Crie conversas de vários turnos (chat) com a API Gemini

Usando o Gemini API, você pode criar conversas de formato livre em várias rodadas. O SDK do Vertex AI in Firebase simplifica o processo ao gerenciar o estado da conversa, ao contrário de generateContentStream() ou generateContent(), não é necessário armazenar o histórico de conversas.

Outras opções para trabalhar com o Gemini API

• Opcionalmente, teste uma "IA do Google" alternativa do modelo Gemini API
  Tenha acesso sem custo financeiro (dentro dos limites e quando disponível) usando Google AI Studio e SDKs do cliente Google AI. Esses SDKs devem ser usados apenas para prototipagem em apps da Web e para dispositivos móveis.

  Depois que você se familiarizar com o funcionamento do Gemini API, migre para os SDKs do Vertex AI in Firebase. com muitos outros recursos importantes para apps da Web e para dispositivos móveis, como proteger a API contra abusos usando Firebase App Check e suporte para arquivos de mídia grandes nas solicitações.

• Opcionalmente, chame Vertex AI Gemini API do lado do servidor (como Python, Node.js ou Go)
  Use o SDKs do Vertex AI do lado do servidor, Firebase Genkit ou Firebase Extensions para Gemini API.

Antes de começar

Conclua as guia para iniciantes para SDKs do Vertex AI in Firebase. Verifique se você fez o seguinte:

1. Configure um projeto do Firebase novo ou existente, incluindo o uso do plano de preços Blaze e a ativação das APIs necessárias.

2. Conecte seu app ao Firebase, incluindo o registro e a adição da configuração do Firebase.

3. Adicione o SDK e inicialize o serviço Vertex AI e o modelo generativo no seu app.

Depois de conectar seu app ao Firebase, adicionar o SDK e inicializar o serviço Vertex AI e o modelo generativo, você poderá chamar o Gemini API.

Enviar uma solicitação de comando de chat

Para criar uma conversa de várias interações (como um chat), comece inicializando o chame startChat(). Em seguida, use sendMessageStream() (ou sendMessage()) para enviar uma nova mensagem do usuário, que também anexa a mensagem e a resposta ao histórico de chat.

Há duas opções possíveis para role associadas ao conteúdo em um conversa:

• user: o papel que fornece as instruções. Esse valor é o padrão para chamadas para sendMessageStream() (ou sendMessage()), e a função gera uma exceção se uma função diferente for transmitida.

• model: o papel que fornece as respostas. Esse papel pode ser usado chamando startChat() com as history existentes.

Escolha se você quer transmitir a resposta (sendMessageStream) ou esperar pela resposta até que todo o resultado seja gerado (sendMessage).

Saiba como escolher um modelo do Gemini e, opcionalmente, um local adequado para seu caso de uso e app.

O que mais você pode fazer?

• Saiba como contar tokens. antes de enviar comandos longos ao modelo.
• Configure Cloud Storage for Firebase para incluir arquivos grandes nas suas solicitações multimodais usando URLs Cloud Storage. Os arquivos podem incluir imagens, PDFs, vídeos e áudio.
• Comece a se preparar para a produção, incluindo configurando o Firebase App Check para proteger o Gemini API contra abusos de clientes não autorizados.

Testar outros recursos do Gemini API

• Gerar texto com base em comandos somente de texto.
• Gerar texto a partir de comandos multimodais (incluindo texto, imagens, PDFs, vídeo e áudio).
• Use a chamada de função para conectar modelos generativos a sistemas e informações externas.

Saiba como controlar a geração de conteúdo

• Entenda o design de comandos, incluindo práticas recomendadas, estratégias e exemplos de comandos.
• Configure os parâmetros do modelo, como temperatura e máximo de tokens de saída.
• Use as configurações de segurança para ajustar a probabilidade de receber respostas que podem ser consideradas prejudiciais.

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

Saiba mais sobre os modelos do Gemini

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

Enviar feedback sobre sua experiência com o Vertex AI in Firebase