Использование Google Search позволяет модели Gemini в режиме реального времени подключаться к общедоступному веб-контенту. Это дает модели возможность предоставлять более точные и актуальные ответы, а также ссылаться на проверенные источники, выходящие за рамки ее собственных знаний.
Использование Google Search для установления связи с аудиторией имеет следующие преимущества:
- Повышение точности фактов : уменьшение количества иллюзорных моделей за счет того, что ответы основываются на информации из реального мира.
- Получайте доступ к информации в режиме реального времени : отвечайте на вопросы о последних событиях и темах.
- Укажите источники : чтобы укрепить доверие пользователей или позволить им просматривать релевантные сайты, покажите источники утверждений модели.
- Выполняйте более сложные задачи : извлекайте артефакты и соответствующие изображения, видео или другие медиафайлы для содействия в решении логических задач.
- Улучшите ответы с учетом региональных особенностей или языка : найдите информацию, специфичную для конкретного региона, или помогите точно перевести контент.
Поддерживаемые модели
-
gemini-3-pro-preview -
gemini-3-pro-image-preview(также известный как "nano banana pro") -
gemini-2.5-pro -
gemini-2.5-flash -
gemini-2.5-flash-lite -
gemini-2.0-flash-001(и его автоматически обновляемый псевдонимgemini-2.0-flash) -
gemini-2.0-flash-live-preview-04-09
Поддерживаемые языки
Список поддерживаемых языков для моделей Gemini см . в соответствующем разделе.
Обоснуйте модель с помощью поиска Google.
Чтобы просмотреть контент и код, относящиеся к вашему поставщику API Gemini , нажмите на него. |
При создании экземпляра GenerativeModel укажите GoogleSearch в качестве tool , который модель сможет использовать для генерации ответа.
Быстрый
import FirebaseAILogic
// Initialize the Gemini Developer API backend service
let ai = FirebaseAI.firebaseAI(backend: .googleAI())
// Create a `GenerativeModel` instance with a model that supports your use case
let model = ai.generativeModel(
modelName: "GEMINI_MODEL_NAME",
// Provide Google Search as a tool that the model can use to generate its response
tools: [Tool.googleSearch()]
)
let response = try await model.generateContent("Who won the euro 2024?")
print(response.text ?? "No text in response.")
// Make sure to comply with the "Grounding with Google Search" usage requirements,
// which includes how you use and display the grounded result
Kotlin
// Initialize the Gemini Developer API backend service
// Create a `GenerativeModel` instance with a model that supports your use case
val model = Firebase.ai(backend = GenerativeBackend.googleAI()).generativeModel(
modelName = "GEMINI_MODEL_NAME",
// Provide Google Search as a tool that the model can use to generate its response
tools = listOf(Tool.googleSearch())
)
val response = model.generateContent("Who won the euro 2024?")
print(response.text)
// Make sure to comply with the "Grounding with Google Search" usage requirements,
// which includes how you use and display the grounded result
Java
// Initialize the Gemini Developer API backend service
// Create a `GenerativeModel` instance with a model that supports your use case
GenerativeModel ai = FirebaseAI.getInstance(GenerativeBackend.googleAI())
.generativeModel("GEMINI_MODEL_NAME",
null,
null,
// Provide Google Search as a tool that the model can use to generate its response
List.of(Tool.GoogleSearch()));
// Use the GenerativeModelFutures Java compatibility layer which offers
// support for ListenableFuture and Publisher APIs
GenerativeModelFutures model = GenerativeModelFutures.from(ai);
ListenableFuture response = model.generateContent("Who won the euro 2024?");
Futures.addCallback(response, new FutureCallback() {
@Override
public void onSuccess(GenerateContentResponse result) {
String resultText = result.getText();
System.out.println(resultText);
}
@Override
public void onFailure(Throwable t) {
t.printStackTrace();
}
}, executor);
// Make sure to comply with the "Grounding with Google Search" usage requirements,
// which includes how you use and display the grounded result
Web
import { initializeApp } from "firebase/app";
import { getAI, getGenerativeModel, GoogleAIBackend } from "firebase/ai";
// TODO(developer) Replace the following with your app's Firebase configuration
// See: https://firebase.google.com/docs/web/learn-more#config-object
const firebaseConfig = {
// ...
};
// Initialize FirebaseApp
const firebaseApp = initializeApp(firebaseConfig);
// Initialize the Gemini Developer API backend service
const ai = getAI(firebaseApp, { backend: new GoogleAIBackend() });
// Create a `GenerativeModel` instance with a model that supports your use case
const model = getGenerativeModel(
ai,
{
model: "GEMINI_MODEL_NAME",
// Provide Google Search as a tool that the model can use to generate its response
tools: [{ googleSearch: {} }]
}
);
const result = await model.generateContent("Who won the euro 2024?");
console.log(result.response.text());
// Make sure to comply with the "Grounding with Google Search" usage requirements,
// which includes how you use and display the grounded result
Dart
import 'package:firebase_core/firebase_core.dart';
import 'package:firebase_ai/firebase_ai.dart';
import 'firebase_options.dart';
// Initialize FirebaseApp
await Firebase.initializeApp(
options: DefaultFirebaseOptions.currentPlatform,
);
// Initialize the Gemini Developer API backend service
// Create a `GenerativeModel` instance with a model that supports your use case
final model = FirebaseAI.googleAI().generativeModel(
model: 'GEMINI_MODEL_NAME',
// Provide Google Search as a tool that the model can use to generate its response
tools: [
Tool.googleSearch(),
],
);
final response = await model.generateContent([Content.text("Who won the euro 2024?")]);
print(response.text);
// Make sure to comply with the "Grounding with Google Search" usage requirements,
// which includes how you use and display the grounded result
Единство
using Firebase;
using Firebase.AI;
// Initialize the Gemini Developer API backend service
var ai = FirebaseAI.GetInstance(FirebaseAI.Backend.GoogleAI());
// Create a `GenerativeModel` instance with a model that supports your use case
var model = ai.GetGenerativeModel(
modelName: "GEMINI_MODEL_NAME",
// Provide Google Search as a tool that the model can use to generate its response
tools: new[] { new Tool(new GoogleSearch()) }
);
var response = await model.GenerateContentAsync("Who won the euro 2024?");
UnityEngine.Debug.Log(response.Text ?? "No text in response.");
// Make sure to comply with the "Grounding with Google Search" usage requirements,
// which includes how you use and display the grounded result
Узнайте, как выбрать модель.подходит для вашего сценария использования и приложения.
Для достижения оптимальных результатов используйте температуру 1.0 (это значение по умолчанию для всех моделей 2,5). Узнайте, как установить температуру в настройках модели .
Как работает заземление с помощью поиска Google.
При использовании инструмента GoogleSearch модель автоматически обрабатывает весь рабочий процесс поиска, обработки и цитирования информации.
Вот как работает модель:
- Получение запроса : Ваше приложение отправляет запрос модели Gemini с включенным инструментом
GoogleSearch. - Анализ запроса : Модель анализирует запрос и определяет, может ли поиск Google улучшить свой ответ.
- Отправка запросов в поиск Google : при необходимости модель автоматически генерирует один или несколько поисковых запросов и выполняет их.
- Обработка результатов поиска : Модель обрабатывает результаты поиска Google и формирует ответ на исходный запрос.
- Возвращает «обоснованный результат» : модель возвращает окончательный, удобный для пользователя ответ, основанный на результатах поиска Google. Этот ответ включает текстовый ответ модели и
groundingMetadataсодержащие поисковые запросы, результаты веб-поиска и источники.
Обратите внимание, что предоставление модели инструмента поиска Google не обязывает модель всегда использовать этот инструмент для генерации ответа. В таких случаях ответ не будет содержать объект groundingMetadata и, следовательно, не будет считаться «приземленным результатом».

Поймите обоснованный результат
Если модель основывает свой ответ на результатах поиска Google, то ответ включает объект groundingMetadata , содержащий структурированные данные, необходимые для проверки утверждений и создания удобного интерфейса работы с источниками данных в вашем приложении.
Объект groundingMetadata в "результате, полученном на основе данных" содержит следующую информацию:
webSearchQueries: Массив поисковых запросов, отправленных в поисковую систему Google. Эта информация полезна для отладки и понимания процесса рассуждений модели.searchEntryPoint: Содержит HTML и CSS для отображения необходимых «подсказок поиска Google». Вы обязаны соблюдать требования к использованию «Подсказок поиска Google» для выбранного вами поставщика API: Gemini Developer API или Vertex AI Gemini API (см. раздел «Условия предоставления услуг» в Условиях предоставления услуг). Узнайте, как использовать и отображать подсказки поиска далее на этой странице.groundingChunks: Массив объектов, содержащих веб-источники (uriиtitle).groundingSupports: Массив фрагментов для связиtextответа модели с источниками вgroundingChunks. Каждый фрагмент связывает текстовыйsegment(определяемый параметрамиstartIndexиendIndex) с одним или несколькимиgroundingChunkIndices. Это поле помогает создавать встроенные ссылки на источники. Подробнее об использовании и отображении результатов с привязкой к источнику см. далее на этой странице.
Вот пример ответа, который включает объект groundingMetadata :
{
"candidates": [
{
"content": {
"parts": [
{
"text": "Spain won Euro 2024, defeating England 2-1 in the final. This victory marks Spain's record fourth European Championship title."
}
],
"role": "model"
},
"groundingMetadata": {
"webSearchQueries": [
"UEFA Euro 2024 winner",
"who won euro 2024"
],
"searchEntryPoint": {
"renderedContent": "<!-- HTML and CSS for the search widget -->"
},
"groundingChunks": [
{"web": {"uri": "https://vertexaisearch.cloud.google.com.....", "title": "aljazeera.com"}},
{"web": {"uri": "https://vertexaisearch.cloud.google.com.....", "title": "uefa.com"}}
],
"groundingSupports": [
{
"segment": {"startIndex": 0, "endIndex": 85, "text": "Spain won Euro 2024, defeatin..."},
"groundingChunkIndices": [0]
},
{
"segment": {"startIndex": 86, "endIndex": 210, "text": "This victory marks Spain's..."},
"groundingChunkIndices": [0, 1]
}
]
}
}
]
}
Используйте и продемонстрируйте обоснованный результат.
Если модель использует инструмент поиска Google для генерации ответа, она предоставит объект groundingMetadata в ответе.
Это необходимо для отображения подсказок поиска Google и источников .
Помимо соответствия требованиям использования инструмента поиска Google, отображение этой информации помогает вам и вашим конечным пользователям проверять ответы и открывает возможности для дальнейшего обучения.
(Обязательно) Отображать подсказки поиска Google
Если ответ содержит "подсказки поиска Google", то вы обязаны соблюдать требования к использованию "Grounding with Google Search", которые включают в себя правила отображения подсказок поиска Google.
Объект groundingMetadata содержит "подсказки поиска Google", а именно поле searchEntryPoint , которое имеет поле renderedContent , обеспечивающее соответствие стандартам HTML и CSS, что необходимо реализовать для отображения подсказок поиска в вашем приложении.
Подробную информацию о требованиях к отображению и поведению подсказок Google Search см. в документации Google Cloud . Обратите внимание, что, хотя эти подробные рекомендации содержатся в документации API Vertex AI Gemini , они также применимы к поставщику API Gemini Developer .
Примеры кода приведены далее в этом разделе.
(Обязательно) Источники отображения
Объект groundingMetadata содержит структурированные исходные данные, в частности поля groundingSupports и groundingChunks . Используйте эту информацию для прямой связи операторов модели с их источниками в пользовательском интерфейсе (как непосредственно в коде, так и в агрегированном виде).
Примеры кода приведены далее в этом разделе.
Примеры кода
Эти примеры кода предоставляют обобщенные шаблоны использования и отображения результатов. Однако вы несете ответственность за то, чтобы ваша конкретная реализация соответствовала требованиям.
Быстрый
// ...
// Get the model's response
let text = response.text
// Get the grounding metadata
if let candidate = response.candidates.first,
let groundingMetadata = candidate.groundingMetadata {
// REQUIRED - display Google Search suggestions
// (renderedContent contains HTML and CSS for the search widget)
if let renderedContent = groundingMetadata.searchEntryPoint?.renderedContent {
// TODO(developer): Display Google Search suggestions using a WebView
}
// REQUIRED - display sources
let groundingChunks = groundingMetadata.groundingChunks
for chunk in groundingMetadata.groundingChunks {
if let web = chunk.web {
let title = web.title // for example, "uefa.com"
let uri = web.uri // for example, "https://vertexaisearch.cloud.google.com..."
// TODO(developer): show source in the UI
}
}
}
Kotlin
// ...
// Get the model's response
val text = response.text
// Get the grounding metadata
val groundingMetadata = response.candidates.firstOrNull()?.groundingMetadata
// REQUIRED - display Google Search suggestions
// (renderedContent contains HTML and CSS for the search widget)
val renderedContent = groundingMetadata?.searchEntryPoint?.renderedContent
if (renderedContent != null) {
// TODO(developer): Display Google Search suggestions using a WebView
}
// REQUIRED - display sources
val groundingChunks = groundingMetadata?.groundingChunks
groundingChunks?.let { chunks ->
for (chunk in chunks) {
val title = chunk.web?.title // for example, "uefa.com"
val uri = chunk.web?.uri // for example, "https://vertexaisearch.cloud.google.com..."
// TODO(developer): show source in the UI
}
}
Java
// ...
Futures.addCallback(response, new FutureCallback() {
@Override
public void onSuccess(GenerateContentResponse result) {
// Get the model's response
String text = result.getText();
// Get the grounding metadata
GroundingMetadata groundingMetadata =
result.getCandidates()[0].getGroundingMetadata();
if (groundingMetadata != null) {
// REQUIRED - display Google Search suggestions
// (renderedContent contains HTML and CSS for the search widget)
String renderedContent =
groundingMetadata.getSearchEntryPoint().getRenderedContent();
if (renderedContent != null) {
// TODO(developer): Display Google Search suggestions using a WebView
}
// REQUIRED - display sources
List chunks = groundingMetadata.getGroundingChunks();
if (chunks != null) {
for(GroundingChunk chunk : chunks) {
WebGroundingChunk web = chunk.getWeb();
if (web != null) {
String title = web.getTitle(); // for example, "uefa.com"
String uri = web.getUri(); // for example, "https://vertexaisearch.cloud.google.com..."
// TODO(developer): show sources in the UI
}
}
}
}
}
@Override
public void onFailure(Throwable t) {
t.printStackTrace();
}
}, executor);
Web
// ...
// Get the model's text response
const text = result.response.text();
// Get the grounding metadata
const groundingMetadata = result.response.candidates?.[0]?.groundingMetadata;
// REQUIRED - display Google Search suggestions
// (renderedContent contains HTML and CSS for the search widget)
const renderedContent = groundingMetadata?.searchEntryPoint?.renderedContent;
if (renderedContent) {
// TODO(developer): render this HTML and CSS in the UI
}
// REQUIRED - display sources
const groundingChunks = groundingMetadata?.groundingChunks;
if (groundingChunks) {
for (const chunk of groundingChunks) {
const title = chunk.web?.title; // for example, "uefa.com"
const uri = chunk.web?.uri; // for example, "https://vertexaisearch.cloud.google.com..."
// TODO(developer): show sources in the UI
}
}
Dart
// ...
// Get the model's response
final text = response.text;
// Get the grounding metadata
final groundingMetadata = response.candidates.first.groundingMetadata;
// REQUIRED - display Google Search suggestions
// (renderedContent contains HTML and CSS for the search widget)
final renderedContent = groundingMetadata?.searchEntryPoint?.renderedContent;
if (renderedContent != null) {
// TODO(developer): Display Google Search suggestions using a WebView
}
// REQUIRED - display sources
final groundingChunks = groundingMetadata?.groundingChunks;
if (groundingChunks != null) {
for (var chunk in groundingChunks) {
final title = chunk.web?.title; // for example, "uefa.com"
final uri = chunk.web?.uri; // for example, "https://vertexaisearch.cloud.google.com..."
// TODO(developer): show sources in the UI
}
}
Единство
// ...
// Get the model's response
var text = response.Text;
// Get the grounding metadata
var groundingMetadata = response.Candidates.First().GroundingMetadata.Value;
// REQUIRED - display Google Search suggestions
// (renderedContent contains HTML and CSS for the search widget)
if (groundingMetadata.SearchEntryPoint.HasValue) {
var renderedContent = groundingMetadata.SearchEntryPoint.Value.RenderedContent;
// TODO(developer): Display Google Search suggestions using a WebView
}
// REQUIRED - display sources
foreach(GroundingChunk chunk in groundingMetadata.GroundingChunks) {
var title = chunk.Web.Value.Title; // for example, "uefa.com"
var uri = chunk.Web.Value.Uri; // for example, "https://vertexaisearch.cloud.google.com..."
// TODO(developer): show sources in the UI
}
Анализ результатов и мониторинг с помощью ИИ в консоли Firebase
Если вы включили мониторинг ИИ в консоли Firebase , ответы сохраняются в Cloud Logging . По умолчанию срок хранения этих данных составляет 30 дней.
Вы несете ответственность за то, чтобы этот период хранения, или любой другой установленный вами период, полностью соответствовал вашему конкретному сценарию использования и любым дополнительным требованиям соответствия для выбранного вами поставщика API Gemini : Gemini Developer API или Vertex AI Gemini API (см. раздел « Условия предоставления услуг » в Условиях предоставления услуг). Возможно, вам потребуется скорректировать период хранения в Cloud Logging для соответствия этим требованиям.
Цены и ограничения
Обязательно ознакомьтесь с ценами, доступностью моделей и ограничениями на заземление с помощью поиска Google в документации выбранного вами поставщика API Gemini : Gemini Developer API |Vertex AI Gemini API .