Premiers pas avec l'API Gemini à l'aide de Vertex AI dans les SDK Firebase

Ce guide vous explique comment commencer à effectuer des appels à Vertex AI Gemini API directement à partir de votre application à l'aide du SDK Vertex AI in Firebase pour la plate-forme de votre choix.

Autres options pour utiliser Gemini API

• Essayez éventuellement une version "Google AI" alternative de la 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 ne doivent être utilisés que 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 fichiers multimédias volumineux 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.

Notez que vous pouvez également utiliser ce guide pour commencer à accéder aux modèles Imagen à l'aide des SDK Vertex AI in Firebase.

Prérequis

Étape 1: Configurer un projet Firebase et associer votre application à Firebase

Si vous disposez déjà d'un projet Firebase et d'une application connectée à Firebase

1. Dans la console Firebase, accédez à la page Vertex AI.

2. Cliquez sur la fiche Vertex AI in Firebase pour lancer un workflow qui vous aide à effectuer les tâches suivantes:

   • Mettre à jour votre projet pour utiliser le forfait Blaze avec paiement à l'usage.

   • Activez les API requises dans votre projet (API Vertex AI et API Vertex AI in Firebase).

3. Passez à l'étape suivante de ce guide pour ajouter le SDK à votre application.

Si vous ne disposez pas encore d'un projet Firebase et d'une application connectés à Firebase

Configurer un projet Firebase

1. Connectez-vous à la console Firebase.

2. Cliquez sur Créer un projet, puis utilisez l'une des options suivantes:

   • Option 1: créez un projet Firebase entièrement nouveau (et son projet Google Cloud sous-jacent automatiquement) en saisissant un nouveau nom de projet à la première étape du workflow "Create project" (Créer un projet).

   • Option 2: "Ajouter Firebase" à un projet Google Cloud existant en sélectionnant le nom de votre projet Google Cloud dans le menu déroulant de la première étape du workflow "Créer un projet".

   Notez que lorsque vous y êtes invité, vous n'avez pas besoin de configurer Google Analytics pour utiliser les SDK Vertex AI in Firebase.

3. Dans la console Firebase, accédez à la page Vertex AI.

4. Cliquez sur la fiche Vertex AI in Firebase pour lancer un workflow qui vous aide à effectuer les tâches suivantes:

   • Mettre à jour votre projet pour utiliser le forfait Blaze avec paiement à l'usage.

   • Activez les API requises dans votre projet (API Vertex AI et API Vertex AI in Firebase).

Associer votre application à Firebase

Étape 2: Ajouter le SDK

Une fois votre projet Firebase configuré et votre application connectée à Firebase (voir étape précédente), vous pouvez ajouter le SDK Vertex AI in Firebase à votre application.

Étape 3: Initialisez le service Vertex AI et le modèle génératif

Avant de pouvoir effectuer des appels d'API et d'inviter un modèle Gemini, vous devez initialiser le service Vertex AI et le modèle génératif.

Une fois que vous avez terminé ce guide de démarrage, découvrez comment choisir un modèle et (facultatif) un emplacement adapté à votre cas d'utilisation et à votre application.

Étape 4: Envoyer une requête d'invite à un modèle

Maintenant 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 envoyer une requête d'invite à un modèle Gemini.

Vous pouvez utiliser generateContent() pour générer du texte à partir d'une requête d'invite textuelle uniquement:

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

En savoir plus sur les modèles compatibles

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

Essayer d'autres fonctionnalités de Gemini API

• Découvrez comment générer du texte à partir de requêtes textuelles uniquement, y compris comment diffuser la réponse.
• Générer du texte à partir de requêtes multimodales (y compris du texte, des images, des PDF, des vidéos et de l'audio)
• Créez des conversations multitours (chat).
• Générez une sortie structurée (comme JSON) à partir d'invites textuelles et multimodales.
• Utilisez l'appel de fonction pour connecter les 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, comme la température et le nombre maximal de jetons de sortie (pour Gemini) ou le format et la génération de personnes (pour Imagen).
• Utilisez les paramètres de sécurité pour ajuster la probabilité d'obtenir des réponses pouvant être considérées comme nuisibles.

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

Envoyer des commentaires sur votre expérience avec Vertex AI in Firebase