Las llamadas a función facilitan la obtención de resultados de datos estructurados desde generativos. Luego, puedes usar estos resultados para llamar a otras APIs y mostrar los datos de respuesta relevantes para el modelo. En otras palabras, las llamadas a funciones ayudan conecta modelos generativos a sistemas externos para que el contenido generado incluya la información más actualizada y precisa.
Puedes proporcionarles descripciones de funciones a los modelos de Gemini. Son funciones que escribes en el lenguaje de tu app (es decir, Cloud Functions). El modelo puede pedirte que llames a una función y devuelvas el resultado para ayudar al modelo a manejar tu consulta.
Puedes Obtén más información sobre las llamadas a funciones en la documentación de Google Cloud.
Antes de comenzar
Si aún no lo hiciste, completa el guía de introducción para los SDK de Vertex AI in Firebase. Asegúrate de haber realizado todo lo siguiente:
Configurar un proyecto de Firebase nuevo o existente, incluido el uso de Plan de precios Blaze y habilitación de las APIs necesarias.
Conecta tu app a Firebase, incluido el registro y la adición de tu app la configuración de Firebase en tu app.
Agrega el SDK y, luego, inicializa el servicio Vertex AI y el modelo generativo. en tu app.
Después de conectar la app a Firebase, agregar el SDK e inicializar la el servicio de Vertex AI y el modelo generativo, ya puedes llamar a Gemini API.
Configura una llamada a función
En este instructivo, harás que el modelo interactúe con una moneda hipotética Exchange que admite los siguientes parámetros:
Parámetro | Tipo | Obligatorio | Descripción |
---|---|---|---|
currencyFrom |
string | sí | Moneda de la que quiere convertir |
currencyTo |
string | sí | Moneda que se convertirá en |
Ejemplo de solicitud a la API
{
"currencyFrom": "USD",
"currencyTo": "SEK"
}
Ejemplo de respuesta de la API
{
"base": "USD",
"rates": {"SEK": 10.99}
}
Paso 1: Crea la función que realiza la solicitud a la API
Si aún no lo hiciste, empieza por crear la función que hace solicitud a la API.
Para fines de demostración en este instructivo, en lugar de enviar una API real devolverás valores codificados en el mismo formato que una solicitud que volvería a aparecer la API.
Paso 2: Crea una declaración de función
Crea la declaración de función que pasarás al modelo generativo. (paso siguiente de este instructivo).
Incluye tantos detalles como sea posible en las descripciones de las funciones y los parámetros. El modelo generativo usa esta información para determinar qué función seleccionar y cómo proporcionar valores para los parámetros en la llamada a función.
Paso 3: Especifica la declaración de la función durante la inicialización del modelo
Especifica la declaración de la función cuando inicialices el modelo generativo. Para ello, haz lo siguiente:
Configura el parámetro tools
del modelo:
Descubre cómo elegir un modelo de Gemini y, opcionalmente, una ubicación adecuados para tu caso de uso y app.
Paso 4: Genera una llamada a función
Ahora puedes indicarle al modelo la función definida.
La forma recomendada de usar las llamadas a función es a través de la interfaz de chat, ya que las llamadas a función encajan perfectamente en la estructura de varios turnos del chat.
¿Qué más puedes hacer?
Prueba otras funciones de Gemini API
- Crear conversaciones de varios turnos (chat)
- Generar texto desde instrucciones de solo texto.
- Generar texto desde instrucciones multimodales (incluidos texto, imágenes, archivos PDF, videos y audio).
Aprende a controlar la generación de contenido
- Comprender el diseño de mensajes, por ejemplo: prácticas recomendadas, estrategias y ejemplos de instrucciones.
- Configura los parámetros del modelo, como temperatura y máximo de tokens de salida.
- Usa la configuración de seguridad para ajustar la más probabilidades de recibir respuestas que se consideren perjudiciales.
Más información sobre los modelos de Gemini
Obtén más información acerca de la modelos disponibles para varios casos de uso y sus cuotas y precios.Enviar comentarios sobre tu experiencia con Vertex AI in Firebase