Comece a usar a API Gemini usando a Vertex AI nos SDKs do Firebase


Este guia mostra como começar a fazer chamadas para o Vertex AI Gemini API diretamente do seu app usando o SDK Vertex AI in Firebase para a plataforma escolhida.

Pré-requisitos

Neste guia, pressupomos que você já sabe usar o Android Studio para desenvolver apps para Android.

  • Verifique se o ambiente de desenvolvimento e o app Android atendem aos seguintes requisitos:

    • Android Studio (versão mais recente)
    • O app Android precisa ser destinado ao nível 21 da API ou mais recente.

  • (Opcional) Confira o app de exemplo.

    Fazer o download do app de exemplo

    Você pode testar o SDK rapidamente, conferir uma implementação completa de vários casos de uso ou usar o app de exemplo se não tiver um próprio app Android. Para usar o app de exemplo, é necessário conectar a um projeto do Firebase.

Etapa 1: configurar um projeto do Firebase e conectar o app ao Firebase

Se você já tem um projeto e um app conectados ao Firebase

  1. No console Firebase, acesse a página Build with Gemini.

  2. Clique no card Vertex AI in Firebase para iniciar um fluxo de trabalho que ajuda você a concluir as seguintes tarefas:

  3. Siga para a próxima etapa deste guia para adicionar o SDK ao app.

Se você não tem um projeto do Firebase e um app conectado a ele


Etapa 2: adicionar o SDK

Com o projeto do Firebase configurado e o app conectado ao Firebase (consulte a etapa anterior), agora você pode adicionar o SDK Vertex AI in Firebase ao app.

O SDK Vertex AI in Firebase para Android (firebase-vertexai) oferece acesso ao Vertex AI Gemini API.

No arquivo Gradle do módulo (nível do app) (como <project>/<app-module>/build.gradle.kts), adicione a dependência da biblioteca Vertex AI in Firebase para Android. Recomendamos o uso do Firebase Android BoM para controlar o controle de versões da biblioteca.

Kotlin+KTX 

dependencies {
    // ... other androidx dependencies

    // Import the BoM for the Firebase platform
    implementation(platform("com.google.firebase:firebase-bom:33.6.0"))

    // Add the dependency for the Vertex AI in Firebase library
    // When using the BoM, you don't specify versions in Firebase library dependencies
    implementation("com.google.firebase:firebase-vertexai")
}

Java

Para Java, é necessário adicionar duas bibliotecas.

dependencies {
    // ... other androidx dependencies

    // Import the BoM for the Firebase platform
    implementation(platform("com.google.firebase:firebase-bom:33.6.0"))

    // Add the dependency for the Vertex AI in Firebase library
    // When using the BoM, you don't specify versions in Firebase library dependencies
    implementation("com.google.firebase:firebase-vertexai")

    // Required for one-shot operations (to use `ListenableFuture` from Guava Android)
    implementation("com.google.guava:guava:31.0.1-android")

    // Required for streaming operations (to use `Publisher` from Reactive Streams)
    implementation("org.reactivestreams:reactive-streams:1.0.4")
}

Com o Firebase Android BoM, seu app sempre vai usar versões compatíveis das bibliotecas do Firebase para Android.

Etapa 3: inicializar o serviço Vertex AI e o modelo generativo

Antes de fazer chamadas de API, é necessário inicializar o serviço Vertex AI e o modelo generativo.

Kotlin+KTX

No Kotlin, os métodos neste SDK são funções de suspensão e precisam ser chamados de um escopo de corrotina. 
// Initialize the Vertex AI service and the generative model
// Specify a model that supports your use case
// Gemini 1.5 models are versatile and can be used with all API capabilities
val generativeModel = Firebase.vertexAI.generativeModel("gemini-1.5-flash")

Java

Em Java, os métodos de streaming neste SDK retornam um tipo Publisher da biblioteca Reative Streams. 
// Initialize the Vertex AI service and the generative model
// Specify a model that supports your use case
// Gemini 1.5 models are versatile and can be used with all API capabilities
GenerativeModel gm = FirebaseVertexAI.getInstance()
        .generativeModel("gemini-1.5-flash");

// Use the GenerativeModelFutures Java compatibility layer which offers
// support for ListenableFuture and Publisher APIs
GenerativeModelFutures model = GenerativeModelFutures.from(gm);

Depois de concluir o guia de início, aprenda a escolher um modelo do Gemini e (opcionalmente) um local adequado para seu caso de uso e app.

Etapa 4: chamar o Vertex AI Gemini API

Agora que você conectou seu app ao Firebase, adicionou o SDK e inicializou o serviço Vertex AI e o modelo generativo, está tudo pronto para chamar o Vertex AI Gemini API.

Você pode usar generateContent() para gerar texto de uma solicitação de comando de texto exclusivo:

Kotlin+KTX

No Kotlin, os métodos neste SDK são funções de suspensão e precisam ser chamados de um escopo de corrotina. 
// Initialize the Vertex AI service and the generative model
// Specify a model that supports your use case
// Gemini 1.5 models are versatile and can be used with all API capabilities
val generativeModel = Firebase.vertexAI.generativeModel("gemini-1.5-flash")

// Provide a prompt that contains text
val prompt = "Write a story about a magic backpack."

// To generate text output, call generateContent with the text input
val response = generativeModel.generateContent(prompt)
print(response.text)

Java

Em Java, os métodos neste SDK retornam um ListenableFuture. 
// Initialize the Vertex AI service and the generative model
// Specify a model that supports your use case
// Gemini 1.5 models are versatile and can be used with all API capabilities
GenerativeModel gm = FirebaseVertexAI.getInstance()
        .generativeModel("gemini-1.5-flash");
GenerativeModelFutures model = GenerativeModelFutures.from(gm);

// Provide a prompt that contains text
Content prompt = new Content.Builder()
    .addText("Write a story about a magic backpack.")
    .build();

// To generate text output, call generateContent with the text input
ListenableFuture<GenerateContentResponse> response = model.generateContent(prompt);
Futures.addCallback(response, new FutureCallback<GenerateContentResponse>() {
    @Override
    public void onSuccess(GenerateContentResponse result) {
        String resultText = result.getText();
        System.out.println(resultText);
    }

    @Override
    public void onFailure(Throwable t) {
        t.printStackTrace();
    }
}, executor);

O que mais você pode fazer?

Saiba mais sobre os modelos do Gemini

Saiba mais sobre os modelos disponíveis para vários casos de uso e as cotas e os preços.

Testar outros recursos do Gemini API

Saiba como controlar a geração de conteúdo

Você também pode testar comandos e configurações de modelo usando Vertex AI Studio.


Enviar feedback sobre sua experiência com o Vertex AI in Firebase