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 fonction 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 gros fichiers multimédias dans les requêtes.

• Vous pouvez appeler 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 Gemini API.

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 Compiler avec Gemini.

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

   • Mettez à niveau 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 associée 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 "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 Compiler avec Gemini.

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

   • Passez à la formule Blaze 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 l'étape précédente), vous pouvez maintenant ajouter le SDK Vertex AI in Firebase à votre application.

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

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

Une fois que vous avez terminé le guide de démarrage, découvrez comment choisir un modèle Gemini et (facultatif) une position adaptée à votre cas d'utilisation et à votre application.

Étape 4: Appeler Vertex AI Gemini API

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 appeler Vertex AI Gemini API.

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

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

En savoir plus sur les modèles Gemini

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

Essayer d'autres fonctionnalités de Gemini API

• Découvrez comment générer du texte à partir de requêtes textuelles, 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 des modèles génératifs à des informations et à des systèmes 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, tels que la température et le nombre maximal de jetons de sortie.
• Utilisez les paramètres de sécurité pour ajuster la probabilité d'obtenir des réponses pouvant être considérées comme dangereuses.

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