Gemini API بااستفاده از Firebase AI Logic
بااستفاده از مدل‌های Gemini و Firebase AI Logic، برنامه‌ها و ویژگی‌های هوشواره‌ای تلفن همراه و وب بسازید
با Firebase AI Logic به جدیدترین مدل‌های هوش مصنوعی زایا از Google دسترسی پیدا می‌کنید: مدل‌های Gemini.
اگر نیاز دارید که Gemini API را مستقیماً از برنامه وب یا تلفن همراهتان — به‌جای سمت سرور — فراخوانی کنید، می‌توانید از کیت‌های توسعه نرم‌افزار مشتری Firebase AI Logic استفاده کنید. این کیت‌های توسعه نرم‌افزار کارخواه به‌طور ویژه برای استفاده با برنامه‌های تلفن همراه و وب ساخته شده‌اند و گزینه‌های امنیتی دربرابر کارخواه‌های غیرمجاز و همچنین یکپارچه‌سازی با دیگر سرویس‌های Firebase ارائه می‌دهند.
این کیت‌های توسعه نرم‌افزار مشتری در Swift برای پلاتفرم‌های Apple، Kotlin و Java برای Android، JavaScript برای وب، Dart برای Flutter، و Unity دردسترس هستند.
با این کیت‌های توسعه نرم‌افزار مشتری، می‌توانید شخصی‌سازی هوش مصنوعی را به برنامه‌ها اضافه کنید، تجربه گپ هوش مصنوعی بسازید، بهینه‌سازی‌ها و خودکارسازی‌های با پشتیبانی هوش مصنوعی ایجاد کنید، و کارهای بسیار دیگری انجام دهید!
قابلیت‌های کلیدی
| ورودی چندوجهی و زبان طبیعی |
مدل‌های Gemini چندحالته هستند، بنابراین پیام‌واره‌های ارسال‌شده به Gemini API می‌تواند شامل نوشتار،
تصاویر، فایل‌های PDF، ویدیو، و صدا باشد. برخی‌از مدل‌های Gemini نیز می‌توانند
برونداد چندحالته تولید کنند.
می‌توان از مدل‌های Gemini با ورودی زبان طبیعی درخواست کرد. |
| مجموعه رو به رشد قابلیت‌ها |
با کیت‌های توسعه نرم‌افزار می‌توانید مستقیماً از برنامه وب یا تلفن همراهتان Gemini API را فراخوانی کنید تا
تجربه‌های گپ با هوش مصنوعی بسازید،
تصویر تولید کنید،
از نوشتار گفتار تولید کنید (تبدیل نوشتار به گفتار)،
از ابزارها (مثل فراخوانی تابع
و «مستندسازی» با
|
| امنیت و جلوگیری از سوءاستفاده برای برنامه‌های تولید |
از
Firebase App Check برای کمک به
محافظت از میاناهای برنامه‌سازی کاربردی که به مدل‌های Gemini دسترسی دارند دربرابر سوءاستفاده
کاربران غیرمجاز استفاده کنید.
Firebase AI Logic همچنین به‌طور پیش‌فرض محدودیت‌های نرخ به‌ازای هر کاربر دارد، و این محدودیت‌های نرخ به‌ازای هر کاربر کاملاً پیکربندی‌پذیر هستند. |
| زیرساخت مستحکم | از زیرساخت مقیاس‌پذیر که برای استفاده با برنامه‌های تلفن همراه و وب ساخته شده است بهره ببرید، برای نمونه، مدیریت فایل‌ها با Cloud Storage for Firebase و کنترل پویا پیکربندی‌های زمان اجرا با Firebase Remote Config یا الگوهای پیام‌واره سرور. |
چگونه کار می‌کند؟
Firebase AI Logic کیت‌های توسعه نرم‌افزار مشتری، سرویس پراکسی، و ویژگی‌های دیگری ارائه می‌دهد که به شما امکان می‌دهد برای ساختن ویژگی‌های هوش مصنوعی در برنامه‌های تلفن همراه و وب خود به مدل‌های هوش مصنوعی زایای Google دسترسی داشته باشید.
پشتیبانی از مدل‌های Google و ارائه‌دهندگان «Gemini API»
از همه مدل‌های جدید Gemini پشتیبانی می‌کنیم، و برای دسترسی به این مدل‌ها، ارائه‌دهنده «Gemini API» ترجیحی‌تان را انتخاب می‌کنید. از هر دو Gemini Developer API و Agent Platform Gemini API (formerly Vertex AI) پشتیبانی می‌کنیم. درباره تفاوت‌های استفاده از دو ارائه‌دهنده میانای برنامه کاربردی بیشتر بدانید.
و اگر انتخاب کنید که از Gemini Developer API استفاده کنید، می‌توانید از «سطح رایگان» آن‌ها برای راه‌اندازی سریع استفاده کنید.
کیت‌های توسعه نرم‌افزار کارخواه وب و تلفن همراه
درخواست‌ها را مستقیماً از برنامه وب یا تلفن همراه خود بااستفاده از Firebase AI Logic کیت‌های توسعه نرم‌افزار مشتری ما به مدل‌ها ارسال می‌کنید. این کیت‌ها در Swift برای پلاتفرم‌های Apple، Kotlin و Java برای Android، JavaScript برای وب، Dart برای Flutter، و Unity دردسترس هستند.
اگر هر دو ارائه‌دهنده Gemini API را در پروژه Firebase خود راه‌اندازی کرده باشید، می‌توانید فقط با فعال کردن API دیگر و تغییر چند خط کد مقداردهی اولیه، بین ارائه‌دهندگان API جابه‌جا شوید.
علاوه‌براین، چندین کیت توسعه نرم‌افزار مشتری ما دسترسی به استنباط ترکیبی و درون‌دستگاهی را ارائه می‌دهند. این پیکربندی به برنامه شما امکان می‌دهد وقتی مدل درون‌دستگاهی دردسترس است از آن استفاده کند، اما درصورت نیاز (و بالعکس) به‌طور یکپارچه به مدل میزبانی‌شده در فضای ابری برگردد.
پیشکار
سرویس پراکسی ما به‌عنوان دروازه‌ای بین مشتری و ارائه‌دهنده Gemini API انتخابی شما (و مدل‌های Google) عمل می‌کند. این سرویس‌ها و یکپارچه‌سازی‌هایی را ارائه می‌دهد که برای برنامه‌های وب و تلفن همراه مهم هستند. برای مثال، می‌توانید Firebase App Check را راه‌اندازی کنید تا به محافظت از ارائه‌دهنده API انتخابی‌تان و منابع زیرینه دربرابر سوءاستفاده مشتریان غیرمجاز کمک کند.
این امر به‌ویژه اگر انتخاب کرده باشید از Gemini Developer API استفاده کنید بسیار مهم است زیرا سرویس پراکسی ما و این یکپارچه‌سازی App Check مطمئن می‌شوند که Gemini کلید API شما در سرور باقی می‌ماند و در پایگاه کد برنامه‌هایتان جاسازی نمی‌شود.
مسیر پیاده‌سازی
| پروژه Firebase خود را راه‌اندازی کنید و برنامه‌تان را به Firebase متصل کنید | از گردش کار هدایت‌شده در صفحه Firebase AI Logic کنسول Firebase برای راه‌اندازی پروژه خود (ازجمله فعال کردن میاناهای برنامه‌سازی کاربردی موردنیاز برای ارائه‌دهنده Gemini API انتخابی خود)، ثبت برنامه خود در پروژه Firebase، و سپس افزودن پیکربندی Firebase به برنامه خود استفاده کنید. | |
| نصب کیت توسعه نرم‌افزار و مقداردهی اولیه | «کیت توسعه نرم‌افزار» Firebase AI Logic را که مختص پلاتفرم برنامه‌تان است نصب کنید، سپس سرویس را مقداردهی اولیه کنید و نمونه مدل را در برنامه‌تان ایجاد کنید. | |
| ارسال درخواست‌های پیام‌واره به مدل‌های Gemini | از کیت‌های توسعه نرم‌افزار برای ارسال پیام‌واره‌های فقط نوشتاری یا چندوجهی به مدل Gemini
برای تولید
نوشتار و کد،
برونداد ساختاریافته (مثل JSON)،
تصاویر، و
گفتار (نوشتار به گفتار) استفاده کنید.
با گپ چند نوبتی، جاری‌سازی دوطرفه (شامل صدا)، و فراخوانی تابع، تجربه‌های غنی‌تری بسازید. |
|
| آماده شدن برای تولید | ادغام‌های مهمی را برای برنامه‌های تلفن همراه و وب پیاده‌سازی کنید، مثلاً محافظت از API دربرابر سوءاستفاده با Firebase App Check و استفاده از Firebase Remote Config یا الگوهای پیام‌واره سرور تا بتوانید بدون انتشار نسخه جدید برنامه، تغییرات درخواستی در پیکربندی‌های ویژگی هوش مصنوعی خود (مثل نام مدل) ایجاد کنید. |
مراحل بعدی
شروع کار با دسترسی به مدل از برنامه تلفن همراه یا وب