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.
Prérequis
Ce guide part du principe que vous savez développer des applications avec Flutter.
Assurez-vous que votre environnement de développement et votre application Flutter répondent aux exigences suivantes:
- Dart 3.2.0 et versions ultérieures
(Facultatif) Découvrez l'application exemple.
Téléchargez l'exemple d'application
Vous pouvez tester rapidement le SDK, voir une implémentation complète de différents cas d'utilisation ou utiliser l'application exemple si vous ne disposez pas de votre propre application Flutter. Pour utiliser l'application exemple, vous devez l'associer à un projet Firebase.
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
Dans la console Firebase, accédez à la page Build with Gemini (Développer avec Gemini).
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).
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 connectée à Firebase
Configurer un projet Firebase
Connectez-vous à la console Firebase.
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.
Dans la console Firebase, accédez à la page Build with Gemini (Développer avec Gemini).
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
Installez les outils de ligne de commande requis:
Si ce n'est pas déjà fait, installez la CLI Firebase.
Connectez-vous à Firebase avec votre compte Google en exécutant la commande suivante:
firebase login
Installez la CLI FlutterFire en exécutant la commande suivante à partir de n'importe quel répertoire:
dart pub global activate flutterfire_cli
Configurez vos applications pour qu'elles utilisent Firebase:
Utilisez la CLI FlutterFire pour configurer vos applications Flutter afin qu'elles se connectent à Firebase.
Dans le répertoire de votre projet Flutter, exécutez la commande suivante pour démarrer le workflow de configuration de l'application:
flutterfire configure
À quoi sert ce workflow
flutterfire configure
?Le workflow
flutterfire configure
effectue les opérations suivantes:Vous demande de sélectionner les plates-formes (iOS, Android, Web) compatibles avec votre application Flutter. Pour chaque plate-forme sélectionnée, la CLI FlutterFire crée une nouvelle application Firebase dans votre projet Firebase.
Vous pouvez choisir d'utiliser un projet Firebase existant ou d'en créer un. Si vous avez déjà enregistré des applications dans un projet Firebase existant, la CLI FlutterFire tentera de les faire correspondre en fonction de la configuration actuelle de votre projet Flutter.
Crée un fichier de configuration Firebase (
firebase_options.dart
) et l'ajoute au répertoirelib/
de votre application Flutter.
Dans les étapes suivantes de ce guide, vous allez ajouter le SDK Vertex AI in Firebase à votre application et effectuer l'initialisation requise pour utiliser le SDK et le Gemini API.
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.
Le plug-in Vertex AI in Firebase pour Flutter (firebase_vertexai
) permet d'accéder à Vertex AI Gemini API.
À partir du répertoire de votre projet Flutter, exécutez la commande suivante pour installer le plug-in principal et le plug-in Vertex AI in Firebase:
flutter pub add firebase_core && flutter pub add firebase_vertexai
Dans votre fichier
lib/main.dart
, importez le plug-in principal Firebase, le plug-in Vertex AI in Firebase et le fichier de configuration que vous avez généré précédemment:import 'package:firebase_core/firebase_core.dart'; import 'package:firebase_vertexai/firebase_vertexai.dart'; import 'firebase_options.dart';
Dans votre fichier
lib/main.dart
, initialisez également Firebase à l'aide de l'objetDefaultFirebaseOptions
exporté par le fichier de configuration:await Firebase.initializeApp( options: DefaultFirebaseOptions.currentPlatform, );
Recompilez votre application Flutter:
flutter run
Étape 3: Initialisez 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.
import 'package:firebase_vertexai/firebase_vertexai.dart';
import 'package:firebase_core/firebase_core.dart';
import 'firebase_options.dart';
// Initialize FirebaseApp
await Firebase.initializeApp(
options: DefaultFirebaseOptions.currentPlatform,
);
// Initialize the Vertex AI service and the generative model
// Specify a model that supports your use case
final model =
FirebaseVertexAI.instance.generativeModel(model: 'gemini-2.0-flash');
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 d'invite textuelle uniquement:
import 'package:firebase_vertexai/firebase_vertexai.dart';
import 'package:firebase_core/firebase_core.dart';
import 'firebase_options.dart';
await Firebase.initializeApp(
options: DefaultFirebaseOptions.currentPlatform,
);
// Initialize the Vertex AI service and the generative model
// Specify a model that supports your use case
final model =
FirebaseVertexAI.instance.generativeModel(model: 'gemini-2.0-flash');
// Provide a prompt that contains text
final prompt = [Content.text('Write a story about a magic backpack.')];
// To generate text output, call generateContent with the text input
final response = await model.generateContent(prompt);
print(response.text);
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 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.
- Utilisez les paramètres de sécurité pour ajuster la probabilité d'obtenir des réponses pouvant être considérées comme nuisibles.
Envoyer des commentaires sur votre expérience avec Vertex AI in Firebase