שאלות נפוצות ופתרון בעיות

ההבדלים בין שימוש ב-Gemini Developer API לבין שימוש ב-Agent Platform Gemini API (formerly Vertex AI)

בטבלה הבאה מפורטים ההבדלים החשובים בין שני הספקים של "Gemini API" באופן כללי, בלי קשר לאופן שבו ניגשים אליהם:

‫¹ לשני ספקי ה-API יש תמחור שונה של תשלום לפי שימוש (מידע נוסף זמין במסמכי התיעוד המתאימים).

‫² Files API של Gemini Developer API לא נתמך בערכות ה-SDK של Firebase AI Logic.

בטבלה הבאה מפורטת הזמינות של תכונות נפוצות בשני ספקי "Gemini API". הטבלה הזו רלוונטית ספציפית כשמשתמשים בערכות ה-SDK של הלקוח ב-Firebase AI Logic.

איך משתמשים גם ב-Gemini Developer API וגם ב-Agent Platform Gemini API (formerly Vertex AI)

אתם יכולים להפעיל את שני הספקים של Gemini API בפרויקט ב-Firebase, ולהשתמש בשני ממשקי ה-API באפליקציה עצמה.

כדי לעבור בין ספקי API בקוד, צריך לוודא שהגדרתם את שירות הקצה העורפי בצורה מתאימה בקוד.

ממשקי ה-API הנדרשים ואיך להפעיל אותם

כדי להשתמש בערכות ה-SDK של Firebase AI Logic עם Gemini Developer API, צריך להפעיל בפרויקט את שני ממשקי ה-API הבאים:

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

צריך להפעיל את שני ממשקי ה-API האלה באמצעות מסוף Firebase:

1. במסוף Firebase, נכנסים לדף AI Services ‏> AI Logic.

2. לוחצים על שנתחיל?.

3. כדי להתחיל להשתמש ב-Gemini Developer API, לוחצים על האפשרות.

   הפעולה הזו תפעיל תהליך עבודה מודרך שיפעיל את שני ממשקי ה-API. בנוסף, מערכת Firebase תספק חשבון שירות בניהול Google‏ (P4SA) כדי לאשר את השימוש ב-Gemini API, ותוסיף את ה-API של Firebase AI Logic לרשימת ההיתרים של מפתח ה-API של Firebase.

איך משביתים ממשקי API בפרויקט ב-Firebase

ב-Firebase AI Logic, אנחנו מנסים להגדיר את פרויקט Firebase כך שיהיה קל ככל האפשר להשתמש בספק Gemini API שבחרת. זה כולל הפעלה של ממשקי ה-API הנדרשים בפרויקט Firebase במהלך תהליכים ספציפיים, כמו תהליך העבודה המודרך במסוף Firebase.

עם זאת, אם אתם מחליטים לא להשתמש ב-Firebase AI Logic או באחד מהספקים של Gemini API, אתם יכולים להשבית את ממשקי ה-API המשויכים בפרויקט Firebase.

ההרשאות שנדרשות כדי להשתמש ב-Firebase AI Logic

מודלים נתמכים כשמשתמשים ב-Firebase AI Logic

רשימת המודלים הנתמכים אנחנו מוסיפים לעיתים קרובות יכולות חדשות לערכות ה-SDK, אז כדאי לחזור לדף השאלות הנפוצות הזה כדי להתעדכן (וגם בהערות הגרסה, בבלוגים ובפוסטים ברשתות החברתיות).

• ‫Firebase AI Logic תומך במודלים הבאים:

  • Gemini Developer API

    • רוב המודלים הבסיסיים של Gemini

  • Agent Platform Gemini API (formerly Vertex AI)

    • רוב המודלים הבסיסיים של Gemini

• ‫Firebase AI Logic לא תומך בדגמים הבאים (ללא קשר לספק ה-Gemini API שבחרתם):

  • מודלים שעברו כוונון עדין

  • מודלים של הטמעה, מודלים של Veo, מודלים של Lyria, מודלים של רובוטיקה, מודלים של שימוש במחשב, מודלים של Gemini Omni, או מודלים של Gemini Cyber

איך מגדירים הגבלת קצב של יצירת בקשות לכל משתמש

כברירת מחדל, ב-Firebase AI Logic מגבלת הבקשות לכל משתמש היא 100 בקשות לדקה (RPM).

כדי לשנות את מגבלת הקצב לכל משתמש, צריך לשנות את הגדרות המכסה של Firebase AI Logic API.

מידע נוסף על מכסת ה-API של Firebase AI Logic בדף הזה מוסבר גם איך להציג ולערוך את המכסה.

איך לצמצם את זמן האחזור ואת השימוש הגבוה בטוקנים

אם אתם חווים זמן אחזור ארוך או שימוש גבוה בטוקנים, סביר להניח שהסיבה לכך היא הגדרת רמת החשיבה במודל שבו אתם משתמשים.

מודלים של Gemini 3 והגרסאות הבאות תמיד משתמשים ב "תהליך חשיבה" פנימי שמשפר משמעותית את יכולות החשיבה והתכנון הרב-שלבי שלהם, מה שהופך אותם ליעילים מאוד במשימות מורכבות כמו תכנות, מתמטיקה מתקדמת וניתוח נתונים.

עם זאת, בהתאם למשימה, לא תמיד צריך רמות חשיבה גבוהות יותר, ואפשר להגדיר למודל להשתמש ברמת חשיבה נמוכה יותר. רמת חשיבה נמוכה יותר תעזור לצמצם את זמן האחזור ואת השימוש בטוקנים. כדי להחליט עד כמה המודל צריך את יכולת החשיבה, כדאי לעיין בהשוואה בין רמות הקושי של המשימות.

שימו לב שברוב המודלים מגרסה Gemini 3 ואילך, רמת החשיבה שמוגדרת כברירת מחדל היא HIGH.

דרישות לסוגי MIME לבקשות מולטימודליות (כמו קלט של תמונות, קובצי PDF, וידאו ואודיו)

בכל בקשה מולטי-מודאלית, צריך תמיד לספק את הפרטים הבאים:

• הקובץ הוא mimeType. בהמשך מפורט מקרה חריג.

• הקובץ. אתם יכולים לספק את הקובץ כנתונים מוטבעים או באמצעות כתובת ה-URL שלו.

במאמר סוגי קובצי קלט נתמכים ודרישות מוסבר על סוגי קובצי הקלט הנתמכים, איך לציין את סוג ה-MIME ושתי האפשרויות לספק את הקובץ.

חריגה מהכללת סוג MIME בבקשה

החריג היחיד שבו לא צריך לציין את סוג ה-MIME הוא כשמזינים תמונות מוטבעות בבקשות מאפליקציות מקוריות לפלטפורמות של Android ו-Apple.

ערכות ה-SDK של Firebase AI Logic לפלטפורמות של Android ו-Apple מספקות דרך פשוטה ונוחה לטיפול בתמונות בבקשות – כל התמונות (בלי קשר לפורמט שלהן) עוברות המרה בצד הלקוח ל-JPEG באיכות של 80% לפני שהן נשלחות לשרת. כלומר, כשאתם מספקים תמונות כנתונים מוטבעים באמצעות ערכות ה-SDK של פלטפורמות Android ו-Apple, אתם לא צריכים לציין את סוג ה-MIME בבקשה.

הטיפול הפשוט הזה מוצג במסמכי התיעוד של Firebase AI Logic בדוגמאות לשליחת תמונות בקידוד Base64 בבקשות.

הנה מידע נוסף על התכונה הזו, בהתאם לפלטפורמה:

• ב-Android:

  • אתם יכולים לנצל את הדרך הפשוטה לטיפול בסוגי תמונות שמותאמים לפלטפורמה (Bitmap) בהנחיות מולטי-מודאליות שמכילות תמונות כנתונים מוטבעים (ראו דוגמה).

  • כדי לקבל יותר שליטה על פורמט התמונה ועל ההמרות, אתם יכולים לספק את התמונות כ-InlineDataPart ולציין את סוג ה-MIME הספציפי. לדוגמה:

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

• בפלטפורמות של אפל:

  • אתם יכולים לנצל את הדרך הפשוטה לטיפול בסוגי תמונות שמותאמים לפלטפורמה (UIImage,‏ NSImage,‏ CIImage ו-CGImage) בהנחיות מולטי-מודאליות שמכילות תמונות כנתונים מוטבעים (ראו דוגמה).

  • כדי לקבל יותר שליטה על פורמט התמונה ועל ההמרות, אתם יכולים לספק את התמונות כ-InlineDataPart ולציין את סוג ה-MIME הספציפי. לדוגמה:

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

תכונות מתקדמות שעדיין לא זמינות ב-Firebase AI Logic: עיגון באמצעות חיפוש תמונות Google, כוונון מודל, הטמעת נתונים ואחזור סמנטי

התכונות הבאות נתמכות על ידי מודלים שונים וספקי ה-API, אבל הן לא זמינות כשמשתמשים ב-Firebase AI Logic:

• עיגון באמצעות חיפוש תמונות ב-Google
• כוונון עדין של מודל
• יצירת הטמעות
• אחזור סמנטי

אם אתם רוצים להוסיף אותם כהגשת בקשה להוספת תכונה או להצביע על הגשת בקשה קיימת להוספת תכונה, היכנסו אל Firebase UserVoice.

שימוש בנתונים לאימון מודלים

משילות מידע (data governance) ו-AI אחראי

מודלים שיצאו משימוש או הושבתו (הוצאו לגמלאות) – רשימה והחלפות

כש-Google משיקה גרסת מודל יציבה, אנחנו משתדלים שהיא תהיה זמינה למשך 12 חודשים לפחות לפני שאנחנו משביתים (מוציאים משימוש) את המודל.

עם זאת, חשוב לזכור:

• ב-Agent Platform Gemini API (formerly Vertex AI), חלק מהמודלים היציבים זמינים רק לטווח קצר, כלומר יכול להיות שהם יושבתו (יוצאו משימוש) כבר 45 ימים אחרי שיושק מודל חלופי.

• ב-Gemini Developer API, לפעמים במקום להשבית מודל, השירות ינתב את הבקשה באופן אוטומטי למודל חדש יותר. החיוב על בקשות למודל החדש יותר מתבצע לפי התעריפים של המודל החדש יותר.

• כמה שבועות לפני תאריך ההשבתה, פרויקטים שלא השתמשו במודל בעבר ייחסמו ולא יוכלו להתחיל להשתמש בו.

• כשגרסה יציבה של מודל מסוים מתפרסמת, כל גרסאות טרום-ההשקה והמודלים הניסיוניים של המודל הזה בדרך כלל מושבתים (יוצאים משימוש) תוך כמה ימים או שבועות (השאלות הנפוצות האלה לא כוללות את כל גרסאות טרום-ההשקה והמודלים הניסיוניים הקודמים של המודל).

מודלים לשימוש כללי

^{1 ב-Agent Platform Gemini API (formerly Vertex AI), זהו "מודל זמינות לטווח קצר". תבניות למתן שמות ולניהול גרסאות של מודלים}

^{כל המודלים הבאים לשימוש כללי מושבתים גם הם: gemini-1.0-pro, gemini-1.0-pro-001, gemini-1.0-pro-002, gemini-1.0-pro-vision, gemini-1.0-pro-vision-001 gemini-1.5-flash-001, gemini-1.5-flash, gemini-1.5-flash-002, gemini-1.5-pro-001, gemini-1.5-pro, gemini-1.5-pro-002}

מודלים ליצירת תמונות (Nano Banana ו-Imagen)

אודיו – Live API מודלים

שינויים שצריך לבצע כשמודלים יוצאים משימוש או מושבתים (מוצאים לגמלאות)

איפה אפשר למצוא את תאריך ההשבתה של מודל?

כדי למצוא את תאריך ההשבתה של מודל, אתם יכולים:

• ‫Google שולחת אימיילים לחברי הפרויקט הרלוונטיים.

• אנחנו מפרסמים הודעות ותזכורות על השבתות צפויות בערוצים שונים:

  • נתוני גרסה (ראו דוגמה)
  • באנרים ברמת הדף במסמכי התיעוד, בדף המודלים הנתמכים ובשאלות הנפוצות בנושא מודלים שהוצאו משימוש והושבתו

מה לעשות אם המודל שבו אתם משתמשים עומד להיסגר?

צריך לבצע את השינויים האלה לפני תאריך ההשבתה, אחרת כל הבקשות למודל שהושבת ייכשלו עם שגיאת 404.

1. מוצאים מודל מתאים שנתמך כרגע ואת שם המודל שלו.

   אנחנו גם מספקים המלצות למודלים חלופיים בשאלות הנפוצות בנושא מודלים שהוצאו משימוש או הושבתו.

2. מעדכנים את שם המודל שבו האפליקציה משתמשת.

   אתם מגדירים את שם המודל במהלך האתחול כשאתם יוצרים מכונה של GenerativeModel,‏ LiveModel או ImagenModel. חשוב לקרוא את ההמלצה הקריטית שבהמשך לגבי שימוש בתבניות לפרומפטים של Firebase Remote Config או של השרת.

3. בודקים אם צריך לעדכן את הקוד.

   בדרך כלל לא צריך לשנות את הקוד שקורא למודל. הנה כמה מקרים חריגים:

   • פרמטרים לדגימה שלא נתמכים: במודלים העדכניים של Gemini 4.x ו-Gemini 3.x, יש כמה פרמטרים שלא נתמכים (במיוחד טמפרטורה, Top-K,‏ Top-P, קנס על תדירות, קנס על נוכחות וספירת מועמדים).

   • רמת החשיבה לעומת תקציב החשיבה: החל ממודלים של Gemini 3.x, צריך להשתמש ב-thinkingLevel במקום ב-thinkingBudget (אבל עדיין יש תמיכה ב-thinkingBudget לצורך תאימות לגרסאות קודמות). עם זאת, החל מדגמי Gemini 4.x, thinkingBudget לא נתמך. מידע נוסף על תהליך החשיבה

   • ניסוי עם ערך רמת החשיבה: כשמשדרגים לדור חדש (לדוגמה, מ-2.5 ל-3.8) ורוצים להבטיח את אותם ביצועים והתנהגות (לדוגמה, זמן אחזור), מומלץ לנסות להגדיר את רמת החשיבה לערך נמוך יותר. מידע נוסף על תהליך החשיבה

4. בודקים את האפליקציה כדי לוודא שהתגובות עדיין פועלות כצפוי.

שינויים שנדרשים למיתוג מחדש של Vertex AI בתור Agent Platform

באמצע 2026, Google Cloud שינתה את המיתוג של Vertex AI ל-Gemini Enterprise Agent Platform (או Agent Platform). בסביבה העסקית של Firebase, אנחנו קוראים לשירות הזה "Agent Platform Gemini API".

ב-Google Cloud, המיתוג מחדש כלל את השינויים הבאים. חשוב לדעת שהיו שינויים נוספים, אבל הם לא רלוונטיים ל-Firebase AI Logic.

• מיתוג מחדש של המוצר מ-Vertex AI ל-Gemini Enterprise Agent Platform (או Agent Platform), כולל כתובות URL חדשות למסוף Google Cloud ולמסמכי התיעוד.

• שינוי השם המוצג של ה-API מ-"Vertex AI API" ל-"Agent Platform API". שימו לב ששם השירות נשאר ללא שינוי: aiplatform.googleapis.com.

• מיתוג מחדש של Vertex AI Studio ל-Agent Studio.

• אין שינויים ביכולות של ממשקי ה-API הבסיסיים או של המודלים הנתמכים.

בערכות ה-SDK של Firebase AI Logic, התאמנו את המיתוג מחדש על ידי עדכון תחביר האיניציאליזציה של שירות הקצה העורפי "Gemini API" ועדכון מיקום ברירת המחדל לגישה למודל כשמשתמשים בתחביר החדש הזה.

• תחביר אתחול חדש לשירות לקצה העורפי "Gemini API":

  Swift

  החלפת המילה "vertexAI" במילה "agentPlatform".

  • התחביר של agentPlatform זמין החל מגרסה 12.17.0 ואילך של ה-SDK.
  • התחביר vertexAI הוסר בגרסה 13.0.0 של ה-SDK.

  לפני

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

  אחרי

  // ...
  
  // 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

  החלפת המילה "vertexAI" במילה "agentPlatform".

  • התחביר של agentPlatform זמין החל מגרסה 17.15.0 ומעלה של ה-SDK ומגרסה 34.17.0 ומעלה של Firebase Android BoM.
  • התחביר vertexAI הוסר בגרסה 18.0.0 של ה-SDK ובגרסה 35.0.0 של BoM.

  לפני

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

  אחרי

  // ...
  
  // 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

  החלפת המילה "vertexAI" במילה "agentPlatform".

  • התחביר של agentPlatform זמין החל מגרסה 17.15.0 ומעלה של ה-SDK ומגרסה 34.17.0 ומעלה של Firebase Android BoM.
  • התחביר vertexAI הוסר בגרסה 18.0.0 של ה-SDK ובגרסה 35.0.0 של BoM.

  לפני

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

  אחרי

  // ...
  
  // 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

  החלפת המילה "VertexAIBackend" במילה "AgentPlatformBackend".

  • התחביר של AgentPlatformBackend זמין החל מגרסה 12.17.0 ואילך של Firebase JS SDK.
  • התחביר VertexAIBackend הוסר בגרסה 13.0.0 של ה-SDK.

  לפני

  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') });
  
  // ...
  

  אחרי

  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

  החלפת המילה "vertexAI" במילה "agentPlatform".

  • התחביר agentPlatform זמין החל מגרסה 3.15.0 ואילך של הפלאגין ומגרסה 4.18.0 ואילך של Firebase Flutter BoM.
  • התחביר vertexAI הוסר בגרסה 5.0.0 של הפלאגין ובגרסה 5.0.0 ואילך של Firebase Flutter BoM.

  לפני

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

  אחרי

  // ...
  
  // 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

  החלפת המילה "VertexAI" במילה "AgentPlatform".

  • התחביר AgentPlatform זמין החל מגרסה 13.15.0 של Firebase SDK ל-Unity.
  • התחביר VertexAI הוסר בגרסה 14.0.0 של ה-SDK.

  לפני

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

  אחרי

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

• מיקום ברירת מחדל חדש לגישה למודל כשמשתמשים בתחביר החדש להפעלה:

  כשמשתמשים בתחביר החדש של Agent Platform, המיקום שמוגדר כברירת מחדל הוא global.

  השינוי הזה בוצע כי כמעט כל המודלים של Gemini נתמכים ב-global, ו-Google Cloud כבר לא תומך במיקום us-central1 לגרסאות חדשות של רוב המודלים של Gemini.

באפליקציות Swift – שינויים שצריך לבצע כדי לעבור מ-FirebaseAI ל-FirebaseAILogic

באפליקציות לפלטפורמות של אפל, החל מגרסה 12.5.0 של Firebase SDK, Firebase AI Logic מופץ במסגרת המודול FirebaseAILogic. בגרסה 13.0.0 של ה-SDK, המודול FirebaseAI הוסר.

למה ביצענו את השינוי הזה?

בעבר הפצנו את השירות הזה במודול FirebaseAI. אבל היינו צריכים לשנות את השם שלו ל-FirebaseAILogic מהסיבות הבאות:

• הימנעו מהתנגשות בין שמות של מודולים ושל מחלקות שגורמת לבעיות בהפצות בינאריות.

• לאפשר לנו להשתמש בפקודות מאקרו של Swift לפיתוח תכונות בעתיד.

מה צריך לעשות אם משדרגים לגרסה 12.5.0 ומעלה או לגרסה 13.0.0 ומעלה?

ב-Firebase 12 (החל מגרסה 12.5.0 ואילך), השינוי של שם המודול ל-FirebaseAILogic לא גורם לבעיות ותואם לדורות קודמים, ולכן מומלץ לבצע את השינויים האלה ב-Firebase 12. עם זאת, בגרסה 13.0.0 של Firebase SDK, המודול הישן של FirebaseAI הוסר, ולכן השינויים האלה נדרשים כשמשדרגים ל-Firebase 13.

1. כשבוחרים יחסי תלות של Swift PM, בוחרים באפשרות FirebaseAILogic (במקום FirebaseAI).

2. משנים את הצהרות הייבוא ל-FirebaseAILogic (במקום FirebaseAI).

הסבר על שינוי השם מ-"Vertex AI in Firebase" ל-"Firebase AI Logic"

בשנת 2024 השקנו קבוצה של ערכות Firebase Client SDK שיכולות להשתמש ב-Agent Platform Gemini API (formerly Vertex AI) ובשער proxy של Firebase כדי להגן על ה-API הזה מפני ניצול לרעה ולאפשר שילובים עם מוצרים אחרים של Firebase. קראנו למוצר שלנו "Vertex AI ב-Firebase", ושם המוצר הזה תיאר במדויק את תרחישי השימוש הזמינים של המוצר באותו זמן.

מאז הרחבנו את היכולות של המוצר שלנו. לדוגמה, החל ממאי 2025 אנחנו מציעים תמיכה ב-Gemini Developer API, כולל היכולת להגן על Gemini Developer API מפני ניצול לרעה באמצעות השילוב שלנו עם Firebase App Check.

לכן, השם "Vertex AI ב-Firebase" כבר לא מייצג בצורה מדויקת את ההיקף המורחב של המוצר שלנו. לכן, השם החדש – Firebase AI Logic – משקף טוב יותר את קבוצת התכונות המתפתחת שלנו ומאפשר לנו להמשיך להרחיב את ההצעות שלנו בעתיד.

כדאי לעיין במדריך להעברת נתונים (מיגרציה) כדי לוודא שאתם מקבלים את כל התכונות העדכניות של Firebase AI Logic (ואם רוצים, אפשר להתחיל להשתמש ב-Gemini Developer API).

אכיפה נדרשת של App Check לכל הגרסאות של האפליקציה

צריך לאכוף את App Check בכל הגרסאות של האפליקציה שמשתמשות ב-Firebase AI Logic.

חשוב מאוד לאכוף את App Check מוקדם ככל האפשר, במיוחד לפני שמעבירים את האפליקציה למערכת ציבורית לניהול קוד מקור, משתפים את האפליקציה או הופכים אותה לזמינה לכולם.

אם תטמיעו את App Check בבסיס הקוד של האפליקציה כבר עכשיו, כל הגרסאות של האפליקציה יוכלו לשלוח אסימוני App Check תקינים. בקשה שלא נשלח בה אסימון תקין נחשבת כלא מאומתת, והיא תיחסם כשהמדיניות App Check תיאכף.

אם כבר פרסמתם למשתמשי הקצה גרסה של האפליקציה שלא מוטמע בה App Check, עיינו בשאלות הנפוצות בנושא הטמעה ואכיפה של App Check באפליקציה שכבר פורסמה.

דחיית האכיפה האוטומטית של App Check למשך Firebase AI Logic

החל מ-2 בנובמבר 2026, מערכת Firebase תאכוף באופן אוטומטי את Firebase App Check עבור Firebase AI Logic בפרויקט Firebase (אם היא עדיין לא נאכפת).

כשהמדיניות App Check נאכפת, כל הבקשות אל Firebase AI Logic ללא אסימון App Check תקף ייחסמו. זה כולל גרסאות של אפליקציות שפורסמו, שלא הוטמע בהן ספק אימות לסביבת הייצור.

אם פרסמת גרסאות של האפליקציה שלא מוטמע בהן App Check, אפשר לדחות באופן זמני את האכיפה האוטומטית של App Check למשך Firebase AI Logic. עם זאת, לפני 21 בינואר 2027, חשוב מאוד להטמיע ולאכוף את App Check באפליקציות שכבר פורסמו.

כדי לדחות את האכיפה האוטומטית של App Check ב-Firebase AI Logic:

1. במסוף Firebase, נכנסים לכרטיסייה Security ‏> App Check ‏> APIs.

2. מוצאים את השורה של Firebase AI Logic.

3. בסוף השורה, מוצאים את החלונית לבחירת תאריך אכיפה: עם סמל editהעריכה.

4. בוחרים את התאריך שבו רוצים שהמדיניות App Check תיאכף באופן אוטומטי על Firebase AI Logic.

   התאריך האחרון האפשרי הוא 21 בינואר 2027. אחרי התאריך הזה, לא תוכלו לדחות את האכיפה האוטומטית של App Check ב-Firebase AI Logic.

5. לוחצים על שמירה.

איך מטמיעים ואוכפים את App Check באפליקציה שכבר פורסמה

בגרסאות של האפליקציה שלא מוטמע בהן App Check, בקשות ל-Firebase AI Logic מהגרסאות האלה לא כוללות אסימוני App Check תקינים ונחשבות כלא מאומתות. הבקשות האלה ייחסמו כשהמדיניות App Check תיאכף ב-Firebase AI Logic.

ההוראות הבאות יעזרו לכם להעביר את האפליקציה כדי שתוכלו לאכוף את App Check באופן שימנע שיבושים בשירות של אפליקציה שכבר פורסמה ואין בה App Check.

1. דחיית האכיפה האוטומטית של App Check למשך Firebase AI Logic:

   1. במסוף Firebase, נכנסים לכרטיסייה Security ‏> App Check ‏> APIs.

   2. מוצאים את השורה של Firebase AI Logic.

   3. בסוף השורה, מוצאים את החלונית לבחירת תאריך אכיפה: עם סמל editהעריכה.

   4. בוחרים את התאריך שבו רוצים שהמדיניות App Check תיאכף באופן אוטומטי על Firebase AI Logic.

      התאריך האחרון האפשרי הוא 21 בינואר 2027. אחרי התאריך הזה, לא תהיה לך אפשרות לדחות את האכיפה האוטומטית של App Check ב-Firebase AI Logic.

   5. לוחצים על שמירה.

2. מטמיעים באפליקציה ספק אימות בסביבת הייצור בהקדם האפשרי.

   • פלטפורמות של אפל: DeviceCheck או App Attest או reCAPTCHA Enterprise
   • ‫Android: Play Integrity או reCAPTCHA Enterprise
   • באינטרנט: reCAPTCHA Enterprise
   • ‫Flutter: תומך בכל הספקים שצוינו למעלה, כולל reCAPTCHA Enterprise
   • ‫Unity: תומך בכל הספקים שצוינו למעלה (בקרוב תהיה תמיכה ב-reCAPTCHA Enterprise)

3. עוקבים אחרי הבקשות מהאפליקציה כדי להחליט מתי אפשר לאכוף את App Check באופן בטוח.

   לדוגמה, אם כמעט כל הבקשות האחרונות מגיעות מלקוחות מאומתים, כדאי לשקול לאכוף את App Check.

4. אכיפה של App Check עבור Firebase AI Logic.

5. בפיתוח מקומי כשאוכפים את App Check, אפשר להגדיר את App Check ספק אימות לצורכי ניפוי באגים ולהמשיך לאכוף את App Check עבור Firebase AI Logic.

הסבר על שדרוגי האבטחה (באמצע 2026) של Gemini Developer API ו-Firebase AI Logic

בעבר, Gemini Developer API הסתמך על מפתחות API רגילים של Gemini כדי לאשר את השימוש ב-Gemini Developer API (generativelanguage.googleapis.com). אם הפעלתם את Firebase AI Logic ובחרתם להשתמש ב-Gemini Developer API, ‏Firebase יצר בשבילכם מפתח API של Gemini שהוגבל ל-Gemini Developer API. למפתח הזה קראו Gemini Developer API key (auto created by Firebase).

החל מאמצע 2026, Gemini Developer API ישודרג לחלופה מאובטחת יותר שנקראת "מפתחות הרשאה (auth)" (שהם למעשה חשבונות שירות). גם Firebase AI Logic שודרג. במקום להשתמש במפתח API רגיל של Gemini, Firebase AI Logic מטפל עכשיו בהרשאה ל-Gemini Developer API באמצעות חשבון שירות בניהול Google‏ (P4SA) שאנחנו מקצים לכם באופן אוטומטי:
סוכן השירות של Firebase AI Logic (service-PROJECT_ID@gcp-sa-firebasevertexai.iam.gserviceaccount.com)

בפרויקטים קיימים וחדשים, אם אתם ניגשים אל Gemini Developer API דרך Firebase AI Logic, אתם לא צריכים לעשות שום דבר כדי ליהנות משדרוגי האבטחה האלה מאמצע 2026.

איך מעבירים מפתח API של Gemini ל "מפתח הרשאה (auth)"

בפרויקטים קיימים וחדשים, אם אתם ניגשים אל Gemini Developer API דרך Firebase AI Logic, אתם לא צריכים לעשות שום דבר כדי ליהנות משדרוגי האבטחה מאמצע 2026 (כולל מעבר ל "מפתח הרשאה (auth)").

בשם המפתחים שלנו, Firebase AI Logic מטפל באופן אוטומטי בכל שינויי האבטחה הנדרשים כדי להתאים את המעבר של Gemini Developer API לדרישה של "מפתחות הרשאה (auth)".

החל מאמצע 2026, Firebase AI Logic לא יקצה יותר מפתחות API רגילים של Gemini ולא ישתמש בהם. במקום זאת, Firebase AI Logic מטפל עכשיו בהרשאה ל-Gemini Developer API באמצעות חשבון שירות בניהול Google‏ (P4SA) שאנחנו מקצים באופן אוטומטי בפרויקט Firebase:
סוכן השירות של Firebase AI Logic (service-PROJECT_ID@gcp-sa-firebasevertexai.iam.gserviceaccount.com)

בעקבות השינוי הזה, אתם יכולים לבדוק ולמחוק כל מפתח API בשם Gemini Developer API key (auto created by Firebase). אפשר למחוק את המפתח הזה במסוף Google Cloud. לפני שמוחקים את המפתח, חשוב לבדוק את הדברים הבאים:

• מפתח ה-API הזה (Gemini) נוצר על ידי Firebase רק כדי להשתמש בו עם Firebase AI Logic, אז אפשר למחוק אותו בלי חשש. עם זאת, לפני שמוחקים את המפתח, עדיין צריך לוודא שלא השתמשתם בו בטעות בכלים אחרים שיכולים לתת גישה אל Gemini Developer API, כמו ערכות ה-SDK של שרת GenAI או Genkit. כך בודקים את השימוש:
  1. במסוף Google Cloud, נכנסים לדף של Gemini Developer API ולוחצים על Manage.
  2. בכרטיסייה Metrics, בתפריט הנפתח Credentials, בוחרים את המפתח שנקרא Gemini Developer API key (auto created by Firebase).
  3. אם בתרשימים שמוצגים לא מופיע שימוש מאז תחילת יולי 2026 (המועד שבו Firebase AI Logic הפסיק להשתמש במפתחות ה-API האלה), אפשר למחוק את המפתח.
     עם זאת, אם בתרשימים מוצג שימוש, סימן שאתם משתמשים במפתח בכלי אחר, וכדאי לשנות את שם המפתח כדי שיהיה ברור שהוא משמש בכלי הזה (ולא ב-Firebase AI Logic).
• חשוב לא למחוק מפתחות API אחרים שהשם שלהם מכיל את הקטע (auto created by Firebase).

אל תוסיפו מפתח API של Gemini לבסיס הקוד של אפליקציה לנייד או לאינטרנט.

כשמשתמשים בערכות ה-SDK של Firebase AI Logic, לא צריך מפתח API של Gemini כדי לאשר את השימוש ב-Gemini Developer API, ולא צריך להוסיף מפתח API של Gemini לבסיס הקוד של האפליקציה.

אל תשתמשו ב "מפתח API של Firebase" בתור מפתח API של Gemini

אל תשתמשו אף פעם ב "מפתח ה-API של Firebase" כמפתח API של Gemini. מומלץ מאוד לא להוסיף את Gemini Developer API לרשימת ההיתרים של מפתח ה-API של Firebase.

מפתח ה-API של Firebase הוא מפתח ה-API שמופיע בקובץ התצורה או באובייקט של Firebase שאתם מוסיפים לבסיס הקוד של האפליקציה כדי לחבר אותה ל-Firebase. אפשר לכלול את מפתח ה-API של Firebase בקוד אם משתמשים במפתח רק עם ממשקי API שקשורים ל-Firebase (כמו Firebase AI Logic). מידע חשוב על מפתחות API של Firebase

בחלונית APIs & Services > Credentials במסוף Google Cloud, כך נראים מפתחות ה-API של Firebase:

כדי שממשקי API שקשורים ל-Firebase יפעלו, צריך להוסיף את מפתח ה-API של Firebase לבסיס הקוד של האפליקציה. בנוסף, אפשר לאשר את Gemini Developer API באמצעות מפתח API. לכן, אנחנו ממליצים מאוד לא להוסיף את Gemini Developer API (שנקרא Generative Language API במסוף Google Cloud) לרשימת ההיתרים של מפתח ה-API של Firebase. אם תעשו זאת, אתם עלולים לחשוף את Gemini Developer API לניצול לרעה.

איך לשמור על האבטחה של מפתח API של Gemini