A chamada de função facilita a geração de saídas de dados estruturados de modelos generativos. Depois, use essas saídas para chamar outras APIs e retornar os dados de resposta relevantes ao modelo. Em outras palavras, a chamada de função ajuda você a conectar modelos generativos a sistemas externos, para que o conteúdo gerado inclua as informações mais atualizadas e precisas.
É possível fornecer descrições de funções aos modelos do Gemini. Essas são funções que você escreve na linguagem do seu app (ou seja, não são funções do Cloud). O modelo pode pedir que você chame uma função e envie de volta o resultado para ajudar o modelo a lidar com sua consulta.
Saiba mais sobre chamadas de função na documentação do Google Cloud.
Antes de começar
Siga as etapas do Guia explicativo para SDKs da Vertex AI para Firebase, caso ainda não tenha feito isso. Verifique se você fez o seguinte:
Configure um projeto novo ou atual do Firebase, incluindo o uso do plano de preços Blaze e a ativação das APIs necessárias.
Conecte seu app ao Firebase, incluindo o registro do app e a adição da configuração do Firebase ao app.
Adicione o SDK e inicialize o serviço da Vertex AI e o modelo generativo no seu app.
Depois de conectar seu app ao Firebase, adicionar o SDK e inicializar o serviço da Vertex AI e o modelo generativo, você pode chamar a API Gemini.
Configurar uma chamada de função
Neste tutorial, você fará com que o modelo interaja com uma API hipotética de câmbio de moeda compatível com os seguintes parâmetros:
Parâmetro | Tipo | Obrigatório | Descrição |
---|---|---|---|
currencyFrom |
string | sim | Moeda da qual converter |
currencyTo |
string | sim | Moeda a ser convertida |
Exemplo de solicitação de API
{
"currencyFrom": "USD",
"currencyTo": "SEK"
}
Exemplo de resposta da API
{
"base": "USD",
"rates": {"SEK": 10.99}
}
Etapa 1: criar a função que faz a solicitação de API
Comece criando a função que faz uma solicitação de API, se ainda não tiver feito isso.
Para fins de demonstração neste tutorial, em vez de enviar uma solicitação de API real, você retornará valores codificados no mesmo formato que uma API real retornaria.
Etapa 2: criar uma declaração de função
Crie a declaração de função que você vai transmitir para o modelo generativo (próxima etapa deste tutorial).
Inclua o máximo de detalhes possível nas descrições de funções e parâmetros. O modelo generativo usa essas informações para determinar qual função selecionar e como fornecer valores para os parâmetros na chamada de função.
Etapa 3: especificar a declaração da função durante a inicialização do modelo
Especifique a declaração da função ao inicializar o modelo generativo definindo o parâmetro tools
do modelo:
Aprenda a escolher um modelo do Gemini e, opcionalmente, um local adequado para seu caso de uso e app.
Etapa 4: gerar uma chamada de função
Agora você pode enviar o comando ao modelo com a função definida.
A maneira recomendada de usar a chamada de função é pela interface de chat, já que elas se encaixam perfeitamente na estrutura de vários turnos do chat.
O que mais você pode fazer?
Teste outros recursos da API Gemini
- Criar conversas de várias interações (chat).
- Gerar texto com base em comandos somente de texto.
- Gerar texto com base em comandos multimodais (incluindo texto, imagens, PDFs, vídeo e áudio).
Saiba como controlar a geração de conteúdo
- Entenda o design de comandos, incluindo práticas recomendadas, estratégias e exemplos de comandos.
- Configure os parâmetros do modelo, como temperatura e número máximo de tokens de saída.
- Use as configurações de segurança para ajustar a probabilidade de receber respostas que podem ser consideradas prejudiciais.
Saiba mais sobre os modelos do Gemini
Saiba mais sobre os modelos disponíveis para vários casos de uso e as cotas e preços deles.Envie feedback sobre sua experiência com a Vertex AI para Firebase