Najczęstsze pytania i rozwiązywanie problemów

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

W tabeli poniżej znajdziesz ważne różnice między tymi 2 rodzajami dostawców „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 używane są pakiety SDK klienta Firebase AI Logic.

Jak używać właściwości Gemini Developer API i Agent Platform Gemini API (formerly Vertex AI)

W projekcie w Firebase możesz mieć włączonych obu dostawców Gemini API i korzystać z obu interfejsów API w samej aplikacji.

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.

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

• Zmiana nazwy „Vertex AI Studio” na „Agent Studio”.

• Nie wprowadzamy żadnych zmian w możliwościach bazowych 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 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"))
  
  // ...
  

  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`.
  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"))
  
  // ...
  

  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`.
  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"));
  
  // ...
  

  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`.
  GenerativeModel ai = FirebaseAI.getInstance(GenerativeBackend.agentPlatform("LOCATION"));
  
  // ...
  

  Web

  Zmień VertexAIBackend na AgentPlatformBackend.

  • Składnia AgentPlatformBackend jest dostępna od wersji 12.17.0 pakietu Firebase JS SDK.
  • 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') });
  
  // ...
  

  AFTER

  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');
  
  // ...
  

  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`.
  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:

  W przypadku używania nowej składni inicjowania „Agent Platform” domyślna lokalizacja to 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.

W przypadku aplikacji w Swift – zmiany wymagane do przejścia z FirebaseAI na FirebaseAILogic

W przypadku aplikacji na platformę Apple od wersji 12.5.0 pakietu SDK Firebase Firebase AI Logic jest teraz rozpowszechniany w ramach modułu FirebaseAILogic. Wprowadziliśmy tę zmianę w taki sposób, aby nie powodowała problemów i była zgodna wstecznie.

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 przechodzisz na wersję 12.5.0 lub nowszą?

Zmiana nazwy modułu na FirebaseAILogic nie powoduje błędów i jest zgodna wstecznie z Firebase 12. Jednak w Firebase 13 ten stary moduł zostanie usunięty. Przed aktualizacją do Firebase 13 zmień zależności i importy.

W związku ze zmianą nazwy tego modułu nie musisz wprowadzać żadnych zmian, ale zalecamy wykonanie tych czynności:

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 Agent Platform Gemini API (formerly Vertex AI), w projekcie musisz włączyć te 2 interfejsy API:

• Agent Platform API (aiplatform.googleapis.com)
• Firebase AI Logic API (firebasevertexai.googleapis.com)

Możesz włączyć te interfejsy API, korzystając z jednej z tych opcji:

• Opcja 1 (zalecana): włącz interfejsy API kilkoma kliknięciami w konsoli Firebase:

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

  2. Kliknij Rozpocznij.

  3. Wybierz, aby rozpocząć korzystanie z Agent Platform Gemini API (formerly Vertex AI).

     Spowoduje to uruchomienie przepływu pracy z instrukcjami, który włączy oba interfejsy API. Firebase udostępni też zarządzane przez Google konto usługi (P4SA) do autoryzacji korzystania z Gemini API oraz doda interfejs API Firebase AI Logic do listy dozwolonych dla Twojego klucza interfejsu API Firebase.

• Opcja 2 (ręczna; niezalecana): włącz interfejsy API w konsoli Google Cloud:

  1. Kliknij link do każdego interfejsu API u góry tego artykułu z odpowiedziami na najczęstsze pytania, a następnie kliknij Włącz na stronie każdego interfejsu API.

  2. Dodaj interfejs API Firebase AI Logic do listy dozwolonych klucza interfejsu API Firebase.

Jak wyłączyć interfejsy API w projekcie w Firebase

W przypadku Firebase AI Logic staramy się jak najbardziej ułatwić konfigurację projektu w Firebase, aby korzystał z wybranego przez Ciebie dostawcy Gemini API. Obejmuje to włączanie wymaganych interfejsów API w projekcie w Firebase podczas określonych ścieżek, np. w przypadku przepływu pracy z przewodnikiem w konsoli Firebase.

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

Uprawnienia wymagane do korzystania z usługi Firebase AI Logic

Obsługiwane modele podczas korzystania z Firebase AI Logic

Zobacz listę obsługiwanych modeli. Często dodajemy nowe funkcje do pakietów SDK, dlatego zaglądaj do tych najczęstszych pytań, aby sprawdzać aktualizacje (oraz informacje o wersji, 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 wyłączone modele – lista i zamienniki

Zapoznaj się z odpowiedziami na najczęstsze pytania dotyczące zmian wymaganych w przypadku wycofania lub zamknięcia (wygaszenia) 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 nie dotyczy to innych modeli „Nano Banana” ani żadnych stabilnych modeli Gemini Live API 2.5.

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

Imagen modele stabilne – 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”).

Gemini 2.0 modele stabilne – 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 do użytku w projektach, w których nie były wcześniej używane.

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

  Pamiętaj, że nie ma to wpływu na stabilne modele 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 udostępnimy stabilną wersję modelu, staramy się, aby była ona dostępna przez co najmniej 12 miesięcy, zanim wyłączymy (wycofamy) model. 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 znaleźć datę wyłączenia modelu?

Oto kilka sposobów na znalezienie daty wyłączenia modelu:

• W momencie udostępnienia: oczekiwaną datę wyłączenia każdego modelu podajemy w kilku miejscach w Gemini API dokumentacji dostawcy oraz w dokumentacji Firebase (zobacz stronę obsługiwanych modeli).

• 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 używany model ma zostać wyłączony?

1. Znajdź odpowiedni obecnie obsługiwany model i jego nazwę.

   W najczęstszych pytaniach dotyczących wycofanych i wyłączonych modeli znajdziesz też zalecane modele zastępcze.

2. Przed datą wyłączenia zaktualizuj nazwę modelu używaną przez aplikację. W przeciwnym razie wszystkie żądania wysyłane do tego modelu będą kończyć się błędem 404.

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

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

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

Jak zmniejszyć opóźnienia i wysokie zużycie tokenów

Jeśli obserwujesz długi czas oczekiwania lub wysokie wykorzystanie tokenów, prawdopodobnie jest to spowodowane konfiguracją poziomu myślenia używanego modelu.

Gemini 3 i nowsze modele zawsze korzystają z wewnętrznego „procesu myślowego”, który znacznie poprawia ich zdolności do rozumowania i planowania wieloetapowego, dzięki czemu są bardzo skuteczne w przypadku złożonych zadań, takich jak kodowanie, zaawansowana matematyka i analiza danych.

Jednak w zależności od zadania wyższe poziomy myślenia nie zawsze są potrzebne i możesz skonfigurować model tak, aby używał niższego poziomu. Niższy poziom myślenia pomoże zmniejszyć opóźnienia i zużycie 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:

• Plik mimeType. 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 obrazu w tekście w przypadku żądań z natywnych aplikacji na platformy Android i Apple.

Pakiety SDK Firebase AI Logic 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 na format JPEG z jakością 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 rozwiązanie jest pokazane w dokumentacji Firebase AI Logic 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 podać obrazy jako InlineDataPart i określić konkretny typ MIME. Przykład:

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

• W przypadku platform Apple:

  • Możesz skorzystać z uproszczonego sposobu obsługi natywnych dla platformy typów obrazów (UIImage, NSImage, CIImage i CGImage) w promptach multimodalnych zawierających 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 podczas korzystania z Firebase AI Logic: oparcie na faktach z użyciem wyszukiwarki grafiki Google, dostrajanie modelu, generowanie wektorów i wyszukiwanie semantyczne

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.

Dlaczego nazwa „Vertex AI in Firebase” została zmieniona 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 nasz produkt „Vertex AI w Firebase”, a ta nazwa produktu dokładnie opisywała dostępne wtedy 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 dzięki integracji z Firebase App Check.

W związku z tym nazwa „Vertex AI w Firebase” nie odzwierciedla już dokładnie rozszerzonego zakresu naszego produktu. 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).

Wykorzystanie danych do trenowania modeli

Zobacz Zarządzanie danymi i odpowiedzialna AI.

Wymagane App Check egzekwowanie w przypadku wszystkich wersji aplikacji

App Check musi być egzekwowane w przypadku wszystkich wersji aplikacji, które korzystają z 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 wdrożysz 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 zostanie zablokowane, gdy zostanie włączone App Check.

Jeśli masz już wersję aplikacji udostępnioną użytkownikom, która nie ma wdrożonego interfejsu App Check, zapoznaj się z najczęstszymi pytaniami na temat tego, jak wdrożyć i egzekwować interfejs App Check w już opublikowanej aplikacji.

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 będą blokowane, gdy App Check będzie egzekwowana w przypadku Firebase AI Logic.

Poniższe instrukcje pomogą Ci przenieść aplikację, aby można było wymusić App Check w sposób, który nie spowoduje przerw w działaniu opublikowanej już aplikacji, która nie ma App Check.

1. Jak najszybciej zaimplementuj w aplikacji dostawcę atestów produkcyjnych.

   • Platformy Apple: DeviceCheck, App Attest lub reCAPTCHA Enterprise
   • Android: Play Integrity lub reCAPTCHA Enterprise
   • Internet: reCAPTCHA Enterprise
   • Flutter: obsługuje wszystkich wymienionych powyżej 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 klucz miał 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 w zasadzie 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 (auth)”

W przypadku zarówno dotychczasowych, jak i nowych projektów, jeśli uzyskujesz dostęp do Gemini Developer API przez Firebase AI Logic, nie musisz podejmować żadnych działań, aby korzystać z ulepszeń zabezpieczeń od połowy 2026 r. (w tym z migracji do „klucza 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 konsoli Google Cloud. Przed usunięciem klucza zapoznaj się z tymi informacjami:

• Ten Gemini klucz interfejsu API został utworzony przez Firebase wyłącznie na potrzeby korzystania z Firebase AI Logic, więc można go bezpiecznie usunąć. Zanim jednak usuniesz ten klucz, sprawdź, czy nie został on przypadkowo użyty w innych narzędziach, które mogą zapewnić dostęp do Gemini Developer API, np. w zestawach 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 na wykresach widać 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, którego nazwa zawiera segment (auto created by Firebase).

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

Podczas korzystania z pakietów SDK Firebase AI Logic nie potrzebujesz klucza interfejsu API Gemini do autoryzacji korzystania z usługi Gemini Developer API i nie powinieneś dodawać klucza interfejsu API Gemini do kodu aplikacji.

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

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

Klucz interfejsu API Firebase to klucz interfejsu API wymieniony w pliku lub obiekcie konfiguracji Firebase, który dodajesz do bazy kodu aplikacji, aby połączyć ją 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 w konsoli Google Cloud klucze interfejsu Firebase API 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, narazisz Gemini Developer API na potencjalne nadużycia.

Jak zabezpieczyć klucz interfejsu API Gemini