Panggilan fungsi memudahkan Anda untuk mendapatkan output data terstruktur dari model generatif. Anda kemudian dapat menggunakan output ini untuk memanggil API lain dan menampilkan data respons yang relevan dengan model. Dengan kata lain, panggilan fungsi membantu Anda menghubungkan model generatif ke sistem eksternal sehingga konten yang dihasilkan berisi informasi yang terbaru dan akurat.
Anda dapat memberikan deskripsi fungsi ke model Gemini. Berikut adalah fungsi yang Anda tulis dalam bahasa aplikasi (artinya, fungsi itu tidak Cloud Functions). Model mungkin meminta Anda untuk memanggil fungsi dan mengirim balik hasilnya untuk membantu model menangani kueri Anda.
Anda dapat pelajari panggilan fungsi lebih lanjut dalam dokumentasi Google Cloud.
Sebelum memulai
Jika Anda belum melakukannya, selesaikan panduan memulai untuk Vertex AI in Firebase SDK. Pastikan Anda telah melakukan semua hal berikut:
Siapkan project Firebase baru atau yang sudah ada, termasuk menggunakan Paket harga Blaze dan aktifkan API yang diperlukan.
Hubungkan aplikasi Anda ke Firebase, termasuk mendaftarkan aplikasi dan menambahkan konfigurasi Firebase ke aplikasi Anda.
Tambahkan SDK dan lakukan inisialisasi layanan Vertex AI serta model generatif dalam aplikasi Anda.
Setelah menghubungkan aplikasi ke Firebase, menambahkan SDK, dan menginisialisasi layanan Vertex AI dan model generatif, Anda siap untuk memanggil Gemini API.
Menyiapkan panggilan fungsi
Untuk tutorial ini, Anda akan meminta model berinteraksi dengan mata uang fiktif Exchange API yang mendukung parameter berikut:
Parameter | Jenis | Wajib diisi | Deskripsi |
---|---|---|---|
currencyFrom |
string | ya | Mata uang sumber konversi |
currencyTo |
string | ya | Konversikan ke mata uang |
Contoh permintaan API
{
"currencyFrom": "USD",
"currencyTo": "SEK"
}
Contoh respons API
{
"base": "USD",
"rates": {"SEK": 10.99}
}
Langkah 1: Buat fungsi yang membuat permintaan API
Jika Anda belum melakukannya, mulailah dengan membuat fungsi yang membuat terhadap permintaan API.
Untuk tujuan demonstrasi dalam tutorial ini, daripada mengirim API sebenarnya Anda akan mengembalikan nilai hardcode dalam format yang sama dengan API yang akan ditampilkan.
Langkah 2: Buat deklarasi fungsi
Buat deklarasi fungsi yang akan Anda teruskan ke model generatif (langkah berikutnya dari tutorial ini).
Sertakan sebanyak mungkin detail dalam deskripsi fungsi dan parameter. Model generatif menggunakan informasi ini untuk menentukan fungsi mana yang akan dipilih dan cara memberikan nilai untuk parameter dalam panggilan fungsi.
Langkah 3: Tentukan deklarasi fungsi selama inisialisasi model
Tentukan deklarasi fungsi saat melakukan inisialisasi model generatif dengan
menetapkan parameter tools
model:
Pelajari cara memilih model Gemini dan jika perlu, lokasi sesuai untuk kasus penggunaan dan aplikasi Anda.
Langkah 4: Buat panggilan fungsi
Sekarang Anda dapat memerintahkan model dengan fungsi yang ditentukan.
Cara yang disarankan untuk menggunakan panggilan fungsi adalah melalui antarmuka {i>chat<i}, karena panggilan fungsi sangat cocok dengan struktur multi-giliran chat.
Kamu bisa apa lagi?
Coba kemampuan Gemini API lainnya
- Membuat percakapan multi-giliran (chat).
- Buat teks dari dialog khusus teks.
- Buat teks dari dialog multimodal (termasuk teks, gambar, PDF, video, dan audio).
Pelajari cara mengontrol pembuatan konten
- Memahami desain prompt, termasuk praktik terbaik, strategi, dan contoh perintah.
- Mengonfigurasi parameter model seperti suhu dan token output maksimum.
- Gunakan setelan keamanan untuk menyesuaikan kemungkinan mendapatkan respons yang mungkin dianggap berbahaya.
Pelajari lebih lanjut model Gemini
Pelajari tentang model yang tersedia untuk berbagai kasus penggunaan dan mereka kuota dan harga.Beri masukan tentang pengalaman Anda dengan Vertex AI in Firebase