מעבר מ-SDK של לקוח Google AI ל-SDK של Firebase AI Logic


מעבר ישירות להוראות להעברת נתונים

למה כדאי לעבור לשימוש בערכות ה-SDK של Firebase AI Logic?

יכול להיות שניסיתם קבוצה חלופית של ערכות SDK ללקוחות בנייד או באינטרנט שנתנו לכם גישה אל Gemini Developer API.

ערכות ה-SDK של הלקוח האלה לא שולבו במערכת האקולוגית החזקה של Firebase, שמציעה שירותים קריטיים לאפליקציות לנייד ולאפליקציות אינטרנט. הן הוצאו משימוש והוחלפו בערכות ה-SDK של הלקוח Firebase AI Logic, שמאפשרות גישה אל Gemini Developer API.

אמצעי אבטחה לאפליקציות לנייד ולאפליקציות אינטרנט

באפליקציות לנייד ולאינטרנט, האבטחה היא קריטית ודורשת שיקולים מיוחדים כי הקוד שלכם – כולל קריאות ל-Gemini API – פועל בסביבה לא מוגנת. אתם יכולים להשתמש ב-Firebase App Check כדי להגן על ממשקי API מפני ניצול לרעה על ידי לקוחות לא מורשים.

כשאתם משתמשים ב-Firebase App Check עם Firebase AI Logic, אתם לא מוסיפים את מפתח ה-API של Gemini ל-Gemini Developer API ישירות לבסיס הקוד של האפליקציה לנייד או לאינטרנט. במקום זאת, מפתח ה-API של Gemini נשאר בשרת, ולא נחשף לגורמים זדוניים.

מערכת אקולוגית שמיועדת לאפליקציות לנייד ולאינטרנט

‫Firebase היא הפלטפורמה של Google לפיתוח אפליקציות לנייד ואפליקציות אינטרנט. כשמשתמשים ב-Firebase AI Logic, האפליקציות נמצאות בסביבה שמתמקדת בצרכים של אפליקציות ומפתחים של Full Stack. לדוגמה:

  • להגדיר באופן דינמי הגדרות של זמן ריצה או להחליף ערכים באפליקציה (כמו שם וגרסה של מודל) בלי להשיק גרסה חדשה של האפליקציה באמצעות Firebase Remote Config.

  • אתם יכולים להשתמש ב-Cloud Storage for Firebase כדי לכלול קבצים גדולים בבקשות המולטימודליות (אם אתם משתמשים ב-Agent Platform Gemini API (formerly Vertex AI)). ערכות ה-SDK של הלקוח ב-Cloud Storage עוזרות לכם לטפל בהעלאות ובהורדות של קבצים (גם בתנאי רשת גרועים) ומציעות אבטחה משופרת לנתונים של משתמשי הקצה. במדריך לפתרון בעיות מוסבר איך משתמשים ב-Cloud Storage for Firebase.

  • לנהל נתונים מובְנים באמצעות ערכות SDK של מסדי נתונים שמיועדות לאפליקציות לנייד ולאפליקציות אינטרנט (כמו Cloud Firestore).

מעבר לערכות ה-SDK של Firebase AI Logic

סקירה כללית של השלבים למעבר לערכות ה-SDK של Firebase AI Logic:

  • שלב 1: מגדירים פרויקט חדש או קיים ב-Firebase ומקשרים את האפליקציה ל-Firebase.

  • שלב 2: מוסיפים את ערכות ה-SDK של Firebase AI Logic לאפליקציה.

  • שלב 3: מעדכנים את הייבוא וההפעלה באפליקציה.

  • שלב 4: מעדכנים את הקוד בהתאם לתכונות שבהן משתמשים.

שלב 1: מגדירים פרויקט ב-Firebase ומקשרים את האפליקציה

  1. נכנסים למסוף Firebase ובוחרים את הפרויקט ב-Firebase.

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

  3. לוחצים על Get started כדי להפעיל תהליך עבודה מודרך שיעזור לכם להגדיר את ממשקי ה-API הנדרשים ואת המשאבים לפרויקט.

  4. לוחצים על Gemini Developer API. תמיד אפשר להגדיר את ספק ה-API השני ולהשתמש בו מאוחר יותר.

    במסוף יופעלו ממשקי ה-API הנדרשים וייווצר מפתח API חדש וייעודי של Gemini בפרויקט.
    אל תוסיפו את מפתח ה-API החדש של Gemini לבסיס הקוד של האפליקציה. מידע נוסף

  5. אם מופיעה בקשה בתהליך העבודה של המסוף, פועלים לפי ההוראות במסך כדי לרשום את האפליקציה ולחבר אותה ל-Firebase.

  6. המשיכו לקרוא את המדריך הזה כדי לעדכן את הספרייה ואת ההפעלה באפליקציה.

שלב 2: מוסיפים את ה-SDK של Firebase AI Logic לאפליקציה

אחרי שמגדירים את הפרויקט ב-Firebase ומקשרים את האפליקציה ל-Firebase (כמו שמוסבר בשלב הקודם), אפשר להוסיף את ה-SDK של Firebase AI Logic לאפליקציה.

Swift

אתם יכולים להשתמש ב-Swift Package Manager כדי להתקין ולנהל את יחסי התלות של Firebase. במקרה הצורך, אפשר לקרוא על אפשרויות התקנה אחרות.

הספרייה Firebase AI Logic מספקת גישה לממשקי ה-API לאינטראקציה עם מודלים של Gemini. הספרייה נכללת כחלק מ-Firebase SDK לפלטפורמות של אפל (firebase-ios-sdk).

אם אתם כבר משתמשים ב-Firebase, ודאו שחבילת Firebase היא מגרסה 12.5.0 ואילך.

  1. ב-Xcode, כשהפרויקט של האפליקציה פתוח, עוברים אל File > Add Package Dependencies (קובץ > הוספת יחסי תלות של חבילות).

  2. כשמוצגת בקשה, מוסיפים את מאגר ה-SDK של Firebase לפלטפורמות של אפל:

    https://github.com/firebase/firebase-ios-sdk
    
  3. בוחרים את גרסת ה-SDK העדכנית ביותר.

  4. בוחרים את הספרייה FirebaseAILogic ואת הספרייה FirebaseAppCheck.

אחרי שתסיימו, פלטפורמת Xcode תתחיל לטפל ביחסי התלות ולהוריד אותם ברקע באופן אוטומטי.

Kotlin

‫Firebase AI Logic SDK ל-Android‏ (firebase-ai) מספק גישה לממשקי ה-API לאינטראקציה עם מודלים של Gemini.

בקובץ Gradle של המודול (ברמת האפליקציה) (למשל <project>/<app-module>/build.gradle.kts), מוסיפים את יחסי התלות של הספריות Firebase AI Logic ו-App Check ל-Android. מומלץ להשתמש ב-Firebase Android BoM כדי לשלוט בניהול גרסאות של הספרייה.

dependencies {
  // ... other androidx dependencies

  // Import the BoM for the Firebase platform
  implementation(platform("com.google.firebase:firebase-bom:35.2.0"))

  // Add the dependencies for the Firebase AI Logic and App Check libraries
  // When using the BoM, you don't specify versions in Firebase library dependencies
  implementation("com.google.firebase:firebase-ai")
  implementation("com.google.firebase:firebase-appcheck-debug")
}

כשמשתמשים ב-Firebase Android BoM, האפליקציה תמיד משתמשת בגרסאות תואמות של ספריות Firebase ל-Android.

Java

‫Firebase AI Logic SDK ל-Android‏ (firebase-ai) מספק גישה לממשקי ה-API לאינטראקציה עם מודלים של Gemini.

בקובץ Gradle של המודול (ברמת האפליקציה) (למשל <project>/<app-module>/build.gradle.kts), מוסיפים את יחסי התלות של הספריות Firebase AI Logic ו-App Check ל-Android. מומלץ להשתמש ב-Firebase Android BoM כדי לשלוט בניהול גרסאות של הספרייה.

ב-Java, צריך להוסיף שתי ספריות נוספות.

dependencies {
  // ... other androidx dependencies

  // Import the BoM for the Firebase platform
  implementation(platform("com.google.firebase:firebase-bom:35.2.0"))

  // Add the dependencies for the Firebase AI Logic and App Check libraries
  // When using the BoM, you don't specify versions in Firebase library dependencies
  implementation("com.google.firebase:firebase-ai")
  implementation("com.google.firebase:firebase-appcheck-debug")

  // Required for one-shot operations (to use `ListenableFuture` from Guava Android)
  implementation("com.google.guava:guava:31.0.1-android")

  // Required for streaming operations (to use `Publisher` from Reactive Streams)
  implementation("org.reactivestreams:reactive-streams:1.0.4")
}

כשמשתמשים ב-Firebase Android BoM, האפליקציה תמיד משתמשת בגרסאות תואמות של ספריות Firebase ל-Android.

Web

הספרייה Firebase AI Logic מספקת גישה לממשקי ה-API לאינטראקציה עם מודלים של Gemini. הספרייה כלולה כחלק מ-Firebase JavaScript SDK לאינטרנט.

  1. מתקינים את Firebase JS SDK לאינטרנט באמצעות npm:

    npm install firebase
    
  2. מפעילים את Firebase באפליקציה:

    import { initializeApp } from "firebase/app";
    import { initializeAppCheck, DebugProvider } from "firebase/app-check";
    
    // 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);
    

Dart

הפלאגין Firebase AI Logic ל-Flutter‏ (firebase_ai) מספק גישה לממשקי ה-API כדי ליצור אינטראקציה עם מודלים של Gemini.

  1. מריצים את הפקודה הבאה מספריית הפרויקט ב-Flutter כדי להתקין את הפלאגינים Firebase AI Logic ו-App Check:

    flutter pub add firebase_ai firebase_app_check
    
  2. בקובץ lib/main.dart, מייבאים את הפלאגינים Firebase AI Logic ו-App Check:

    import 'package:firebase_core/firebase_core.dart';
    import 'package:firebase_ai/firebase_ai.dart';
    import 'package:firebase_app_check/firebase_app_check.dart';
    import 'firebase_options.dart';
    
  3. בנוסף, בקובץ lib/main.dart, מוודאים שהפעלתם את Firebase באמצעות האובייקט DefaultFirebaseOptions שיוצא על ידי קובץ התצורה:

    await Firebase.initializeApp(
      options: DefaultFirebaseOptions.currentPlatform,
    );
    
  4. בונים מחדש את אפליקציית Flutter:

    flutter run
    

Unity

לא הייתה תמיכה ב-Unity בערכות ה-SDK של הלקוח ב-Google AI.

איך מתחילים להשתמש ב-SDK של Firebase AI Logic ל-Unity

מסירים את ה-SDK הישן מהאפליקציה

אחרי שתסיימו להעביר את האפליקציה (ראו את הסעיפים הבאים במדריך הזה), הקפידו למחוק את הספרייה הישנה.

Swift

מסירים את הספרייה הישנה:

  1. ב-Xcode, כשהפרויקט של האפליקציה פתוח, עוברים לחלונית Packages Dependencies.

  2. בוחרים את החבילה generative-ai-swift מרשימת יחסי התלות של החבילה.

  3. לוחצים על הלחצן - בתחתית הרשימה ואז על Remove כדי לאשר.

Kotlin

dependencies {
    implementation("com.google.ai.client.generativeai:generativeai:VERSION")
}

Java

dependencies {
    implementation("com.google.ai.client.generativeai:generativeai:VERSION")
}

Web

// BEFORE
import { initializeApp } from "firebase/app";
import { GoogleGenerativeAI } from "@google/generative-ai";

Dart

מוחקים את החבילה הישנה:
flutter pub remove google_generative_ai

Unity

לא הייתה תמיכה ב-Unity בערכות ה-SDK של הלקוח ב-Google AI.

איך מתחילים להשתמש ב-SDK של Firebase AI Logic ל-Unity

שלב 3: מעדכנים את הייבוא וההפעלה באפליקציה

מעדכנים את הייבוא ואת האופן שבו מאתחלים את שירות הקצה העורפי של Gemini Developer API ויוצרים מכונה של GenerativeModel.

Swift

// BEFORE
import GoogleGenerativeAI

let model = GenerativeModel(name: "MODEL_NAME", apiKey: APIKey.default)

// AFTER
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-4-hydrogen")

Kotlin

// BEFORE
import com.google.ai.client.generativeai.Chat
import com.google.ai.client.generativeai.type.Content
import com.google.ai.client.generativeai.java.GenerativeModuleFutures

...

val generativeModel = GenerativeModel(modelName = "MODEL_NAME",
  // Access your API key as a Build Configuration variable
  apiKey = BuildConfig.apiKey
)

// AFTER
import com.google.firebase.Firebase
import com.google.firebase.ai.ai
import com.google.firebase.ai.type.GenerativeBackend

...

// 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("gemini-4-hydrogen")

Java

// BEFORE
import com.google.ai.client.generativeai.Chat;
import com.google.ai.client.generativeai.type.Content;
import com.google.ai.client.generativeai.java.GenerativeModuleFutures;

...

GenerativeModel gm = new GenerativeModel("MODEL_NAME",
  // Access your API key as a Build Configuration variable
  BuildConfig.apiKey
);

GenerativeModelFutures model = GenerativeModelFutures.from(gm);

// AFTER
import com.google.firebase.ai.FirebaseAI;
import com.google.firebase.ai.GenerativeModel;
import com.google.firebase.ai.java.GenerativeModelFutures;
import com.google.firebase.ai.type.GenerativeBackend;

...

// 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-4-hydrogen");

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

Web

// BEFORE
import { GoogleGenerativeAI } from "@google/generative-ai";

// Fetch your API_KEY and access your API
const API_KEY = "...";
const genAI = new GoogleGenerativeAI(API_KEY);

...

const model = genAI.getGenerativeModel({ model: "MODEL_NAME"});

// AFTER
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-4-hydrogen" });

Dart

// BEFORE
import 'package:google_generative_ai/google_generative_ai.dart';

final apiKey = Platform.environment['API_KEY'];
if (apiKey == null) {
print('No \$API_KEY environment variable');
exit(1);
}

final model = GenerativeModel(model: 'MODEL_NAME', apiKey: apiKey);

// AFTER
import 'package:firebase_ai/firebase_ai.dart';
import 'package:firebase_core/firebase_core.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-4-hydrogen');

Unity

לא הייתה תמיכה ב-Unity בערכות ה-SDK של הלקוח ב-Google AI.

איך מתחילים להשתמש ב-SDK של Firebase AI Logic ל-Unity

שימו לב שבהתאם ליכולת שבה אתם משתמשים, יכול להיות שלא תמיד תיצרו מכונה של GenerativeModel. כדי להעביר קלט ופלט בסטרימינג באמצעות Gemini Live API, צריך ליצור מכונה של LiveModel.

שלב 4: מעדכנים את הקוד בהתאם לתכונות שבהן משתמשים

בשלב הזה מתוארים השינויים שצריך לבצע בהתאם לתכונות שבהן אתם משתמשים.

  • ערכות ה-SDK של הלקוח ב-Firebase AI Logic לא תומכות בהרצת קוד. אם אתם משתמשים בתכונה הזו, חשוב לוודא שהאפליקציה שלכם תומכת בה.

  • כדאי לעיין ברשימות הבאות כדי לבדוק אם צריך לבצע שינויים בקוד כדי להתאים אותו למעבר לערכות ה-SDK של הלקוח ב-Firebase AI Logic.

חובה בכל השפות והפלטפורמות

  • קריאה להפעלת פונקציות
    אם הטמעתם את התכונה הזו, תצטרכו לעדכן את האופן שבו אתם מגדירים את הסכימה. מומלץ לעיין במדריך המעודכן בנושא קריאה להפעלת פונקציות כדי ללמוד איך לכתוב הצהרות על פונקציות.

  • יצירת פלט מובנה (כמו JSON) באמצעות responseSchema
    אם הטמעתם את התכונה הזו, תצטרכו לעדכן את האופן שבו אתם מגדירים את הסכימה. מומלץ לעיין במדריך החדש לפלט מובנה כדי ללמוד איך לכתוב סכימות JSON.

  • פסק זמן

    • הזמן הקצוב לתפוגה של בקשות שמוגדר כברירת מחדל שונה ל-180 שניות.

נדרש בהתאם לפלטפורמה או לשפה

Swift

  • ספירות

    • החלפנו את רוב הסוגים של enum ב-struct עם משתנים סטטיים. השינוי הזה מאפשר גמישות רבה יותר בפיתוח ה-API באופן שתואם לדורות קודמים. כשמשתמשים בהצהרות switch, צריך לכלול מקרה default: כדי לכסות ערכים לא ידועים או לא מטופלים, כולל ערכים חדשים שיתווספו ל-SDK בעתיד.

    • השם של המאפיין BlockThreshold שונה ל-HarmBlockThreshold, והסוג שלו הוא עכשיו struct.

    • הסרנו את המקרים unknown ו-unspecified מהרשימות הבאות (עכשיו הן struct): HarmCategory,‏ HarmBlockThreshold,‏ HarmProbability,‏ BlockReason ו-FinishReason.

    • החלפנו את המאפיין ModelContent.Part בפרוטוקול בשם Part כדי לאפשר הוספה של סוגים חדשים באופן שתואם לדורות קודמים. השינוי הזה מתואר בפירוט רב יותר בקטע חלקי תוכן.

  • חלקי תוכן

    • הסרנו את הפרוטוקול ThrowingPartsRepresentable ופישטנו את המאתחלים של ModelContent כדי למנוע שגיאות קומפיילר מדי פעם. תמונות שלא מקודדות כמו שצריך עדיין יגרמו לשגיאות כשמשתמשים בהן ב-generateContent.

    • החלפנו את המקרים של ModelContent.Part בסוגים הבאים של struct שתואמים לפרוטוקול Part:

      • .text עד TextPart
      • .data עד InlineDataPart
      • .fileData עד FileDataPart
      • .functionCall עד FunctionCallPart
      • .functionResponse עד FunctionResponsePart
  • קטגוריית הנזק

    • השדה HarmCategory כבר לא מוטמע בסוג SafetySetting. אם אתם מתייחסים אליו בתור SafetySetting.HarmCategory, אפשר להחליף את זה ב-HarmCategory.
  • משוב בנושא בטיחות

    • הסרנו את הסוג SafetyFeedback כי לא השתמשנו בו באף אחת מהתשובות.
  • מטא-נתונים של ציטוטים

    • שינוי השם של הנכס citationSources ל-citations ב-CitationMetadata.
  • סה"כ תווים לחיוב

    • המאפיין totalBillableCharacters ב-CountTokensResponse שונה כך שיהיה אופציונלי, כדי לשקף מצבים שבהם לא נשלחים תווים.
  • תשובת המועמד

    • שינינו את השם של CandidateResponse ל-Candidate כדי להתאים אותו לפלטפורמות אחרות.
  • הגדרות ליצירת תוכן

    • המאפיינים הציבוריים של GenerationConfig השתנו ל-internal. אפשר להגדיר את כולם במאתחל.

Kotlin

  • ספירות

    • הוחלפו enum סוגים ממערכת sealed בסוגים רגילים. השינוי הזה מאפשר גמישות רבה יותר בפיתוח ה-API באופן שתואם לדורות קודמים.

    • השם של המאפיין BlockThreshold שונה ל-HarmBlockThreshold.

    • הוסרו ערכים מהספירות הבאות: HarmBlockThreshold,‏ HarmProbability,‏ HarmSeverity,‏ BlockReason ו-FinishReason.

  • שיטות Blob

    • שינינו את השמות של כל השיטות שכללו את Blob כחלק מהשם שלהן, כך שישתמשו ב-InlineData במקום זאת.
  • הגדרות בטיחות

    • השדה method שונה כך שיוכל להכיל ערך null.
  • Duration class

    • הסרנו את כל השימושים במחלקה Duration של Kotlin, והחלפנו אותה ב-long. השינוי הזה משפר את יכולת הפעולה ההדדית עם Java.
  • מטא-נתונים של ציטוטים

    • כל השדות שהוגדרו קודם ב-CitationMetadata הועברו לסוג חדש שנקרא Citation. אפשר למצוא את הציטוטים ברשימה שנקראת citations ב-CitationMetadata. השינוי הזה מאפשר התאמה טובה יותר של סוגי הנתונים בין הפלטפורמות.
  • ספירת טוקנים

    • השדה totalBillableCharacters שונה כך שיוכל להכיל ערך null.
  • סה"כ תווים לחיוב

    • המאפיין totalBillableCharacters ב-CountTokensResponse שונה כך שיהיה אופציונלי, כדי לשקף מצבים שבהם לא נשלחים תווים.
  • יצירת מופע של מודל

    • העברנו את הפרמטר requestOptions לסוף רשימת הפרמטרים כדי להתאים אותו לפלטפורמות אחרות.

Java

  • ספירות

    • הוחלפו enum סוגים ממערכת sealed בסוגים רגילים. השינוי הזה מאפשר גמישות רבה יותר בפיתוח ה-API באופן שתואם לדורות קודמים.

    • השם של המאפיין BlockThreshold שונה ל-HarmBlockThreshold.

    • הוסרו ערכים מהספירות הבאות: HarmBlockThreshold,‏ HarmProbability,‏ HarmSeverity,‏ BlockReason ו-FinishReason.

  • שיטות Blob

    • שינינו את השמות של כל השיטות שכללו את Blob כחלק מהשם שלהן, כך שישתמשו ב-InlineData במקום זאת.
  • הגדרות בטיחות

    • השדה method שונה כך שיוכל להכיל ערך null.
  • Duration class

    • הסרנו את כל השימושים במחלקה Duration של Kotlin, והחלפנו אותה ב-long. השינוי הזה משפר את יכולת הפעולה ההדדית עם Java.
  • מטא-נתונים של ציטוטים

    • כל השדות שהוגדרו קודם ב-CitationMetadata הועברו לסוג חדש שנקרא Citation. אפשר למצוא את הציטוטים ברשימה שנקראת citations ב-CitationMetadata. השינוי הזה מאפשר התאמה טובה יותר של סוגי הנתונים בין הפלטפורמות.
  • ספירת טוקנים

    • השדה totalBillableCharacters שונה כך שיוכל להכיל ערך null.
  • סה"כ תווים לחיוב

    • המאפיין totalBillableCharacters ב-CountTokensResponse שונה כך שיהיה אופציונלי, כדי לשקף מצבים שבהם לא נשלחים תווים.
  • יצירת מופע של מודל

    • העברנו את הפרמטר requestOptions לסוף רשימת הפרמטרים כדי להתאים אותו לפלטפורמות אחרות.

Web

שימו לב ש-SDK של הלקוח ב-JavaScript ב-Google AI עבר שינויים רבים מאז ש-SDK של הלקוח ב-Firebase AI Logic פוצל ממנו. ברשימה הבאה מפורטים כמה שינויים פוטנציאליים שכדאי לשקול כשעוברים לערכות ה-SDK של הלקוח ב-Firebase AI Logic.

  • ספירות

    • הוסרו ערכים מהרשימות הבאות: HarmCategory,‏ BlockThreshold,‏ HarmProbability,‏ HarmSeverity,‏ BlockReason ו-FinishReason.
  • סיבת החסימה

    • השדה blockReason ב-PromptFeedback השתנה לאופציונלי.
  • ביסוס תוצאות בחיפוש Google

    • הסרנו את כל השימושים בתכונה הזו, כי היא עדיין לא נתמכת בערכות ה-SDK של Firebase AI Logic.
  • שגיאות

    • הסרת כל השימושים ב-GoogleGenerativeAIError, ואפשרות לעבור אל AIError.

Dart

  • ספירות

    • הוסרו ערכים מהרשימות הבאות: HarmCategory,‏ HarmProbability,‏ BlockReason ו-FinishReason.
  • חלק הנתונים

    • שינינו את השם של DataPart ל-InlineDataPart, ואת הפונקציה static data ל-inlineData כדי להתאים לפלטפורמות אחרות.
  • אפשרויות לבקשות

    • הסרנו את RequestOptions כי timeout לא פעל. הוא יתווסף מחדש בעתיד הקרוב, אבל יועבר לסוג GenerativeModel כדי להתאים לפלטפורמות אחרות.
  • הפסקת רצפים

    • הפרמטר stopSequences ב-GenerationConfig השתנה, ועכשיו הוא אופציונלי ומוגדר כברירת מחדל ל-null במקום למערך ריק.
  • ציטוטים

    • שינוי השם של הנכס citationSources ל-citations ב-CitationMetadata. הסוג CitationSource שונה ל-Citation כדי להתאים לפלטפורמות אחרות.
  • סוגים, שיטות ומאפיינים ציבוריים מיותרים

    • הסרנו את הסוגים, השיטות והמאפיינים הבאים שנחשפו בטעות: defaultTimeout,‏ CountTokensResponseFields,‏ parseCountTokensResponse,‏ parseEmbedContentResponse,‏ parseGenerateContentResponse,‏ parseContent,‏ BatchEmbedContentsResponse,‏ ContentEmbedding,‏ EmbedContentRequest ו-EmbedContentResponse.
  • ספירת טוקנים

    • הסרנו מהפונקציה countTokens שדות מיותרים שכבר לא צריך. צריך רק contents.
  • יצירת מופע של מודל

    • הפרמטר systemInstruction הועבר לסוף רשימת הפרמטרים כדי להתאים לפלטפורמות אחרות.
  • פונקציונליות של הטמעה

    • הסרנו מהמודל פונקציונליות הטמעה שלא נתמכת (embedContent ו-batchEmbedContents).

Unity

לא הייתה תמיכה ב-Unity בערכות ה-SDK של הלקוח ב-Google AI.

איך מתחילים להשתמש ב-SDK של Firebase AI Logic ל-Unity


שליחת משוב על חוויית השימוש ב-Firebase AI Logic