadań, takich jak kodowanie, zaawansowana matematyka i analiza danych.

W zależności od zadania wyższe poziomy myślenia nie zawsze są jednak potrzebne i możesz skonfigurować model tak, aby używał niższego poziomu myślenia. Niższy poziom rozumowania pomoże zmniejszyć opóźnienia i wykorzystanie tokenów. Aby ułatwić Ci podjęcie decyzji, w jakim stopniu model może potrzebować zdolności rozumowania, zapoznaj się z porównaniem trudności zadań.

Pamiętaj, że w przypadku większości modeli Gemini 3 i nowszych domyślny poziom myślenia jest ustawiony na HIGH.

Wymagania dotyczące typu MIME w przypadku żądań multimodalnych (np. w przypadku obrazów, plików PDF, filmów i dźwięku)

W każdym żądaniu multimodalnym musisz zawsze podać te informacje:

• mimeType pliku. Poniżej znajdziesz wyjątek.

• Plik. Możesz podać plik jako dane wbudowane lub użyć jego adresu URL.

Więcej informacji o obsługiwanych typach plików wejściowych, sposobie określania typu MIME i 2 opcjach przesyłania pliku znajdziesz w artykule Obsługiwane pliki wejściowe i wymagania.

Wyjątek od uwzględniania typu MIME w żądaniu

Wyjątkiem od podawania typu MIME są dane wejściowe w postaci obrazów wstawionych w tekście w przypadku żądań z aplikacji na platformy natywne Androida i Apple.

Pakiety Firebase AI Logic SDK na platformy Android i Apple zapewniają uproszczony i przyjazny dla platformy sposób obsługi obrazów w żądaniach – wszystkie obrazy (niezależnie od formatu) są konwertowane po stronie klienta do formatu JPEG w jakości 80% przed wysłaniem na serwer. Oznacza to, że gdy podajeszobrazy jako dane wbudowane za pomocą pakietów SDK na platformy Android i Apple,nie musisz określać typu MIME w żądaniu.

To uproszczone postępowanie zostało przedstawione w Firebase AI Logicdokumentacji w przykładach wysyłania obrazów zakodowanych w formacie base64 w żądaniach.

Poniżej znajdziesz dodatkowe informacje o tej funkcji na poszczególnych platformach:

• Na urządzeniu z Androidem:

  • Możesz skorzystać z uproszczonego sposobu obsługi natywnych typów obrazów na platformie (Bitmap) w promptach multimodalnych, które zawierają obrazy jako dane wbudowane (patrz przykład).

  • Aby mieć większą kontrolę nad formatami plików graficznych i konwersjami, możesz przesłać obrazy jako InlineDataPart i podać konkretny typ MIME. Przykład:

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

• Na platformach Apple:

  • Możesz skorzystać z uproszczonego sposobu obsługi typów obrazów natywnych dla platformy (UIImage, NSImage, CIImage i CGImage) w promptach multimodalnych, które zawierają obrazy jako dane wbudowane (zobacz przykład).

  • Aby mieć większą kontrolę nad formatami plików graficznych i konwersjami, możesz podać obrazy jako InlineDataPart i podać konkretny typ MIME. Przykład:

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

Funkcje zaawansowane, które nie są jeszcze dostępne w przypadku Firebase AI Logic: grounding z użyciem wyszukiwarki grafiki Google, dostrajanie modelu, generowanie wektorów dystrybucyjnych i semantyczne pobieranie

Te funkcje są obsługiwane przez różne modele i dostawców interfejsów API, ale nie są dostępne podczas korzystania z Firebase AI Logic:

• Powiązanie ze źródłem informacji przy użyciu wyszukiwarki grafiki Google
• Dostrajanie modelu
• Generowanie wektorów dystrybucyjnych
• Pobieranie semantyczne

Jeśli chcesz dodać te prośby o dodanie funkcji lub zagłosować na istniejącą prośbę o dodanie funkcji, wejdź na Firebase UserVoice.

Informacje o zmianie nazwy z „Vertex AI in Firebase” na „Firebase AI Logic”

W 2024 r. wprowadziliśmy zestaw pakietów SDK klienta Firebase, które mogą korzystać z Agent Platform Gemini API (formerly Vertex AI), a także bramę proxy Firebase, aby chronić ten interfejs API przed nadużyciami i umożliwiać integrację z innymi usługami Firebase. Nazwaliśmy naszą usługę „Vertex AI w Firebase”, a ta nazwa produktu dokładnie opisywała dostępne wówczas przypadki użycia.

Od tego czasu rozszerzyliśmy jednak możliwości naszej usługi. Na przykład od maja 2025 r. obsługujemy Gemini Developer API, w tym możliwość ochrony Gemini Developer API przed nadużyciami za pomocą integracji z Firebase App Check.

W związku z tym nazwa „Vertex AI w Firebase” nie odzwierciedla już dokładnie rozszerzonego zakresu naszej usługi. Dlatego wprowadzamy nową nazwę – Firebase AI Logic – która lepiej odzwierciedla nasz rozwijający się zestaw funkcji i umożliwia nam dalsze rozszerzanie oferty w przyszłości.

Zapoznaj się z przewodnikiem po migracji, aby mieć pewność, że korzystasz z najnowszych funkcji Firebase AI Logic (i opcjonalnie zacznij używać Gemini Developer API).

Używanie danych do trenowania modeli

Zobacz Zarządzanie danymi i odpowiedzialna AI.

Wymagane App Check egzekwowanie w przypadku wszystkich wersji aplikacji

Zasady App Check muszą być egzekwowane we wszystkich wersjach aplikacji, które używają pakietu Firebase AI Logic.

Wymaganie App Check musi być egzekwowane jak najwcześniej, zwłaszcza zanim prześlesz aplikację do publicznie dostępnego systemu kontroli kodu źródłowego, udostępnisz ją lub udostępnisz ją publicznie.

Jeśli od razu zaimplementujesz App Check w bazie kodu aplikacji, wszystkie jej wersje będą mogły wysyłać prawidłowe tokeny App Check. Żądanie, które nie wysyła prawidłowego tokena, jest uznawane za niezweryfikowane i będzie blokowane, gdy zostanie wymuszone użycie App Check.

Jeśli masz już wersję aplikacji udostępnioną użytkownikom, która nie ma zaimplementowanego App Check, zapoznaj się z odpowiedziami na najczęstsze pytania, aby dowiedzieć się, jak wdrożyć i egzekwować App Check w przypadku aplikacji, która została już opublikowana.

Jak wdrożyć i egzekwować App Check w przypadku aplikacji, która została już opublikowana

W przypadku wersji aplikacji, w których nie zaimplementowano App Check, żądania wysyłane do Firebase AI Logic z tych wersji nie mają prawidłowych tokenów App Check i są uznawane za niezweryfikowane. Te żądania zostaną zablokowane, gdy zasada App Check zostanie wymuszona w przypadku Firebase AI Logic.

Te instrukcje pomogą Ci przeprowadzić migrację aplikacji, aby można było wymusić App Check w sposób, który pozwoli uniknąć przerw w działaniu już opublikowanej aplikacji, która nie ma App Check.

1. Jak najszybciej zaimplementuj w aplikacji dostawcę atestów produkcyjnych.

   • Platformy Apple: DeviceCheck lub App Attest lub reCAPTCHA Enterprise
   • Android: Play Integrity lub reCAPTCHA Enterprise
   • Internet: reCAPTCHA Enterprise
   • Flutter: obsługuje wszystkich powyższych dostawców, w tym reCAPTCHA Enterprise.
   • Unity: obsługuje wszystkich powyższych dostawców (obsługa reCAPTCHA Enterprise pojawi się wkrótce).

2. Monitoruj żądania z aplikacji, aby łatwiej określić, kiedy można bezpiecznie wymusić App Check.

   Jeśli na przykład prawie wszystkie ostatnie żądania pochodzą od zweryfikowanych klientów, warto rozważyć wymuszenie App Check.

3. Wymuś App Check dla Firebase AI Logic.

4. W przypadku lokalnego środowiska programistycznego, gdy usługa App Check jest wymuszana, możesz skonfigurować dostawcę debugowania App Check i nadal wymuszać usługę App Check w przypadku Firebase AI Logic.

Informacje o ulepszeniach zabezpieczeń (połowa 2026 r.) w przypadku Gemini Developer API i Firebase AI Logic

W przeszłości usługa Gemini Developer API korzystała ze standardowych kluczy interfejsu API Gemini do autoryzacji użycia Gemini Developer API (generativelanguage.googleapis.com). Jeśli usługa Firebase AI Logic została przez Ciebie włączona i wybrano korzystanie z Gemini Developer API, Firebase utworzył dla Ciebie klucz interfejsu API Gemini, który był ograniczony do Gemini Developer API. Ten kluczyk nosił nazwę Gemini Developer API key (auto created by Firebase).

W połowie 2026 r. Gemini Developer API zostanie zastąpiony bezpieczniejszą alternatywą, czyli kluczami autoryzacji (które są zasadniczo kontami usługi). Firebase AI Logic został uaktualniony. Zamiast standardowego klucza interfejsu API Gemini Firebase AI Logic obsługuje teraz autoryzację dla Gemini Developer API za pomocą zarządzanego przez Google konta usługi (P4SA), które automatycznie udostępniamy:
Agent usługi Firebase AI Logic (service-PROJECT_ID@gcp-sa-firebasevertexai.iam.gserviceaccount.com)

W przypadku istniejących i nowych projektów jeśli uzyskasz dostęp do Gemini Developer API za pomocą Firebase AI Logic, nie musisz podejmować żadnych działań, aby korzystać z tych ulepszeń zabezpieczeń od połowy 2026 roku.

Jak przenieść klucz interfejsu API Gemini na „klucz autoryzacji”

W przypadku istniejących i nowych projektów jeśli uzyskasz dostęp do Gemini Developer API za pomocą Firebase AI Logic, nie musisz podejmować żadnych działań, aby skorzystać z ulepszeń zabezpieczeń od połowy 2026 r. (w tym przejścia na „klucz autoryzacji”).

W imieniu naszych deweloperów Firebase AI Logic automatycznie obsługuje wszystkie wymagane zmiany zabezpieczeń, aby dostosować się do przejścia Gemini Developer API na wymaganie „kluczy autoryzacji”.

Od połowy 2026 r. Firebase AI Logic nie będzie już udostępniać ani używać standardowych kluczy interfejsu API Gemini. Zamiast tego Firebase AI Logic obsługuje teraz autoryzację dla Gemini Developer API za pomocą zarządzanego przez Google konta usługi (P4SA), które automatycznie udostępniamy w Twoim projekcie w Firebase:
Agent usługi Firebase AI Logic (service-PROJECT_ID@gcp-sa-firebasevertexai.iam.gserviceaccount.com)

W związku z tą zmianą możesz sprawdzić i usunąć każdy klucz interfejsu API o nazwie Gemini Developer API key (auto created by Firebase). Możesz usunąć ten klucz w Google Cloudkonsoli. Przed usunięciem klucza zapoznaj się z tymi informacjami:

• Ten klucz interfejsu API Gemini został utworzony przez Firebase wyłącznie do użytku z Firebase AI Logic, więc można go bezpiecznie usunąć. Zanim jednak usuniesz ten klucz, sprawdź, czy nie został on błędnie użyty w innych narzędziach, które mogą zapewniać dostęp do Gemini Developer API, takich jak pakiety SDK serwera generatywnej AI lub Genkit. Aby sprawdzić wykorzystanie:
  1. W konsoli Google Cloud otwórz stronę Gemini Developer API, a następnie kliknij Zarządzaj.
  2. Na karcie Dane w menu Dane logowania wybierz klucz o nazwie Gemini Developer API key (auto created by Firebase).
  3. Jeśli wyświetlane wykresy nie pokazują żadnego wykorzystania od początku lipca 2026 r. (czyli od momentu, gdy usługa Firebase AI Logic przestała używać tych kluczy interfejsu API), możesz bezpiecznie usunąć klucz.
     Jeśli jednak wykresy pokazują użycie, oznacza to, że używasz klucza z innym narzędziem. W takim przypadku zmień nazwę klucza, aby było jasne, że jest on używany z tym narzędziem (a nie z Firebase AI Logic).
• Upewnij się, że nie usuwasz żadnego innego klucza interfejsu API o nazwie zawierającej segment (auto created by Firebase).

Nie dodawaj klucza interfejsu API Gemini do bazy kodu aplikacji mobilnej ani internetowej.

Jeśli używasz pakietów SDK Firebase AI Logic, nie potrzebujesz klucza interfejsu API Gemini do autoryzacji korzystania z Gemini Developer API i nie musisz dodawać klucza interfejsu API Gemini do bazy kodu aplikacji.

Nie używaj „klucza interfejsu API Firebase” jako klucza interfejsu API Gemini.

Nigdy nie używaj „klucza interfejsu Firebase API” jako klucza interfejsu API Gemini. Zdecydowanie zalecamy, aby nie dodawać znaku Gemini Developer API do listy dozwolonych kluczy interfejsu API Firebase.

Klucz interfejsu API Firebase to klucz interfejsu API, który jest wymieniony w pliku konfiguracyjnym Firebase lub w obiekcie dodawanym do bazy kodu aplikacji w celu połączenia aplikacji z Firebase. Możesz umieścić klucz interfejsu API Firebase w kodzie, jeśli używasz go tylko z interfejsami API powiązanymi z Firebase (np.Firebase AI Logic). Więcej informacji o kluczach interfejsu API Firebase

W panelu Interfejsy API i usługi > Dane logowania konsoli Google Cloud klucze interfejsu API Firebase wyglądają tak:

Aby interfejsy API związane z Firebase działały, musisz dodać klucz interfejsu Firebase API do bazy kodu aplikacji. Ponieważ interfejs Gemini Developer API można autoryzować za pomocą klucza interfejsu API, zdecydowanie zalecamy, aby NIE dodawać interfejsu Gemini Developer API (w konsoli Google Cloud nazywanego „Generative Language API”) do listy dozwolonych interfejsów API dla klucza interfejsu Firebase API. Jeśli to zrobisz, Gemini Developer API będzie narażony na potencjalne nadużycia.

Jak zabezpieczyć klucz interfejsu API Gemini