Fundierung mit der Google Suche

Auf dieser Seite wird erläutert, wie Sie Gemini-Antworten mit Ergebnissen der Google-Suchmaschine fundieren, die öffentlich verfügbare Webdaten verwendet. Außerdem werden Suchvorschläge erläutert, die in Ihren Antworten enthalten sind.

Wenn Sie Ihr Modell mit Wissen aus der ganzen Welt, einer Vielzahl von Themen oder aktuellen Informationen im Internet verbinden möchten, verwenden Sie die Fundierung mit der Google Suche.

Weitere Informationen zur Modellfundierung in der Gemini Enterprise Agent Platform finden Sie im Fundierungs-Überblick.

Unterstützte Modelle

In diesem Abschnitt sind die Modelle aufgeführt, die Grounding mit der Suche unterstützen.

Klicken Sie, um unterstützte Modelle zu maximieren.

Unterstützte Sprachen

Eine Liste der unterstützten Sprachen finden Sie unter Sprachen.

Folgen Sie der nachstehenden Anleitung, um ein Modell mit öffentlich verfügbaren Webdaten zu fundieren.

Hinweise

  • Wenn Sie die Fundierung mit der Google Suche verwenden möchten, müssen Sie die Google-Suchvorschläge aktivieren. Weitere Informationen finden Sie unter Google-Suchvorschläge verwenden.

  • Die besten Ergebnisse erzielen Sie mit einer Temperatur von 1.0. Weitere Informationen zum Festlegen dieser Konfiguration finden Sie unter Gemini API-Anfragetext in der Modellreferenz.

  • Die Fundierung mit der Google Suche ist auf eine Million Abfragen pro Tag beschränkt. Wenn Sie mehr Anfragen benötigen, wenden Sie sich an denGoogle Cloud -Support.

Suchergebnisse können mithilfe der Koordinaten für Breiten- und Längengrad an einen bestimmten geografischen Standort des Endnutzers angepasst werden. Weitere Informationen finden Sie in der Grounding API.

Console

So verwenden Sie die Fundierung mit der Google Suche mit Agent Studio auf der Gemini Enterprise Agent Platform:

  1. Rufen Sie in der Google Cloud Console die Seite Agent Studio auf.

    Zu Agent Studio

  2. Klicken Sie auf den Tab Freies Format.
  3. Klicken Sie in der Seitenleiste auf den Schalter Antworten des Ground-Modells.
  4. Klicken Sie auf Anpassen und legen Sie „Fundierung mit der Google Suche“ als Quelle fest.
  5. Geben Sie Ihren Prompt in das Textfeld ein und klicken Sie auf Senden.

Ihre Prompt-Antworten werden jetzt mit der Fundierung mit der Google Suche erstellt.

Python

Installieren

pip install --upgrade google-genai

Weitere Informationen finden Sie in der SDK-Referenzdokumentation.

Umgebungsvariablen für die Verwendung des Gen AI SDK mit Vertex AI festlegen: 

# 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-2.5-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

Informationen zum Installieren oder Aktualisieren von Go

Weitere Informationen finden Sie in der SDK-Referenzdokumentation.

Umgebungsvariablen für die Verwendung des Gen AI SDK mit Vertex AI festlegen: 

# 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

Informationen zum Installieren oder Aktualisieren von Java

Weitere Informationen finden Sie in der SDK-Referenzdokumentation.

Umgebungsvariablen für die Verwendung des Gen AI SDK mit Vertex AI festlegen: 

# 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

Installieren

npm install @google/genai

Weitere Informationen finden Sie in der SDK-Referenzdokumentation.

Umgebungsvariablen für die Verwendung des Gen AI SDK mit Vertex AI festlegen: 

# 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

Ersetzen Sie diese Werte in den folgenden Anfragedaten:

  • LOCATION: Die Region, in der die Anfrage verarbeitet werden soll. Wenn Sie den globalen Endpunkt verwenden möchten, schließen Sie den Standort aus dem Endpunktnamen aus und konfigurieren Sie den Standort der Ressource auf „global“.
  • PROJECT_ID: Ihre [Projekt-ID](/resource-manager/docs/creating-managing-projects#identifiers). .
  • MODEL_ID: Die Modell-ID des multimodalen Modells.
  • TEXT: Die Textanleitung, die in den Prompt eingefügt werden soll.
  • EXCLUDE_DOMAINS: Optional: Liste der Domains, die nicht zum Fundieren verwendet werden sollen.
  • LATITUDE: Optional: Der Breitengrad des Standorts des Endnutzers. Ein Breitengrad von 37.7749 steht beispielsweise für San Francisco. Sie können Breiten- und Längengradkoordinaten über Dienste wie Google Maps oder andere Geocoding-Tools abrufen.
  • LONGITUDE: Optional: Der Längengrad des Standorts des Endnutzers. Ein Längengrad von -122.4194 entspricht beispielsweise San Francisco.

HTTP-Methode und URL: 

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

JSON-Text anfordern:

{
  "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"
}

Wenn Sie die Anfrage senden möchten, maximieren Sie eine der folgenden Optionen:

Sie sollten eine JSON-Antwort ähnlich wie diese erhalten:

{
  "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"
}

Bei der Fundierung mit der Google Bildersuche können Modelle Webbilder, die aus der Google Bildersuche abgerufen werden, als visuellen Kontext verwenden, wenn sie Bilder generieren. Die Google Bildersuche ist ein neuer Suchtyp im vorhandenen Tool „Fundierung mit der Google Suche“ und ist neben der standardmäßigen Google Websuche verfügbar. Die Fundierung mit der Google Bildersuche ist nur für das Gemini 3.1 Flash Image-Modell in der Vorabversion verfügbar.

API-Anfrage konfigurieren

Wenn Sie die Google Bildersuche aktivieren möchten, konfigurieren Sie das googleSearch-Tool in Ihrer API-Anfrage und geben Sie imageSearch im searchTypes-Objekt an. Sie können die Google Bildersuche unabhängig oder zusammen mit der Google Websuche verwenden.

REST

Ersetzen Sie diese Werte in den folgenden Anfragedaten:

  • LOCATION: Die Region, in der die Anfrage verarbeitet werden soll. Wenn Sie den globalen Endpunkt verwenden möchten, schließen Sie den Standort aus dem Endpunktnamen aus und konfigurieren Sie den Standort der Ressource auf „global“.
  • PROJECT_ID: .
  • MODEL_ID: Die Modell-ID des multimodalen Modells.
  • SEARCH_TERM: Ein Suchbegriff für ein Bild.

    • HTTP-Methode und URL: 

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

    JSON-Text der Anfrage:

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

    Wenn Sie die Anfrage senden möchten, wählen Sie eine der folgenden Optionen aus:

    curl

    Speichern Sie den Anfragetext in einer Datei mit dem Namen request.json und führen Sie den folgenden Befehl aus: 

    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

    Speichern Sie den Anfragetext in einer Datei mit dem Namen request.json und führen Sie den folgenden Befehl aus: 

    $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

    Sie sollten einen erfolgreichen Statuscode (2xx) und eine leere Antwort als Ausgabe erhalten.

Displayanforderungen

Wenn Sie die Google Bildersuche mit der Fundierung mit der Google Suche verwenden, müssen Sie die folgenden Bedingungen einhalten:

  • Quellenangabe: Sie müssen einen Link zur Webseite mit dem Quellbild (der „enthaltenden Seite“, nicht der Bilddatei selbst) so angeben, dass der Nutzer ihn als Link erkennt.

  • Direkte Navigation: Wenn Sie auch die Quellbilder anzeigen lassen, müssen Sie einen direkten Pfad mit nur einem Klick von den Quellbildern zur zugehörigen Quellwebseite bereitstellen. Jede andere Implementierung, die den Zugriff der Endnutzer auf die Quellwebseiten verzögert oder abstrahiert, einschließlich, aber nicht beschränkt auf einen Pfad mit mehreren Klicks oder die Verwendung eines Zwischenbildbetrachters, ist nicht zulässig.

Antwort

Bei fundierten Antworten, für die die Bildersuche verwendet wird, stellt die API eine klare Quellenangabe und Metadaten bereit, um die Ausgabe mit bestätigten Quellen zu verknüpfen. Das groundingMetadata-Objekt enthält die folgenden Felder:

  • imageSearchQueries: Die spezifische Anfrage, die vom Modell für den visuellen Kontext verwendet wird (auch als „Bildersuche“ bezeichnet).

  • groundingChunks: enthält die Quellinformationen für abgerufene Ergebnisse. Bei Bildquellen werden diese als Weiterleitungs-URLs mit einem neuen Bild-Chunk-Typ zurückgegeben. Der Chunk enthält Folgendes:

    • url: Die Webseiten-URL für die Zuordnung (auch als „Landingpage“ bezeichnet).
    • image_url: Die direkte Bild-URL.

  • groundingSupports: Enthält spezifische Zuordnungen, die den generierten Inhalt mit der entsprechenden Quellenangabe in den Chunks verknüpfen.

  • searchEntryPoint: Enthält den Google Suche-Chip mit konformem HTML und CSS zum Rendern von Google Suche-Vorschlägen.

Ihre Antwort verstehen

Wenn Ihr Modell-Prompt von Agent Studio oder der API erfolgreich bei der Fundierung mit der Google Suche verwendet wird, enthalten die Antworten Metadaten mit Quelllinks (Web-URLs). Es gibt jedoch mehrere Gründe, warum diese Metadaten möglicherweise nicht bereitgestellt werden und die Prompt-Antwort nicht fundiert wird. Dazu gehören eine geringe Quellenrelevanz oder unvollständige Informationen in der Antwort des Modells.

Inline-Quellenangaben

Bei Inline-Zitaten wird die strukturierte grounding_metadata verwendet, die von der API zurückgegeben wird, um bestimmte Segmente des generierten Texts mit überprüfbaren Quellen zu verknüpfen.

Diese Funktion unterstützt alle Fundierungsmethoden, einschließlich der Google Suche, Google Maps und der Agent Search. So werden die genauen Quelldetails bereitgestellt, die erforderlich sind, um genaue, interaktive Zitationen in Ihrer Anwendung anzuzeigen.

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))

Beispielausgabe:

…

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/)
…

Unterstützung bei der Fundierung

Die Anzeige von Fundierungsunterstützung ist erforderlich, da sie Ihnen hilft, die Antworten der Publisher zu validieren, und Möglichkeiten zum weiteren Lernen bietet.

Die Fundierungsunterstützung für Antworten aus Webquellen sollte sowohl inline als auch aggregiert angezeigt werden. In der folgenden Abbildung sehen Sie ein Beispiel dafür.

Beispiele für die Fundierungsunterstützung

Verwendung alternativer Suchmaschinenoptionen

Bei der Verwendung der Fundierung mit der Google Suche kann eine Kundenanwendung:

  • Alternative Suchmaschinenoptionen anbieten
  • andere Suchmaschinen als Standard festlegen
  • eigene oder Suchvorschläge oder Suchergebnisse von Drittanbietern anzeigen, sofern alle Ergebnisse, die nicht von Google stammen, getrennt von den fundierten Ergebnissen und Suchvorschlägen von Google angezeigt werden und so präsentiert werden, dass Nutzer nicht verwirrt werden oder annehmen, dass sie von Google stammen.

Vorteile

Die folgenden komplexen Prompts und Workflows, die Planung, Argumentation und Überlegung erfordern, können ausgeführt werden, wenn Sie die Fundierung mit der Google Suche als Tool verwenden:

  • Sie können die Antworten auf aktuelle und genaue Informationen stützen.
  • Sie können Artefakte aus dem Web abrufen, um Analysen durchzuführen.
  • Sie können relevante Bilder, Videos oder andere Medien finden, um multimodales Reasoning oder die Generierung von Aufgaben zu unterstützen.
  • Sie können Programmierung, technische Fehlerbehebung und andere spezielle Aufgaben ausführen.
  • Sie können regionsspezifische Informationen finden oder bei der genauen Übersetzung von Inhalten helfen.
  • Sie können relevante Websites zum Surfen finden.

Google-Suchvorschläge verwenden

Wenn Sie die Fundierung mit der Google Suche verwenden und Suchvorschläge in Ihrer Antwort erhalten, müssen Sie die Suchvorschläge in der Produktion und in Ihren Anwendungen anzeigen.

Sie müssen insbesondere die Suchanfragen anzeigen, die in den Metadaten der fundierten Antwort enthalten sind. Die Antwort enthält:

  • "content": Vom LLM generierte Antwort.
  • "webSearchQueries": Die Abfragen, die für Suchvorschläge verwendet werden sollen.

Im folgenden Code-Snippet antwortet Gemini beispielsweise auf eine auf der Google Suche basierende Eingabeaufforderung, in der nach einer Art tropischer Pflanze gefragt wird.

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

Sie können diese Ausgabe über die Suchvorschläge anzeigen lassen.

Anforderungen für Suchvorschläge

Folgendes ist für Suchvorschläge erforderlich:

Anforderung Beschreibung
Das sollten Sie tun:
  • Die Suchvorschläge werden genau wie angegeben ohne Änderungen angezeigt, wobei die Anzeigeanforderungen eingehalten werden.
  • Wenn Sie mit dem Suchvorschlag interagieren, werden Sie direkt zur Suchergebnisseite weitergeleitet.
Was Sie nicht tun sollten
  • Fügen Sie etwaige Bildschirme oder zusätzliche Schritte zwischen dem Tippen des Nutzers und dem Anzeigen des SRP ein.
  • Zeigen Sie andere Suchergebnisse oder Vorschläge neben dem Suchvorschlag oder der zugehörigen fundierten LLM-Antwort an.

Displayanforderungen

Es gelten die folgenden Anforderungen für die Anzeige:

  • Zeigen Sie den Suchvorschlag genau wie angegeben an und nehmen Sie keine Änderungen an Farben, Schriftarten oder Darstellung vor. Achten Sie darauf, dass der Suchvorschlag wie in den folgenden Modellen angegeben gerendert wird, einschließlich des hellen und des dunklen Modus:

  • Bei der Anzeige einer fundierten Antwort sollte der entsprechende Suchvorschlag sichtbar bleiben.
  • Beim Branding müssen Sie die Google-Richtlinien für die Verwendung von Google-Markenkennzeichen durch Dritte einhalten.
  • Wenn Sie die Fundierung mit der Google Suche verwenden, werden Chips mit Suchvorschlägen angezeigt. Das Feld mit den Chips für Suchvorschläge muss dieselbe Breite wie die fundierte Antwort des LLM haben.

Verhalten beim Tippen

Wenn ein Nutzer auf den Chip tippt, wird er direkt zur Suchergebnisseite (SRP) für den im Chip angezeigten Suchbegriff weitergeleitet. Die SRP kann entweder im App-Browser oder in einer separaten Browseranwendung geöffnet werden. Es ist wichtig, die Anzeige der SRP in irgendeiner Weise nicht zu minimieren, zu entfernen oder zu verdecken. Das folgende animierte Modell veranschaulicht die Interaktion zwischen dem Tippen und SRP.

Verhalten beim Tippen

Beispiel für App/Desktop

Code zum Implementieren eines Suchvorschlags

Wenn Sie die API verwenden, um eine Suchantwort zu fundieren, stellt die Modellantwort konforme HTML- und CSS-Stile im Feld renderedContent bereit, die Sie zum Anzeigen von Suchvorschlägen in Ihrer Anwendung implementieren.

Außerdem wurden Suchvorschläge früher als Sucheinstiegspunkte bezeichnet. Obwohl in einigen API-Feldern möglicherweise auf Sucheinstiegspunkte verwiesen wird, beziehen sich beide Begriffe auf die aktuellen Suchvorschläge, die Sie in Ihrer API-Antwort erhalten.

Im Folgenden finden Sie ein Beispiel für die Verwendung von curl, um eine Antwort auf die Suche zu stützen:

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": {}
      }
    ]
  }'

Änderungen an der Abrechnung mit Gemini 3

Wenn Sie die Fundierung mit der Google Suche für Gemini 3-Modelle verwenden, erfolgt die Abrechnung für jede Suchanfrage, die von Gemini generiert und an die Google Suche gesendet wird. Ein einzelner Prompt kann zu einer oder mehreren Suchanfragen führen.

Beispiel

In diesem Beispiel sehen Sie einen Beispiel-Nutzerprompt und Suchanfragen, für die möglicherweise Gebühren anfallen.

  • Nutzer-Prompt: Erzähl mir etwas über das Leben von Albert Einstein.
  • Gemini kann folgende Suchanfragen generieren:
    • Albert Einsteins Geburt und frühe Bildung
    • Albert Einsteins Relativitätstheorie
    • Albert Einsteins Leben in den USA

In diesem Beispiel werden diese drei Suchanfragen in Rechnung gestellt.

Nächste Schritte