Заземление с помощью Google Поиска

Использование Google Search позволяет модели Gemini в режиме реального времени подключаться к общедоступному веб-контенту. Это дает модели возможность предоставлять более точные и актуальные ответы, а также ссылаться на проверенные источники, выходящие за рамки ее собственных знаний.

Использование Google Search для установления связи с аудиторией имеет следующие преимущества:

  • Повышение точности фактов : уменьшение количества иллюзорных моделей за счет того, что ответы основываются на информации из реального мира.
  • Получайте доступ к информации в режиме реального времени : отвечайте на вопросы о последних событиях и темах.
  • Укажите источники : чтобы укрепить доверие пользователей или позволить им просматривать релевантные сайты, покажите источники утверждений модели.
  • Выполняйте более сложные задачи : извлекайте артефакты и соответствующие изображения, видео или другие медиафайлы для содействия в решении логических задач.
  • Улучшите ответы с учетом региональных особенностей или языка : найдите информацию, специфичную для конкретного региона, или помогите точно перевести контент.

Поддерживаемые модели

  • gemini-3-pro-preview
  • gemini-3-pro-image-preview (также известный как "nano banana pro")
  • gemini-2.5-pro
  • gemini-2.5-flash
  • gemini-2.5-flash-lite
  • gemini-2.0-flash-001 (и его автоматически обновляемый псевдоним gemini-2.0-flash )
  • gemini-2.0-flash-live-preview-04-09

Поддерживаемые языки

Список поддерживаемых языков для моделей Gemini см . в соответствующем разделе.

Обоснуйте модель с помощью поиска Google.

Чтобы просмотреть контент и код, относящиеся к вашему поставщику API Gemini , нажмите на него.

При создании экземпляра GenerativeModel укажите GoogleSearch в качестве tool , который модель сможет использовать для генерации ответа.

Быстрый


import FirebaseAILogic

// Initialize the Gemini Developer API backend service
let ai = FirebaseAI.firebaseAI(backend: .googleAI())

// Create a `GenerativeModel` instance with a model that supports your use case
let model = ai.generativeModel(
    modelName: "GEMINI_MODEL_NAME",
    // Provide Google Search as a tool that the model can use to generate its response
    tools: [Tool.googleSearch()]
)

let response = try await model.generateContent("Who won the euro 2024?")
print(response.text ?? "No text in response.")

// Make sure to comply with the "Grounding with Google Search" usage requirements,
// which includes how you use and display the grounded result

Kotlin


// Initialize the Gemini Developer API backend service
// Create a `GenerativeModel` instance with a model that supports your use case
val model = Firebase.ai(backend = GenerativeBackend.googleAI()).generativeModel(
    modelName = "GEMINI_MODEL_NAME",
    // Provide Google Search as a tool that the model can use to generate its response
    tools = listOf(Tool.googleSearch())
)

val response = model.generateContent("Who won the euro 2024?")
print(response.text)

// Make sure to comply with the "Grounding with Google Search" usage requirements,
// which includes how you use and display the grounded result

Java


// Initialize the Gemini Developer API backend service
// Create a `GenerativeModel` instance with a model that supports your use case
GenerativeModel ai = FirebaseAI.getInstance(GenerativeBackend.googleAI())
                .generativeModel("GEMINI_MODEL_NAME",
                        null,
                        null,
                        // Provide Google Search as a tool that the model can use to generate its response
                        List.of(Tool.GoogleSearch()));

// Use the GenerativeModelFutures Java compatibility layer which offers
// support for ListenableFuture and Publisher APIs
GenerativeModelFutures model = GenerativeModelFutures.from(ai);

ListenableFuture response = model.generateContent("Who won the euro 2024?");
  Futures.addCallback(response, new FutureCallback() {
      @Override
      public void onSuccess(GenerateContentResponse result) {
          String resultText = result.getText();
          System.out.println(resultText);
      }

      @Override
      public void onFailure(Throwable t) {
          t.printStackTrace();
      }
  }, executor);

// Make sure to comply with the "Grounding with Google Search" usage requirements,
// which includes how you use and display the grounded result

Web


import { initializeApp } from "firebase/app";
import { getAI, getGenerativeModel, GoogleAIBackend } from "firebase/ai";

// TODO(developer) Replace the following with your app's Firebase configuration
// See: https://firebase.google.com/docs/web/learn-more#config-object
const firebaseConfig = {
  // ...
};

// Initialize FirebaseApp
const firebaseApp = initializeApp(firebaseConfig);

// Initialize the Gemini Developer API backend service
const ai = getAI(firebaseApp, { backend: new GoogleAIBackend() });

// Create a `GenerativeModel` instance with a model that supports your use case
const model = getGenerativeModel(
  ai,
  {
    model: "GEMINI_MODEL_NAME",
    // Provide Google Search as a tool that the model can use to generate its response
    tools: [{ googleSearch: {} }]
  }
);

const result = await model.generateContent("Who won the euro 2024?");

console.log(result.response.text());

// Make sure to comply with the "Grounding with Google Search" usage requirements,
// which includes how you use and display the grounded result

Dart


import 'package:firebase_core/firebase_core.dart';
import 'package:firebase_ai/firebase_ai.dart';
import 'firebase_options.dart';

// Initialize FirebaseApp
await Firebase.initializeApp(
  options: DefaultFirebaseOptions.currentPlatform,
);

// Initialize the Gemini Developer API backend service
// Create a `GenerativeModel` instance with a model that supports your use case
final model = FirebaseAI.googleAI().generativeModel(
  model: 'GEMINI_MODEL_NAME',
  // Provide Google Search as a tool that the model can use to generate its response
  tools: [
    Tool.googleSearch(),
  ],
);

final response = await model.generateContent([Content.text("Who won the euro 2024?")]);
print(response.text);

// Make sure to comply with the "Grounding with Google Search" usage requirements,
// which includes how you use and display the grounded result

Единство


using Firebase;
using Firebase.AI;

// Initialize the Gemini Developer API backend service
var ai = FirebaseAI.GetInstance(FirebaseAI.Backend.GoogleAI());

// Create a `GenerativeModel` instance with a model that supports your use case
var model = ai.GetGenerativeModel(
  modelName: "GEMINI_MODEL_NAME",
  // Provide Google Search as a tool that the model can use to generate its response
  tools: new[] { new Tool(new GoogleSearch()) }
);

var response = await model.GenerateContentAsync("Who won the euro 2024?");
UnityEngine.Debug.Log(response.Text ?? "No text in response.");

// Make sure to comply with the "Grounding with Google Search" usage requirements,
// which includes how you use and display the grounded result

Узнайте, как выбрать модель.подходит для вашего сценария использования и приложения.

Для достижения оптимальных результатов используйте температуру 1.0 (это значение по умолчанию для всех моделей 2,5). Узнайте, как установить температуру в настройках модели .

Как работает заземление с помощью поиска Google.

При использовании инструмента GoogleSearch модель автоматически обрабатывает весь рабочий процесс поиска, обработки и цитирования информации.

Вот как работает модель:

  1. Получение запроса : Ваше приложение отправляет запрос модели Gemini с включенным инструментом GoogleSearch .
  2. Анализ запроса : Модель анализирует запрос и определяет, может ли поиск Google улучшить свой ответ.
  3. Отправка запросов в поиск Google : при необходимости модель автоматически генерирует один или несколько поисковых запросов и выполняет их.
  4. Обработка результатов поиска : Модель обрабатывает результаты поиска Google и формирует ответ на исходный запрос.
  5. Возвращает «обоснованный результат» : модель возвращает окончательный, удобный для пользователя ответ, основанный на результатах поиска Google. Этот ответ включает текстовый ответ модели и groundingMetadata содержащие поисковые запросы, результаты веб-поиска и источники.

Обратите внимание, что предоставление модели инструмента поиска Google не обязывает модель всегда использовать этот инструмент для генерации ответа. В таких случаях ответ не будет содержать объект groundingMetadata и, следовательно, не будет считаться «приземленным результатом».

Диаграмма, показывающая, как взаимодействие модели с поиском Google приводит к установлению связи с поиском Google.

Поймите обоснованный результат

Если модель основывает свой ответ на результатах поиска Google, то ответ включает объект groundingMetadata , содержащий структурированные данные, необходимые для проверки утверждений и создания удобного интерфейса работы с источниками данных в вашем приложении.

Объект groundingMetadata в "результате, полученном на основе данных" содержит следующую информацию:

  • webSearchQueries : Массив поисковых запросов, отправленных в поисковую систему Google. Эта информация полезна для отладки и понимания процесса рассуждений модели.

  • searchEntryPoint : Содержит HTML и CSS для отображения необходимых «подсказок поиска Google». Вы обязаны соблюдать требования к использованию «Подсказок поиска Google» для выбранного вами поставщика API: Gemini Developer API или Vertex AI Gemini API (см. раздел «Условия предоставления услуг» в Условиях предоставления услуг). Узнайте, как использовать и отображать подсказки поиска далее на этой странице.

  • groundingChunks : Массив объектов, содержащих веб-источники ( uri и title ).

  • groundingSupports : Массив фрагментов для связи text ответа модели с источниками в groundingChunks . Каждый фрагмент связывает текстовый segment (определяемый параметрами startIndex и endIndex ) с одним или несколькими groundingChunkIndices . Это поле помогает создавать встроенные ссылки на источники. Подробнее об использовании и отображении результатов с привязкой к источнику см. далее на этой странице.

Вот пример ответа, который включает объект groundingMetadata :

{
  "candidates": [
    {
      "content": {
        "parts": [
          {
            "text": "Spain won Euro 2024, defeating England 2-1 in the final. This victory marks Spain's record fourth European Championship title."
          }
        ],
        "role": "model"
      },
      "groundingMetadata": {
        "webSearchQueries": [
          "UEFA Euro 2024 winner",
          "who won euro 2024"
        ],
        "searchEntryPoint": {
          "renderedContent": "<!-- HTML and CSS for the search widget -->"
        },
        "groundingChunks": [
          {"web": {"uri": "https://vertexaisearch.cloud.google.com.....", "title": "aljazeera.com"}},
          {"web": {"uri": "https://vertexaisearch.cloud.google.com.....", "title": "uefa.com"}}
        ],
        "groundingSupports": [
          {
            "segment": {"startIndex": 0, "endIndex": 85, "text": "Spain won Euro 2024, defeatin..."},
            "groundingChunkIndices": [0]
          },
          {
            "segment": {"startIndex": 86, "endIndex": 210, "text": "This victory marks Spain's..."},
            "groundingChunkIndices": [0, 1]
          }
        ]
      }
    }
  ]
}

Используйте и продемонстрируйте обоснованный результат.

Если модель использует инструмент поиска Google для генерации ответа, она предоставит объект groundingMetadata в ответе.

Это необходимо для отображения подсказок поиска Google и источников .

Помимо соответствия требованиям использования инструмента поиска Google, отображение этой информации помогает вам и вашим конечным пользователям проверять ответы и открывает возможности для дальнейшего обучения.

(Обязательно) Отображать подсказки поиска Google

Если ответ содержит "подсказки поиска Google", то вы обязаны соблюдать требования к использованию "Grounding with Google Search", которые включают в себя правила отображения подсказок поиска Google.

Объект groundingMetadata содержит "подсказки поиска Google", а именно поле searchEntryPoint , которое имеет поле renderedContent , обеспечивающее соответствие стандартам HTML и CSS, что необходимо реализовать для отображения подсказок поиска в вашем приложении.

Подробную информацию о требованиях к отображению и поведению подсказок Google Search см. в документации Google Cloud . Обратите внимание, что, хотя эти подробные рекомендации содержатся в документации API Vertex AI Gemini , они также применимы к поставщику API Gemini Developer .

Примеры кода приведены далее в этом разделе.

(Обязательно) Источники отображения

Объект groundingMetadata содержит структурированные исходные данные, в частности поля groundingSupports и groundingChunks . Используйте эту информацию для прямой связи операторов модели с их источниками в пользовательском интерфейсе (как непосредственно в коде, так и в агрегированном виде).

Примеры кода приведены далее в этом разделе.

Примеры кода

Эти примеры кода предоставляют обобщенные шаблоны использования и отображения результатов. Однако вы несете ответственность за то, чтобы ваша конкретная реализация соответствовала требованиям.

Быстрый

// ...

// Get the model's response
let text = response.text

// Get the grounding metadata
if let candidate = response.candidates.first,
   let groundingMetadata = candidate.groundingMetadata {
  // REQUIRED - display Google Search suggestions
  // (renderedContent contains HTML and CSS for the search widget)
  if let renderedContent = groundingMetadata.searchEntryPoint?.renderedContent {
    // TODO(developer): Display Google Search suggestions using a WebView
  }

  // REQUIRED - display sources
  let groundingChunks = groundingMetadata.groundingChunks
  for chunk in groundingMetadata.groundingChunks {
    if let web = chunk.web {
      let title = web.title  // for example, "uefa.com"
      let uri = web.uri  // for example, "https://vertexaisearch.cloud.google.com..."
      // TODO(developer): show source in the UI
    }
  }
}

Kotlin

// ...

// Get the model's response
val text = response.text

// Get the grounding metadata
val groundingMetadata = response.candidates.firstOrNull()?.groundingMetadata

// REQUIRED - display Google Search suggestions
// (renderedContent contains HTML and CSS for the search widget)
val renderedContent = groundingMetadata?.searchEntryPoint?.renderedContent
if (renderedContent != null) {
    // TODO(developer): Display Google Search suggestions using a WebView
}

// REQUIRED - display sources
val groundingChunks = groundingMetadata?.groundingChunks
groundingChunks?.let { chunks ->
  for (chunk in chunks) {
  	val title = chunk.web?.title  // for example, "uefa.com"
	val uri = chunk.web?.uri  // for example, "https://vertexaisearch.cloud.google.com..."
// TODO(developer): show source in the UI
  }
}

Java

// ...

Futures.addCallback(response, new FutureCallback() {
  @Override
  public void onSuccess(GenerateContentResponse result) {
  // Get the model's response
  String text = result.getText();

  // Get the grounding metadata
  GroundingMetadata groundingMetadata =
  result.getCandidates()[0].getGroundingMetadata();

  if (groundingMetadata != null) {
    // REQUIRED - display Google Search suggestions
  // (renderedContent contains HTML and CSS for the search widget)
    String renderedContent =
  groundingMetadata.getSearchEntryPoint().getRenderedContent();
    if (renderedContent != null) {
      // TODO(developer): Display Google Search suggestions using a WebView
    }

    // REQUIRED - display sources
    List chunks = groundingMetadata.getGroundingChunks();
    if (chunks != null) {
      for(GroundingChunk chunk : chunks) {
        WebGroundingChunk web = chunk.getWeb();
        if (web != null) {
          String title = web.getTitle();  // for example, "uefa.com"
          String uri = web.getUri();  // for example, "https://vertexaisearch.cloud.google.com..."
          // TODO(developer): show sources in the UI
        }
      }
    }
  }
  }

  @Override
  public void onFailure(Throwable t) {
  t.printStackTrace();
  }
  }, executor);

Web

// ...

// Get the model's text response
const text = result.response.text();

// Get the grounding metadata
const groundingMetadata = result.response.candidates?.[0]?.groundingMetadata;

// REQUIRED - display Google Search suggestions
// (renderedContent contains HTML and CSS for the search widget)
const renderedContent = groundingMetadata?.searchEntryPoint?.renderedContent;
if (renderedContent) {
  // TODO(developer): render this HTML and CSS in the UI
}

// REQUIRED - display sources
const groundingChunks = groundingMetadata?.groundingChunks;
if (groundingChunks) {
  for (const chunk of groundingChunks) {
    const title = chunk.web?.title;  // for example, "uefa.com"
    const uri = chunk.web?.uri;  // for example, "https://vertexaisearch.cloud.google.com..."
    // TODO(developer): show sources in the UI
  }
}

Dart

// ...

// Get the model's response
final text = response.text;

// Get the grounding metadata
final groundingMetadata = response.candidates.first.groundingMetadata;

// REQUIRED - display Google Search suggestions
// (renderedContent contains HTML and CSS for the search widget)
final renderedContent = groundingMetadata?.searchEntryPoint?.renderedContent;
if (renderedContent != null) {
    // TODO(developer): Display Google Search suggestions using a WebView
}

// REQUIRED - display sources
final groundingChunks = groundingMetadata?.groundingChunks;
if (groundingChunks != null) {
  for (var chunk in groundingChunks) {
    final title = chunk.web?.title;  // for example, "uefa.com"
    final uri = chunk.web?.uri;  // for example, "https://vertexaisearch.cloud.google.com..."
    // TODO(developer): show sources in the UI
  }
}

Единство

// ...

// Get the model's response
var text = response.Text;

// Get the grounding metadata
var groundingMetadata = response.Candidates.First().GroundingMetadata.Value;

// REQUIRED - display Google Search suggestions
// (renderedContent contains HTML and CSS for the search widget)
if (groundingMetadata.SearchEntryPoint.HasValue) {
    var renderedContent = groundingMetadata.SearchEntryPoint.Value.RenderedContent;
    // TODO(developer): Display Google Search suggestions using a WebView
}

// REQUIRED - display sources
foreach(GroundingChunk chunk in groundingMetadata.GroundingChunks) {
    var title = chunk.Web.Value.Title;  // for example, "uefa.com"
    var uri = chunk.Web.Value.Uri;  // for example, "https://vertexaisearch.cloud.google.com..."
    // TODO(developer): show sources in the UI
}

Анализ результатов и мониторинг с помощью ИИ в консоли Firebase

Если вы включили мониторинг ИИ в консоли Firebase , ответы сохраняются в Cloud Logging . По умолчанию срок хранения этих данных составляет 30 дней.

Вы несете ответственность за то, чтобы этот период хранения, или любой другой установленный вами период, полностью соответствовал вашему конкретному сценарию использования и любым дополнительным требованиям соответствия для выбранного вами поставщика API Gemini : Gemini Developer API или Vertex AI Gemini API (см. раздел « Условия предоставления услуг » в Условиях предоставления услуг). Возможно, вам потребуется скорректировать период хранения в Cloud Logging для соответствия этим требованиям.

Цены и ограничения

Обязательно ознакомьтесь с ценами, доступностью моделей и ограничениями на заземление с помощью поиска Google в документации выбранного вами поставщика API Gemini : Gemini Developer API |Vertex AI Gemini API .