עיגון באמצעות חיפוש Google

בדף הזה מוסבר איך להוסיף לתשובות של Gemini תוצאות ממנוע החיפוש של Google, שמבוסס על נתונים שזמינים לכולם באינטרנט. בנוסף, יש הסבר על ההצעות לחיפוש שכלולות בתשובות שלכם.

אם אתם רוצים לקשר את המודל שלכם לידע עולמי, למגוון רחב של נושאים או למידע עדכני באינטרנט, אתם יכולים להשתמש בעיגון באמצעות חיפוש Google.

מידע נוסף על ביסוס מודלים ב-Gemini Enterprise Agent Platform זמין בסקירה הכללית על ביסוס מודלים.

מודלים נתמכים

בקטע הזה מפורטים המודלים שתומכים בהארקה באמצעות חיפוש.

לחצו כדי להרחיב את רשימת המודלים הנתמכים

שפות נתמכות

רשימת השפות הנתמכות מופיעה במאמר בנושא שפות.

כדי להקפיד על דיוק התשובות של מודל באמצעות נתונים שזמינים לציבור באינטרנט, פועלים לפי ההוראות הבאות.

לתשומת ליבכם

  • כדי להשתמש בעיגון באמצעות חיפוש Google, צריך להפעיל את ההצעות לחיפוש ב-Google. מידע נוסף זמין במאמר בנושא שימוש בהצעות לחיפוש ב-Google.

  • כדי לקבל את התוצאות הטובות ביותר, מומלץ להשתמש בטמפרטורה של 1.0. מידע נוסף על הגדרת התצורה הזו זמין בגוף הבקשה של Gemini API בחומר העזר בנושא המודל.

  • יש מכסה של מיליון שאילתות ביום לעיגון באמצעות חיפוש Google. אם אתם צריכים עוד שאילתות, אתם יכולים לפנות אל Google Cloud התמיכה לקבלת עזרה.

  • שילובים של כלים: Gemini API לא תומך בשילוב של כלי חיפוש (כמו googleSearch) עם כלים שאינם כלי חיפוש (כמו קריאה לפונקציה או כלי RAG Engine של Gemini Enterprise Agent Platform‏ retrieval) באותה בקשה generateContent. אפשר להשתמש בכמה כלים רק אם כולם כלים לחיפוש.

אפשר להתאים אישית את תוצאות החיפוש למיקום גיאוגרפי ספציפי של משתמש הקצה באמצעות קואורדינטות של קו רוחב וקו אורך. מידע נוסף זמין במאמר בנושא Grounding API.

המסוף

כדי להשתמש ב-Grounding עם חיפוש Google באמצעות Agent Studio ב-Gemini Enterprise Agent Platform, צריך לבצע את השלבים הבאים:

  1. נכנסים לדף Agent Studio במסוף Google Cloud .

    מעבר אל Agent Studio

  2. בחלונית הצדדית, בקטע Model settings, עוברים אל Grounding ומפעילים את המתג חיפוש Google.
  3. מזינים את ההנחיה בתיבת הטקסט ולוחצים על שליחה.

התשובות לפרומפטים שלכם משתמשות עכשיו בעיגון באמצעות חיפוש Google.

Python

התקנה

pip install --upgrade google-genai

מידע נוסף מופיע ב מאמרי העזרה בנושא SDK.

מגדירים משתני סביבה כדי להשתמש ב-Google Gen AI SDK עם Vertex AI: 

# Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
# with appropriate values for your project.
export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
export GOOGLE_CLOUD_LOCATION=global
export GOOGLE_GENAI_USE_ENTERPRISE=True
 

from google import genai
from google.genai.types import (
    GenerateContentConfig,
    GoogleSearch,
    HttpOptions,
    Tool,
)

client = genai.Client(http_options=HttpOptions(api_version="v1"))

response = client.models.generate_content(
    model="gemini-3.5-flash",
    contents="When is the next total solar eclipse in the United States?",
    config=GenerateContentConfig(
        tools=[
            # Use Google Search Tool
            Tool(
                google_search=GoogleSearch(
                    # Optional: Domains to exclude from results
                    exclude_domains=["domain.com", "domain2.com"]
                )
            )
        ],
    ),
)

print(response.text)
# Example response:
# 'The next total solar eclipse in the United States will occur on ...'

Go

כך מתקינים או מעדכנים את Go.

מידע נוסף מופיע ב מאמרי העזרה בנושא SDK.

מגדירים משתני סביבה כדי להשתמש ב-Google Gen AI SDK עם Vertex AI: 

# Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
# with appropriate values for your project.
export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
export GOOGLE_CLOUD_LOCATION=global
export GOOGLE_GENAI_USE_ENTERPRISE=True
 

import (
	"context"
	"fmt"
	"io"

	genai "google.golang.org/genai"
)

// generateWithGoogleSearch shows how to generate text using Google Search.
func generateWithGoogleSearch(w io.Writer) error {
	ctx := context.Background()

	client, err := genai.NewClient(ctx, &genai.ClientConfig{
		HTTPOptions: genai.HTTPOptions{APIVersion: "v1"},
	})
	if err != nil {
		return fmt.Errorf("failed to create genai client: %w", err)
	}

	modelName := "gemini-2.5-flash"
	contents := []*genai.Content{
		{Parts: []*genai.Part{
			{Text: "When is the next total solar eclipse in the United States?"},
		},
			Role: genai.RoleUser},
	}
	config := &genai.GenerateContentConfig{
		Tools: []*genai.Tool{
			{GoogleSearch: &genai.GoogleSearch{ExcludeDomains: []string{"example.com", "example.org"}}},
		},
	}

	resp, err := client.Models.GenerateContent(ctx, modelName, contents, config)
	if err != nil {
		return fmt.Errorf("failed to generate content: %w", err)
	}

	respText := resp.Text()

	fmt.Fprintln(w, respText)

	// Example response:
	// The next total solar eclipse in the United States will occur on March 30, 2033, but it will only ...

	return nil
}

Java

כך מתקינים או מעדכנים את Java.

מידע נוסף מופיע ב מאמרי העזרה בנושא SDK.

מגדירים משתני סביבה כדי להשתמש ב-Google Gen AI SDK עם Vertex AI: 

# Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
# with appropriate values for your project.
export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
export GOOGLE_CLOUD_LOCATION=global
export GOOGLE_GENAI_USE_ENTERPRISE=True
 


import com.google.genai.Client;
import com.google.genai.types.GenerateContentConfig;
import com.google.genai.types.GenerateContentResponse;
import com.google.genai.types.GoogleSearch;
import com.google.genai.types.HttpOptions;
import com.google.genai.types.Tool;

public class ToolsGoogleSearchWithText {

  public static void main(String[] args) {
    // TODO(developer): Replace these variables before running the sample.
    String modelId = "gemini-2.5-flash";
    generateContent(modelId);
  }

  // Generates content with Google Search tool
  public static String generateContent(String modelId) {
    // Initialize client that will be used to send requests. This client only needs to be created
    // once, and can be reused for multiple requests.
    try (Client client =
        Client.builder()
            .location("global")
            .vertexAI(true)
            .httpOptions(HttpOptions.builder().apiVersion("v1").build())
            .build()) {

      // Create a GenerateContentConfig and set Google Search tool
      GenerateContentConfig contentConfig =
          GenerateContentConfig.builder()
              .tools(Tool.builder().googleSearch(GoogleSearch.builder().build()).build())
              .build();

      GenerateContentResponse response =
          client.models.generateContent(
              modelId, "When is the next total solar eclipse in the United States?", contentConfig);

      System.out.print(response.text());
      // Example response:
      // The next total solar eclipse in the United States will occur on...
      return response.text();
    }
  }
}

Node.js

התקנה

npm install @google/genai

מידע נוסף מופיע ב מאמרי העזרה בנושא SDK.

מגדירים משתני סביבה כדי להשתמש ב-Google Gen AI SDK עם Vertex AI: 

# Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
# with appropriate values for your project.
export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
export GOOGLE_CLOUD_LOCATION=global
export GOOGLE_GENAI_USE_ENTERPRISE=True
 

const {GoogleGenAI} = require('@google/genai');

const GOOGLE_CLOUD_PROJECT = process.env.GOOGLE_CLOUD_PROJECT;
const GOOGLE_CLOUD_LOCATION = process.env.GOOGLE_CLOUD_LOCATION || 'global';

async function generateGoogleSearch(
  projectId = GOOGLE_CLOUD_PROJECT,
  location = GOOGLE_CLOUD_LOCATION
) {
  const client = new GoogleGenAI({
    vertexai: true,
    project: projectId,
    location: location,
  });

  const response = await client.models.generateContent({
    model: 'gemini-2.5-flash',
    contents: 'When is the next total solar eclipse in the United States?',
    config: {
      tools: [
        {
          googleSearch: {},
        },
      ],
    },
  });

  console.log(response.text);

  // Example response:
  //    'The next total solar eclipse in United States will occur on ...'

  return response.text;
}

REST

לפני שמשתמשים בנתוני הבקשה, צריך להחליף את הנתונים הבאים:

  • ‫LOCATION: האזור שבו הבקשה תעובד. כדי להשתמש בנקודת הקצה הגלובלית, צריך להחריג את המיקום משם נקודת הקצה ולהגדיר את מיקום המשאב כגלובלי.
  • ‫PROJECT_ID: [מזהה הפרויקט](/resource-manager/docs/creating-managing-projects#identifiers). .
  • ‫MODEL_ID: מזהה המודל של המודל הרב-אופני.
  • TEXT: הוראות הטקסט שרוצים לכלול בהנחיה.
  • ‫EXCLUDE_DOMAINS: אופציונלי: רשימה של דומיינים שלא ישמשו כבסיס.
  • ‫LATITUDE: אופציונלי: קו הרוחב של המיקום של משתמש הקצה. לדוגמה, קו רוחב של 37.7749 מייצג את סן פרנסיסקו. אפשר לקבל קואורדינטות של קו רוחב וקו אורך באמצעות שירותים כמו מפות Google או כלי גיאו-קידוד אחרים.
  • ‫LONGITUDE: אופציונלי: קו האורך של המיקום של משתמש הקצה. לדוגמה, קו אורך של -122.4194 מייצג את סן פרנסיסקו.

ה-method של ה-HTTP וכתובת ה-URL: 

POST https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_ID:generateContent

תוכן בקשת JSON: 

{
  "contents": [{
    "role": "user",
    "parts": [{
      "text": "TEXT"
    }]
  }],
  "tools": [{
    "googleSearch": {
      "exclude_domains": [ "domain.com", "domain2.com" ]
    }
  }],
  "toolConfig": {
    "retrievalConfig": {
      "latLng": {
        "latitude": LATITUDE,
        "longitude": LONGITUDE
      }
    }
  },
  "model": "projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_ID"
}

כדי לשלוח את הבקשה צריך להרחיב אחת מהאפשרויות הבאות:

אתם אמורים לקבל תגובת JSON שדומה לזו:

{
  "candidates": [
    {
      "content": {
        "role": "model",
        "parts": [
          {
            "text": "The weather in Chicago this weekend, will be partly cloudy. The temperature will be between 49°F (9°C) and 55°F (13°C) on Saturday and between 51°F (11°C) and 56°F (13°C) on Sunday. There is a slight chance of rain on both days.\n"
          }
        ]
      },
      "finishReason": "STOP",
      "groundingMetadata": {
        "webSearchQueries": [
          "weather in Chicago this weekend"
        ],
        "searchEntryPoint": {
          "renderedContent": "..."
        },
        "groundingChunks": [
          {
            "web": {
              "uri": "https://www.google.com/search?q=weather+in+Chicago,+IL",
              "title": "Weather information for locality: Chicago, administrative_area: IL",
              "domain": "google.com"
            }
          },
          {
            "web": {
              "uri": "...",
              "title": "weatherbug.com",
              "domain": "weatherbug.com"
            }
          }
        ],
        "groundingSupports": [
          {
            "segment": {
              "startIndex": 85,
              "endIndex": 214,
              "text": "The temperature will be between 49°F (9°C) and 55°F (13°C) on Saturday and between 51°F (11°C) and 56°F (13°C) on Sunday."
            },
            "groundingChunkIndices": [
              0
            ],
            "confidenceScores": [
              0.8662828
            ]
          },
          {
            "segment": {
              "startIndex": 215,
              "endIndex": 261,
              "text": "There is a slight chance of rain on both days."
            },
            "groundingChunkIndices": [
              1,
              0
            ],
            "confidenceScores": [
              0.62836814,
              0.6488607
            ]
          }
        ],
        "retrievalMetadata": {}
      }
    }
  ],
  "usageMetadata": {
    "promptTokenCount": 10,
    "candidatesTokenCount": 98,
    "totalTokenCount": 108,
    "trafficType": "ON_DEMAND",
    "promptTokensDetails": [
      {
        "modality": "TEXT",
        "tokenCount": 10
      }
    ],
    "candidatesTokensDetails": [
      {
        "modality": "TEXT",
        "tokenCount": 98
      }
    ]
  },
  "modelVersion": "gemini-2.0-flash",
  "createTime": "2025-05-19T14:42:55.000643Z",
  "responseId": "b0MraIMFoqnf-Q-D66G4BQ"
}

ההארקה באמצעות חיפוש תמונות Google מאפשרת למודלים להשתמש בתמונות מהאינטרנט שאוחזרו מחיפוש תמונות Google כהקשר חזותי בעת יצירת תמונות. חיפוש תמונות ב-Google הוא סוג חיפוש חדש בכלי הקיים 'עיגון באמצעות חיפוש Google', והוא קיים לצד חיפוש אינטרנט של Google. ההארקה באמצעות חיפוש תמונות ב-Google זמינה בגרסת טרום-השקה (Preview) רק עבור מודל Gemini 3.1 Flash Image.

הגדרת בקשת API

כדי להפעיל את חיפוש התמונות של Google, צריך להגדיר את הכלי googleSearch בבקשת ה-API ולציין את imageSearch באובייקט searchTypes. אתם יכולים להשתמש בחיפוש תמונות של Google בנפרד או עם חיפוש האינטרנט של Google.

REST

לפני שמשתמשים בנתוני הבקשה, צריך להחליף את הנתונים הבאים:

  • ‫LOCATION: האזור שבו תתבצע הבקשה. כדי להשתמש בנקודת הקצה הגלובלית, צריך להחריג את המיקום משם נקודת הקצה ולהגדיר את המיקום של המשאב כגלובלי.
  • PROJECT_ID: .
  • ‫MODEL_ID: מזהה המודל של המודל הרב-אופני.
  • SEARCH_TERM: מונח חיפוש לתמונה.

    • ה-method של ה-HTTP וכתובת ה-URL: 

    POST https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_ID:generateContent

    גוף בקשת JSON: 

    {
  "contents": [
    {
      "role": "user",
      "parts": [
        {
        "text": "SEARCH_TERM"
        }
      ]
    }
  ],
  "tools": [
    {
      "googleSearch": {
        "searchTypes": {
          "imageSearch": {},
          "webSearch": {}
        }
      }
    }
  ],
  "model": "projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_ID"
}

    כדי לשלוח את הבקשה עליכם לבחור אחת מהאפשרויות הבאות:

    curl

    שומרים את גוף הבקשה בקובץ בשם request.json ומריצים את הפקודה הבאה: 

    curl -X POST \
         -H "Authorization: Bearer $(gcloud auth print-access-token)" \
         -H "Content-Type: application/json; charset=utf-8" \
         -d @request.json \
         "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_ID:generateContent"

    PowerShell

    שומרים את גוף הבקשה בקובץ בשם request.json ומריצים את הפקודה הבאה: 

    $cred = gcloud auth print-access-token
    $headers = @{ "Authorization" = "Bearer $cred" }

    Invoke-WebRequest `
        -Method POST `
        -Headers $headers `
        -ContentType: "application/json; charset=utf-8" `
        -InFile request.json `
        -Uri "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_ID:generateContent" | Select-Object -Expand Content

    אמורים לקבל קוד סטטוס של הצלחה (2xx) ותגובה ריקה.

דרישות להצגה

כשמשתמשים בחיפוש תמונות ב-Google עם התכונה 'עיגון באמצעות חיפוש Google', צריך לפעול בהתאם לתנאים הבאים:

  • ציון המקור: אתם צריכים לספק קישור לדף האינטרנט שבו נמצאת תמונת המקור (הדף שכולל את התמונה, ולא קובץ התמונה עצמו) באופן שהמשתמש יזהה כקישור.

  • ניווט ישיר: אם אתם בוחרים גם להציג את תמונות המקור, אתם חייבים לספק נתיב ישיר בלחיצה אחת מתמונות המקור לדף האינטרנט המכיל. אסור להשתמש בהטמעה אחרת שמעכבת או מסתירה את הגישה של משתמשי הקצה לדפי האינטרנט של המקור, כולל, בין היתר, כל נתיב מרובה קליקים או שימוש בכלי ביניים לצפייה בתמונות.

תשובה

כדי להציג תשובות מבוססות-מקור באמצעות חיפוש תמונות, ה-API מספק שיוך ברור ומטא-נתונים כדי לקשר את הפלט שלו למקורות מאומתים. אובייקט groundingMetadata כולל את השדות הבאים:

  • ‫imageSearchQueries: השאילתה הספציפית שבה נעשה שימוש על ידי המודל להקשר חזותי (נקראת גם 'חיפוש תמונות').

  • ‫groundingChunks: מכיל את פרטי המקור של התוצאות שאוחזרו. במקורות תמונות, כתובות ה-URL האלה מוחזרות ככתובות URL להפניה אוטומטית באמצעות סוג חדש של נתח תמונה. החלק כולל את:

    • ‫url: כתובת ה-URL של דף האינטרנט לשיוך (נקראת גם 'דף נחיתה').
    • ‫image_url: כתובת ה-URL הישירה של התמונה.

  • ‫groundingSupports: מספק מיפויים ספציפיים שמקשרים את התוכן שנוצר למקור הציטוט הרלוונטי שלו בחלקים.

  • ‫searchEntryPoint: כולל את הצ'יפ של חיפוש Google שמכיל HTML ו-CSS תואמים לעיבוד של הצעות לחיפוש Google.

הסבר על התשובה

אם הפרומפט למודל משתמש בהצלחה בעיגון באמצעות חיפוש Google מ-Agent Studio או מה-API, התשובות כוללות מטא-נתונים עם קישורי מקור (כתובות URL באינטרנט). עם זאת, יכולות להיות כמה סיבות לכך שהמטא-נתונים האלה לא יסופקו, והתשובה להנחיה לא תהיה מבוססת על מקורות. הסיבות האפשריות לכך הן שהמקור לא רלוונטי או שהמידע בתשובה של המודל לא מלא.

הפניות למקור בגוף הטקסט

הציטוטים המשובצים משתמשים במבנה grounding_metadata שמוחזר על ידי ה-API כדי לקשר פלחים ספציפיים של טקסט שנוצר למקורות שניתן לאמת.

היכולת הזו תומכת בכל שיטות העיגון, כולל חיפוש, מפות Google וחיפוש מבוסס סוכנים, ומספקת את פרטי המקור המדויקים שנדרשים להצגת ציטוטים מדויקים ואינטראקטיביים באפליקציה.

response = client.models.generate_content(
   model="gemini-3.5-flash",
   contents="Where will the next FIFA World Cup be held?",
   config=types.GenerateContentConfig(
       tools=[types.Tool(google_search=types.GoogleSearch())],
   ),
)

display(Markdown(response.text))
print(response.candidates[0].grounding_metadata.grounding_chunks)
display(HTML(response.candidates[0].grounding_metadata.search_entry_point.rendered_content))

פלט לדוגמה:

…

Citations:
Wikipedia. "2026 FIFA World Cup." Retrieved February 11, 2026. (https://en.wikipedia.org/wiki/2026_FIFA_World_Cup)
US Soccer Players. "2026 FIFA World Cup FAQ — Dates, Hosts, Tickets, Teams & More." (https://ussoccerplayers.com/2026-fifa-world-cup-faq)
Holafly. "2026 World Cup host cities and countries: Full list of stadiums." (https://travel.holafly.com/esims/2026-world-cup-host-cities/)
…

תמיכה בנקודת התייחסות

חובה להציג תמיכה בהצגת מקורות, כי היא עוזרת לכם לאמת את התשובות של בעלי התוכן הדיגיטלי ומוסיפה דרכים ללמידה נוספת.

תמיכה בהצגת תשובות שמבוססות על מקורות מהאינטרנט צריכה להיות מוצגת גם בתוך התשובה וגם בסיכום. לדוגמה, בתמונה הבאה מוצגת הצעה לאופן הביצוע.

דוגמאות לתמיכה בהארקה

שימוש באפשרויות חלופיות של מנועי חיפוש

כשמשתמשים בעיגון באמצעות חיפוש Google, אפליקציית לקוח יכולה:

  • להציע אפשרויות חלופיות למנועי חיפוש,
  • להגדיר מנועי חיפוש אחרים כאפשרות ברירת המחדל,
  • להציג הצעות חיפוש או תוצאות חיפוש משלהם או של צד שלישי, בתנאי ש: כל התוצאות שאינן של Google יוצגו בנפרד מתוצאות החיפוש המבוססות על מידע מהימן והצעות החיפוש של Google, ויוצגו באופן שלא יבלבל את המשתמשים או ירמז שהן מגיעות מ-Google.

יתרונות

אפשר להשתמש ב-עיגון באמצעות חיפוש Google ככלי כדי ליצור פרומפטים מורכבים ותהליכי עבודה שדורשים תכנון, חשיבה רציונלית וחשיבה, כמו:

  • אפשר להשתמש בהארקה כדי לוודא שהתשובות מבוססות על המידע העדכני והמדויק ביותר.
  • אפשר לאחזר ארטיפקטים מהאינטרנט כדי לבצע ניתוח.
  • אתם יכולים למצוא תמונות, סרטונים או מדיה אחרת שרלוונטיים לחשיבה רציונלית רב-אופנית או ליצירת משימות.
  • הוא יכול לבצע קידוד, לפתור בעיות טכניות ומשימות מיוחדות אחרות.
  • תוכלו למצוא מידע ספציפי לאזור או לקבל עזרה בתרגום תוכן בצורה מדויקת.
  • אתם יכולים למצוא אתרים רלוונטיים לגלישה.

שימוש בהצעות לחיפוש Google

כשמשתמשים בעיגון באמצעות חיפוש Google ומקבלים הצעות לחיפוש בתגובה, צריך להציג את ההצעות לחיפוש בייצור ובאפליקציות.

באופן ספציפי, אתם צריכים להציג את שאילתות החיפוש שכלולות במטא-נתונים של התשובה המבוססת על מקורות מידע. התשובה כוללת:

  • "content": תשובה שנוצרה על ידי מודל שפה גדול (LLM).
  • ‫"webSearchQueries": השאילתות שישמשו להצעות לחיפוש.

לדוגמה, בקטע הקוד הבא, Gemini מגיב להנחיה שמבוססת על חיפוש, שבה נשאלת שאלה על סוג של צמח טרופי.

"predictions": [
  {
    "content": "Monstera is a type of vine that thrives in bright indirect light…",
    "groundingMetadata": {
      "webSearchQueries": ["What's a monstera?"],
    }
  }
]

אפשר לקחת את הפלט הזה ולהציג אותו באמצעות הצעות לחיפוש.

הדרישות להצעות לחיפוש

כדי להשתמש בהצעות לחיפוש, צריך:

דרישה תיאור
Do
  • ההצעה לחיפוש מוצגת בדיוק כמו שהיא, ללא שינויים, בהתאם לדרישות התצוגה.
  • כשיוצרים אינטראקציה עם ההצעה לחיפוש, מועברים ישירות לדף תוצאות החיפוש (SRP).
לא מומלץ
  • צריך לכלול את כל המסכים או השלבים הנוספים שמוצגים בין הלחיצה של המשתמש לבין הצגת דף תוצאות החיפוש.
  • להציג תוצאות חיפוש או הצעות אחרות לצד ההצעה לחיפוש או התשובה המשויכת של מודל שפה גדול (LLM) מבוסס-קרקע.

דרישות להצגה

אלה הדרישות לתצוגה:

  • להציג את ההצעה לחיפוש בדיוק כמו שהיא, ולא לבצע שינויים בצבעים, בגופנים או במראה. מוודאים שהצעות החיפוש מוצגות כמו בתמונות הבאות, למשל במצב בהיר ובמצב כהה:

  • בכל פעם שמוצגת תשובה מעוגנת, ההצעה המתאימה לחיפוש צריכה להישאר גלויה.
  • לגבי מיתוג, עליך לפעול בהתאם להנחיות של Google לשימוש של צד שלישי בתכונות המותג של Google, שמפורטות במרכז המשאבים בנושא מותג.
  • כשמשתמשים בהארקה עם חיפוש, מוצגים צ'יפים של הצעות לחיפוש. השדה שמכיל את הצ'יפים של ההצעות לחיפוש צריך להיות באותה רוחב כמו התשובה המבוססת מה-LLM.

התנהגות בהקשה

כשמשתמש מקיש על הצ'יפ, הוא מועבר ישירות לדף תוצאות החיפוש (SRP) של מונח החיפוש שמוצג בצ'יפ. דף תוצאות החיפוש יכול להיפתח בדפדפן בתוך האפליקציה או באפליקציית דפדפן נפרדת. חשוב לא למזער, להסיר או להסתיר את התוצאות בדף תוצאות החיפוש בשום צורה. הדגם הבא של ממשק משתמש מונפש ממחיש את האינטראקציה של הקשה על תוצאת חיפוש.

התנהגות בהקשה

דוגמה באפליקציה או במחשב

קוד להטמעה של הצעה לחיפוש

כשמשתמשים ב-API כדי להצמיד תשובה לחיפוש, התשובה של המודל מספקת סגנון HTML ו-CSS תואם בשדה renderedContent, שצריך להטמיע כדי להציג הצעות לחיפוש באפליקציה.

בנוסף, הצעות לחיפוש נקראו בעבר נקודות כניסה לחיפוש. יכול להיות שתיתקלו בהפניות למונח Search Entry Points (נקודות כניסה לחיפוש) בחלק מהשדות של API, אבל שני המונחים מתייחסים להצעות החיפוש הנוכחיות שמתקבלות בתשובת ה-API.

בדוגמה הבאה מוצג שימוש ב-curl כדי להוסיף לתשובה מידע מחיפוש:

curl -X POST \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Content-Type: application/json" \
  https://aiplatform.googleapis.com/v1/projects/PROJEC_ID/locations/global/publishers/google/models/gemini-3.5-flash:generateContent -d '{
    "contents": {
      "role": "user",
      "parts": {
        "text": "Why is the sky blue?"
      }
    },
    "tools": [
      {
        "googleSearch": {}
      }
    ]
  }'

שינויים בחיוב עם Gemini 3

כשמשתמשים בעיגון באמצעות חיפוש Google במודלים של Gemini 3, החיוב מתבצע על כל שאילתת חיפוש שנוצרת על ידי Gemini ונשלחת לחיפוש. הנחיה אחת יכולה להוביל לשאילתת חיפוש אחת או יותר.

דוגמה

בדוגמה הזו מוצגת הנחיית משתמש לדוגמה ושאילתות חיפוש שאולי יחויבו.

  • הנחיית משתמש: Tell me about the life of Albert Einstein.
  • ‫Gemini עשוי ליצור את שאילתות החיפוש הבאות:
    • הלידה של אלברט איינשטיין והשנים הראשונות בחייו
    • תורת היחסות של אלברט איינשטיין
    • חייו של אלברט איינשטיין בארה"ב

בדוגמה הזו, המערכת מחייבת על שלוש שאילתות החיפוש האלה.

המאמרים הבאים