Starting November 2, 2026, Firebase App Check enforcement will be required to use Firebase AI Logic. Learn more.

Model updates:

The latest Gemini models, like Gemini 3.8 Flash, are available to use with Firebase AI Logic! Learn more.
Gemini 2.5 models will shut down in October 2026 (and new projects cannot start using them). To avoid service disruptions, update to a newer model (like gemini-3.8-flash or gemini-3.1-flash-image). Any stable Gemini Live API 2.5 models are not impacted. Learn more.

Эта страница переведена с помощью Cloud Translation API.

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-3.1-pro-preview
gemini-3.8-flash (а также более старые gemini-3.7-flash , gemini-3.6-flash и gemini-3.5-flash )
gemini-3.5-flash-lite (и более старая модель gemini-3.1-flash-lite )
gemini-3-pro-image (также известный как "Nano Banana Pro")
gemini-3.1-flash-image (aka "Nano Banana 2")

В обычных моделях Gemini 2.5 эта функция поддерживается, но все они устарели.

Модели Gemini Live API также поддерживают эту возможность, но все примеры кода в этом руководстве предназначены для моделей Gemini общего назначения.

Поддерживаемые языки

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

Обоснуйте модель с помощью Google Search

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

Agent

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.

Как работает заземление с помощью Google Search

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

Вот как работает модель:

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

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

Поймите обоснованный результат

Если модель основывает свой ответ на результатах Google Search , 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 Google Search . Эта информация полезна для отладки и понимания процесса рассуждений модели.
searchEntryPoint : Содержит HTML и CSS для отображения необходимых «подсказок Google Search ». Вы обязаны соблюдать требования к использованию «Подсказок Google Search » для выбранного вами поставщика API: Gemini Developer API или Agent Platform Gemini API (ранее Vertex AI) (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 Google Search для генерации ответа, она предоставит объект groundingMetadata в ответе.

Это необходимо для отображения подсказок Google Search и источников .

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

(Обязательно) Отображать подсказки Google Search

Если ответ содержит "подсказки Google Search ", то вы обязаны соблюдать требования к использованию раздела "Основы работы с Google Search ", включая порядок отображения подсказок Google Search .

Объект groundingMetadata содержит "подсказки Google Search ", в частности, 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 Agent Platform Gemini API (ранее Vertex AI) , они также применимы к поставщику Gemini Developer API .

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 Agent Platform Gemini API (ранее Vertex AI) (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 для функции "Привязка к Google Search в документации выбранного вами поставщика API Gemini : Gemini Developer API |Agent Platform Gemini API (ранее Vertex AI) .

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-3.1-pro-preview
gemini-3.8-flash (а также более старые gemini-3.7-flash , gemini-3.6-flash и gemini-3.5-flash )
gemini-3.5-flash-lite (и более старая модель gemini-3.1-flash-lite )
gemini-3-pro-image (также известный как "Nano Banana Pro")
gemini-3.1-flash-image (aka "Nano Banana 2")

В обычных моделях Gemini 2.5 эта функция поддерживается, но все они устарели.

Поддерживаемые языки

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

Обоснуйте модель с помощью Google Search

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

Agent

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.

Как работает заземление с помощью Google Search

Вот как работает модель:

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

Поймите обоснованный результат

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

webSearchQueries : Массив поисковых запросов, отправленных в Google Search . Эта информация полезна для отладки и понимания процесса рассуждений модели.
searchEntryPoint : Содержит HTML и CSS для отображения необходимых «подсказок Google Search ». Вы обязаны соблюдать требования к использованию «Подсказок Google Search » для выбранного вами поставщика API: Gemini Developer API или Agent Platform Gemini API (ранее Vertex AI) (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 Google Search для генерации ответа, она предоставит объект groundingMetadata в ответе.

Это необходимо для отображения подсказок Google Search и источников .

(Обязательно) Отображать подсказки Google Search

Примеры кода приведены далее в этом разделе.

(Обязательно) Источники отображения

Примеры кода приведены далее в этом разделе.

Примеры кода

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

Цены и ограничения

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-3.1-pro-preview
gemini-3.8-flash (а также более старые gemini-3.7-flash , gemini-3.6-flash и gemini-3.5-flash )
gemini-3.5-flash-lite (и более старая модель gemini-3.1-flash-lite )
gemini-3-pro-image (также известный как "Nano Banana Pro")
gemini-3.1-flash-image (aka "Nano Banana 2")

В обычных моделях Gemini 2.5 эта функция поддерживается, но все они устарели.

Поддерживаемые языки

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

Обоснуйте модель с помощью Google Search

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

Agent

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.

Как работает заземление с помощью Google Search

Вот как работает модель:

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

Поймите обоснованный результат

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

webSearchQueries : Массив поисковых запросов, отправленных в Google Search . Эта информация полезна для отладки и понимания процесса рассуждений модели.
searchEntryPoint : Содержит HTML и CSS для отображения необходимых «подсказок Google Search ». Вы обязаны соблюдать требования к использованию «Подсказок Google Search » для выбранного вами поставщика API: Gemini Developer API или Agent Platform Gemini API (ранее Vertex AI) (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 Google Search для генерации ответа, она предоставит объект groundingMetadata в ответе.

Это необходимо для отображения подсказок Google Search и источников .

(Обязательно) Отображать подсказки Google Search

Примеры кода приведены далее в этом разделе.

(Обязательно) Источники отображения

Примеры кода приведены далее в этом разделе.

Примеры кода

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

Цены и ограничения

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-3.1-pro-preview
gemini-3.8-flash (а также более старые gemini-3.7-flash , gemini-3.6-flash и gemini-3.5-flash )
gemini-3.5-flash-lite (и более старая модель gemini-3.1-flash-lite )
gemini-3-pro-image (также известный как "Nano Banana Pro")
gemini-3.1-flash-image (aka "Nano Banana 2")

В обычных моделях Gemini 2.5 эта функция поддерживается, но все они устарели.

Поддерживаемые языки

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

Обоснуйте модель с помощью Google Search

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

Agent

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.

Как работает заземление с помощью Google Search

Вот как работает модель:

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

Поймите обоснованный результат

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

webSearchQueries : Массив поисковых запросов, отправленных в Google Search . Эта информация полезна для отладки и понимания процесса рассуждений модели.
searchEntryPoint : Содержит HTML и CSS для отображения необходимых «подсказок Google Search ». Вы обязаны соблюдать требования к использованию «Подсказок Google Search » для выбранного вами поставщика API: Gemini Developer API или Agent Platform Gemini API (ранее Vertex AI) (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 Google Search для генерации ответа, она предоставит объект groundingMetadata в ответе.

Это необходимо для отображения подсказок Google Search и источников .

(Обязательно) Отображать подсказки Google Search

If a response contains " Google Search suggestions", then you're required to comply with the "Grounding with Google Search " usage requirements, which includes how you display Google Search suggestions.

The groundingMetadata object contains " Google Search suggestions", specifically the searchEntryPoint field, which has a renderedContent field that provides compliant HTML and CSS styling, which you need to implement to display Search suggestions in your app.

Review the detailed information about the display and behavior requirements for Google Search suggestions in the Google Cloud documentation. Note that even though this detailed guidance is in the Agent Platform Gemini API (formerly Vertex AI) documentation, the guidance is applicable to the Gemini Developer API provider, as well.

See example code samples later in this section.

(Required) Display sources

The groundingMetadata object contains structured source data, specifically the groundingSupports and groundingChunks fields. Use this information to link the model's statements directly to their sources within your UI (inline and in aggregate).

See example code samples later in this section.

Example code samples

These code samples provide generalized patterns for using and displaying the grounded result. However, it's your responsibility to make sure that your specific implementation aligns with the compliance requirements.

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
}

Grounded results and AI monitoring in the Firebase console

If you've enabled AI monitoring in the Firebase console , responses are stored in Cloud Logging . By default, this data has a 30-day retention period.

It's your responsibility to ensure that this retention period, or any custom period you set, fully aligns with your specific use case and any additional compliance requirements for your chosen Gemini API provider: Gemini Developer API or Agent Platform Gemini API (formerly Vertex AI) (see Service Terms section within the Service Specific Terms). You may need to adjust the retention period in Cloud Logging to meet these requirements.

Pricing and limits

Make sure to review pricing, model availability, and limits for Grounding with Google Search in your chosen Gemini API provider documentation: Gemini Developer API |Agent Platform Gemini API (formerly Vertex AI) .

Заземление с помощью Google Поиска Оптимизируйте свои подборки Сохраняйте и классифицируйте контент в соответствии со своими настройками.

Поддерживаемые модели

Поддерживаемые языки

Обоснуйте модель с помощью Google Search

Быстрый

Kotlin

Java

Web

Dart

Единство

Как работает заземление с помощью Google Search

Поймите обоснованный результат

Используйте и продемонстрируйте обоснованный результат.

(Обязательно) Отображать подсказки Google Search

(Обязательно) Источники отображения

Примеры кода

Быстрый

Kotlin

Java

Web

Dart

Единство

Анализ результатов и мониторинг с помощью ИИ в консоли Firebase

Цены и ограничения

Поддерживаемые модели

Поддерживаемые языки

Обоснуйте модель с помощью Google Search

Быстрый

Kotlin

Java

Web

Dart

Единство

Как работает заземление с помощью Google Search

Поймите обоснованный результат

Используйте и продемонстрируйте обоснованный результат.

(Обязательно) Отображать подсказки Google Search

(Обязательно) Источники отображения

Примеры кода

Быстрый

Kotlin

Java

Web

Dart

Единство

Анализ результатов и мониторинг с помощью ИИ в консоли Firebase

Цены и ограничения

Поддерживаемые модели

Поддерживаемые языки

Обоснуйте модель с помощью Google Search

Быстрый

Kotlin

Java

Web

Dart

Единство

Как работает заземление с помощью Google Search

Поймите обоснованный результат

Используйте и продемонстрируйте обоснованный результат.

(Обязательно) Отображать подсказки Google Search

(Обязательно) Источники отображения

Примеры кода

Быстрый

Kotlin

Java

Web

Dart

Единство

Анализ результатов и мониторинг с помощью ИИ в консоли Firebase

Цены и ограничения

Поддерживаемые модели

Поддерживаемые языки

Обоснуйте модель с помощью Google Search

Быстрый

Kotlin

Java

Web

Dart

Единство

Как работает заземление с помощью Google Search

Заземление с помощью Google Поиска