Créez des conversations multitours (chat) avec l'API Gemini

Avec Gemini API, vous pouvez créer des conversations libres sur plusieurs tours. Le SDK Vertex AI in Firebase simplifie le processus en gérant l'état de la conversation. Contrairement à generateContentStream() ou generateContent(), vous n'avez donc pas besoin de stocker vous-même l'historique de la conversation.

Autres options pour utiliser Gemini API

• Essayez éventuellement une version "Google AI" alternative de la fonction Gemini API
  . Obtenez un accès sans frais (dans la limite des quotas et le cas échéant) à l'aide des SDK client Google AI Studio et Google AI. Ces SDK doivent être utilisés uniquement pour le prototypage dans les applications mobiles et Web.

  Une fois que vous avez compris le fonctionnement d'un Gemini API, passez à nos SDK Vertex AI in Firebase (cette documentation), qui offrent de nombreuses fonctionnalités supplémentaires importantes pour les applications mobiles et Web, comme la protection de l'API contre les utilisations abusives à l'aide de Firebase App Check et la prise en charge des gros fichiers multimédias dans les requêtes.

• Appeler éventuellement le Vertex AI Gemini API côté serveur (comme avec Python, Node.js ou Go)
  Utilisez les SDK Vertex AI côté serveur, Firebase Genkit ou Firebase Extensions pour le Gemini API.

Avant de commencer

Si vous ne l'avez pas déjà fait, suivez le guide de démarrage des SDK Vertex AI in Firebase. Assurez-vous d'avoir effectué les opérations suivantes :

1. Configurez un projet Firebase nouveau ou existant, en utilisant le forfait Blaze et en activant les API requises.

2. Connectez votre application à Firebase, y compris en l'enregistrant et en ajoutant votre configuration Firebase à votre application.

3. Ajoutez le SDK et initialisez le service Vertex AI et le modèle génératif dans votre application.

Une fois que vous avez connecté votre application à Firebase, ajouté le SDK et initialisé le service Vertex AI et le modèle génératif, vous êtes prêt à appeler Gemini API.

Envoyer une requête d'invite de chat

Pour créer une conversation multitour (comme un chat), commencez par initialiser le chat en appelant startChat(). Utilisez ensuite sendMessageStream() (ou sendMessage()) pour envoyer un nouveau message utilisateur, qui ajoutera également le message et la réponse à l'historique de chat.

Il existe deux options possibles pour role associées au contenu d'une conversation:

• user: rôle qui fournit les invites. Cette valeur est la valeur par défaut pour les appels à sendMessageStream() (ou sendMessage()), et la fonction génère une exception si un autre rôle est transmis.

• model: rôle qui fournit les réponses. Ce rôle peut être utilisé lorsque vous appelez startChat() avec un history existant.

Indiquez si vous souhaitez diffuser la réponse (sendMessageStream) ou attendre la réponse jusqu'à ce que le résultat complet soit généré (sendMessage).

Découvrez comment choisir un modèle Gemini et éventuellement une localisation adaptée à votre cas d'utilisation et à votre application.

Qu'est-ce que tu sais faire d'autre ?

• Découvrez comment compter les jetons avant d'envoyer des requêtes longues au modèle.
• Configurez Cloud Storage for Firebase pour pouvoir inclure de gros fichiers dans vos requêtes multimodales à l'aide d'URL Cloud Storage. Les fichiers peuvent inclure des images, des PDF, des vidéos et des fichiers audio.
• Commencez à penser à la préparation de la production, y compris à la configuration de Firebase App Check pour protéger Gemini API contre les utilisations abusives par des clients non autorisés.

Essayer d'autres fonctionnalités de Gemini API

• Générez du texte à partir de requêtes textuelles uniquement.
• Générer du texte à partir de requêtes multimodales (y compris du texte, des images, des PDF, des vidéos et de l'audio)
• Générez une sortie structurée (comme JSON) à partir d'invites textuelles et multimodales.
• Utilisez l'appel de fonction pour connecter des modèles génératifs à des systèmes et des informations externes.

Découvrez comment contrôler la génération de contenu.

• Comprendre la conception des requêtes, y compris les bonnes pratiques, les stratégies et les exemples de requêtes.
• Configurez les paramètres du modèle, tels que la température et le nombre maximal de jetons de sortie.
• Utilisez les paramètres de sécurité pour ajuster la probabilité d'obtenir des réponses considérées comme nuisibles.

Vous pouvez également tester des requêtes et des configurations de modèle à l'aide de Vertex AI Studio.

En savoir plus sur les modèles Gemini

Découvrez les modèles disponibles pour différents cas d'utilisation, ainsi que leurs quotas et tarifs.

Envoyer des commentaires sur votre expérience avec Vertex AI in Firebase