Grounding with Google Search

Halaman ini menjelaskan cara melakukan grounding pada respons Gemini menggunakan hasil dari mesin telusur Google, yang menggunakan data web yang tersedia untuk publik. Selain itu, Saran Penelusuran juga dijelaskan, yang disertakan dalam respons Anda.

Jika Anda ingin menghubungkan model dengan informasi global, rentang potensi topik yang luas, atau informasi terbaru di internet, gunakan Grounding dengan Google Penelusuran.

Untuk mempelajari lebih lanjut grounding model di Gemini Enterprise Agent Platform, lihat Ringkasan grounding.

Model yang didukung

Bagian ini mencantumkan model yang mendukung grounding dengan Penelusuran.

Klik untuk meluaskan model yang didukung

Bahasa yang didukung

Untuk mengetahui daftar bahasa yang didukung, lihat Bahasa.

Gunakan petunjuk berikut untuk men-grounding model dengan data web yang tersedia secara publik.

Pertimbangan

  • Untuk menggunakan Grounding dengan Google Penelusuran, Anda harus mengaktifkan Saran Google Penelusuran. Untuk mengetahui informasi selengkapnya, lihat Menggunakan saran Google Penelusuran.

  • Untuk hasil yang ideal, gunakan suhu 1.0. Untuk mempelajari lebih lanjut cara menetapkan konfigurasi ini, lihat Isi permintaan Gemini API dari referensi model.

  • Grounding dengan Google Penelusuran memiliki batas satu juta Perintah Grounding per hari. Jika Anda memerlukan lebih banyak Perintah Grounding, hubungi dukunganGoogle Cloud untuk mendapatkan bantuan.

  • Kombinasi alat: Gemini API tidak mendukung penggabungan alat penelusuran (seperti googleSearch) dengan alat non-penelusuran (seperti panggilan fungsi atau alat retrieval RAG Engine Gemini Enterprise Agent Platform) dalam permintaan generateContent yang sama. Beberapa alat hanya didukung jika semuanya adalah alat penelusuran.

Hasil penelusuran dapat disesuaikan untuk lokasi geografis tertentu dari pengguna akhir dengan menggunakan koordinat lintang dan bujur. Untuk mengetahui informasi selengkapnya, lihat Grounding API.

Konsol

Untuk menggunakan Grounding dengan Google Penelusuran dengan Agent Studio di Gemini Enterprise Agent Platform, ikuti langkah-langkah berikut:

  1. Di konsol Google Cloud , buka halaman Agent Studio.

    Buka Agent Studio

  2. Di panel samping, di bagian Model settings, buka bagian Grounding, lalu aktifkan tombol Google Penelusuran.
  3. Masukkan perintah Anda di kolom, lalu klik Kirim.

Respons perintah Anda kini menggunakan Grounding dengan Google Penelusuran.

Python

Instal

pip install --upgrade google-genai

Untuk mempelajari lebih lanjut, lihat dokumentasi referensi SDK.

Tetapkan variabel lingkungan untuk menggunakan Google Gen AI SDK dengan 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

Pelajari cara menginstal atau mengupdate Go.

Untuk mempelajari lebih lanjut, lihat dokumentasi referensi SDK.

Tetapkan variabel lingkungan untuk menggunakan Google Gen AI SDK dengan 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

Pelajari cara menginstal atau mengupdate Java.

Untuk mempelajari lebih lanjut, lihat dokumentasi referensi SDK.

Tetapkan variabel lingkungan untuk menggunakan Google Gen AI SDK dengan 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

Instal

npm install @google/genai

Untuk mempelajari lebih lanjut, lihat dokumentasi referensi SDK.

Tetapkan variabel lingkungan untuk menggunakan Google Gen AI SDK dengan 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

Sebelum menggunakan salah satu data permintaan, lakukan penggantian berikut:

  • LOCATION: Region untuk memproses permintaan. Untuk menggunakan endpoint global, kecualikan lokasi dari nama endpoint dan konfigurasikan lokasi resource ke global.
  • PROJECT_ID: Project ID Anda. .
  • MODEL_ID: ID model dari model multimodal.
  • TEXT: Petunjuk teks yang akan disertakan dalam perintah.
  • EXCLUDE_DOMAINS: Opsional: Daftar domain yang tidak akan digunakan untuk grounding.
  • LATITUDE: Opsional: Garis lintang lokasi pengguna akhir. Misalnya, lintang 37.7749 mewakili San Francisco. Anda dapat memperoleh koordinat lintang dan bujur menggunakan layanan seperti Google Maps atau alat geocoding lainnya.
  • LONGITUDE: Opsional: Bujur lokasi pengguna akhir. Misalnya, bujur -122.4194 mewakili San Francisco.

Metode HTTP dan URL: 

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

Meminta isi 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"
}

Untuk mengirim permintaan Anda, perluas salah satu opsi berikut:

Anda akan melihat respons JSON seperti berikut:

{
  "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"
}

Grounding dengan Google Image Search memungkinkan model menggunakan gambar web yang diambil dari Google Image Search sebagai konteks visual saat membuat gambar. Google Image Search adalah jenis penelusuran baru dalam alat Grounding dengan Google Penelusuran yang sudah ada, dan tersedia bersama Google Penelusuran Web standar. Grounding dengan Google Gambar tersedia dalam Pratinjau untuk Gemini Nano Banana 2.1 dan Gemini 3.1 Flash Image.

Konfigurasi permintaan API

Untuk mengaktifkan Google Gambar, konfigurasikan alat googleSearch dalam permintaan API Anda dan tentukan imageSearch dalam objek searchTypes. Anda dapat menggunakan Google Penelusuran Gambar secara mandiri atau dengan Google Penelusuran Web.

REST

Sebelum menggunakan salah satu data permintaan, lakukan penggantian berikut:

  • LOCATION: Region untuk memproses permintaan. Untuk menggunakan endpoint global, kecualikan lokasi dari nama endpoint dan konfigurasikan lokasi resource ke global.
  • PROJECT_ID: .
  • MODEL_ID: ID model dari model multimodal.
  • SEARCH_TERM: Istilah penelusuran untuk gambar.

    • Metode HTTP dan URL: 

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

    Meminta isi JSON: 

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

    Untuk mengirim permintaan Anda, pilih salah satu opsi berikut:

    curl

    Simpan isi permintaan dalam file bernama request.json, dan jalankan perintah berikut: 

    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

    Simpan isi permintaan dalam file bernama request.json, dan jalankan perintah berikut: 

    $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

    Anda akan menerima kode status berhasil (2xx) dan respons kosong.

Persyaratan tampilan

Saat menggunakan Google Gambar dengan Grounding with Google Search, Anda harus mematuhi ketentuan berikut:

  • Atribusi sumber: Anda harus memberikan link ke halaman web yang berisi gambar sumber ("halaman yang berisi", bukan file gambar itu sendiri) dengan cara yang akan dikenali pengguna sebagai link.

  • Navigasi langsung: jika Anda juga memilih untuk menampilkan gambar sumber, Anda harus menyediakan jalur langsung sekali klik dari gambar sumber ke halaman web sumber yang memuatnya. Penerapan lain yang menunda atau mengabstraksi akses pengguna akhir ke halaman web sumber, termasuk, tetapi tidak terbatas pada, jalur multi-klik atau penggunaan penampil gambar perantara, tidak diizinkan.

Respons

Untuk respons yang di-grounding menggunakan penelusuran gambar, API ini memberikan atribusi dan metadata yang jelas untuk menautkan output-nya ke sumber yang diverifikasi. Objek groundingMetadata mencakup kolom berikut:

  • imageSearchQueries: kueri spesifik yang digunakan oleh model untuk konteks visual (juga dikenal sebagai "penelusuran gambar").

  • groundingChunks: berisi informasi sumber untuk hasil yang diambil. Untuk sumber gambar, sumber ini ditampilkan sebagai URL pengalihan menggunakan jenis potongan image. Setiap potongan menyertakan kolom berikut di dalam objek image:

    • sourceUri: URL halaman web untuk atribusi (juga dikenal sebagai "halaman landing").
    • imageUri: URL gambar langsung.
    • title: judul halaman web sumber.
    • domain: domain halaman web sumber.

  • groundingSupports: memberikan pemetaan spesifik yang menautkan konten yang dihasilkan ke sumber kutipan yang relevan dalam potongan.

  • searchEntryPoint: menyertakan chip Google Penelusuran yang berisi HTML dan CSS yang sesuai untuk merender Saran Penelusuran Google.

Contoh berikut menunjukkan struktur groundingMetadata dalam respons:

{
  "groundingMetadata": {
    "groundingChunks": [
      {
        "image": {
          "sourceUri": "EXAMPLE_SOURCE_URI",
          "imageUri": "EXAMPLE_IMAGE_URI",
          "title": "Example source title",
          "domain": "example.com"
        }
      }
    ],
    "imageSearchQueries": [
      "example search query"
    ]
  }
}

Memahami respons Anda

Jika perintah model Anda berhasil menggunakan Grounding dengan Google Penelusuran dari Agent Studio atau dari API, responsnya akan menyertakan metadata dengan link sumber (URL web). Namun, ada beberapa alasan mengapa metadata ini mungkin tidak diberikan, dan respons perintah tidak akan di-grounding. Alasan ini mencakup relevansi sumber yang rendah atau informasi yang tidak lengkap dalam respons model.

Kutipan dalam respons

Kutipan inline menggunakan grounding_metadata terstruktur yang ditampilkan oleh API untuk menautkan segmen tertentu dari teks yang dihasilkan ke sumber yang dapat diverifikasi.

Kemampuan ini mendukung semua metode grounding, termasuk Penelusuran, Google Maps, dan Penelusuran Agen, yang memberikan detail sumber akurat yang diperlukan untuk menampilkan kutipan interaktif yang akurat dalam aplikasi Anda.

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))

Contoh output:

…

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/)
…

Dukungan grounding

Menampilkan dukungan grounding diperlukan, karena membantu Anda memvalidasi respons dari penayang dan menambahkan cara untuk pembelajaran lebih lanjut.

Dukungan grounding untuk respons dari sumber web harus ditampilkan baik secara inline maupun secara agregat. Misalnya, lihat gambar berikut sebagai saran tentang cara melakukannya.

Contoh dukungan grounding

Penggunaan opsi mesin telusur alternatif

Saat menggunakan Grounding dengan Google Penelusuran, Aplikasi Pelanggan dapat:

  • Menawarkan opsi mesin telusur alternatif,
  • Menjadikan mesin telusur lain sebagai opsi default,
  • Menampilkan saran penelusuran atau hasil penelusuran milik sendiri atau pihak ketiga asalkan: hasil non-Google harus ditampilkan secara terpisah dari Hasil Berbasis Grounding dan Saran Penelusuran Google, serta ditampilkan dengan cara yang tidak membingungkan pengguna atau mengesankan bahwa hasil tersebut berasal dari Google.

Manfaat

Perintah dan alur kerja kompleks berikut yang memerlukan perencanaan, penalaran, dan pemikiran dapat dilakukan saat Anda menggunakan Grounding with Google Search sebagai alat:

  • Anda dapat melakukan grounding untuk membantu memastikan respons didasarkan pada informasi terbaru dan paling akurat.
  • Anda dapat mengambil artefak dari web untuk melakukan analisis.
  • Anda dapat menemukan gambar, video, atau media lain yang relevan untuk membantu penalaran multimodal atau pembuatan tugas.
  • Anda dapat melakukan coding, pemecahan masalah teknis, dan tugas khusus lainnya.
  • Anda dapat menemukan informasi khusus wilayah, atau membantu menerjemahkan konten secara akurat.
  • Anda dapat menemukan situs yang relevan untuk dijelajahi.

Menggunakan Saran Penelusuran Google

Saat Anda menggunakan Grounding with Google Search, dan Anda menerima Saran Penelusuran dalam respons, Anda harus menampilkan Saran Penelusuran dalam produksi dan dalam aplikasi Anda.

Secara khusus, Anda harus menampilkan kueri penelusuran yang disertakan dalam metadata respons yang di-grounding. Responsnya mencakup:

  • "content": Respons yang dihasilkan LLM.
  • "webSearchQueries": Kueri yang akan digunakan untuk Saran Penelusuran.

Misalnya, dalam cuplikan kode berikut, Gemini merespons perintah yang didasarkan pada Penelusuran, yang menanyakan jenis tanaman tropis.

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

Anda dapat mengambil output ini, dan menampilkannya menggunakan Saran Penelusuran.

Persyaratan untuk Saran Penelusuran

Hal berikut diperlukan untuk Saran Penelusuran:

Persyaratan Deskripsi
Lakukan
  • Sambil mematuhi persyaratan tampilan, Saran Penelusuran ditampilkan persis seperti yang diberikan tanpa perubahan apa pun.
  • Saat berinteraksi dengan Saran Penelusuran, Anda akan diarahkan langsung ke halaman hasil penelusuran (SRP).
Larangan
  • Sertakan layar atau langkah tambahan antara ketukan pengguna dan tampilan SRP.
  • Menampilkan hasil penelusuran atau saran lainnya di samping Saran Penelusuran atau respons LLM dengan grounding terkait.

Persyaratan tampilan

Berikut adalah persyaratan tampilan:

  • Tampilkan Saran Penelusuran persis seperti yang diberikan, dan jangan mengubah warna, font, atau tampilannya. Pastikan Saran Penelusuran dirender seperti yang ditentukan dalam mock berikut, seperti mode terang dan gelap:

  • Setiap kali respons yang di-grounding ditampilkan, Saran Penelusuran yang sesuai harus tetap terlihat.
  • Untuk branding, Anda harus benar-benar mengikuti pedoman Google untuk penggunaan fitur merek Google oleh pihak ketiga di Selamat datang di Pusat Referensi Merek kami.
  • Saat Anda menggunakan grounding dengan Penelusuran, chip Saran Penelusuran akan ditampilkan. Kolom yang berisi chip Saran Penelusuran harus memiliki lebar yang sama dengan respons yang di-grounding dari LLM.

Perilaku saat diketuk

Saat pengguna mengetuk chip, mereka akan langsung diarahkan ke Halaman hasil penelusuran (SRP) untuk istilah penelusuran yang ditampilkan di chip. SRP dapat terbuka di dalam browser dalam aplikasi atau di aplikasi browser terpisah. Penting untuk tidak meminimalkan, menghapus, atau menghalangi tampilan SRP dengan cara apa pun. Mockup animasi berikut mengilustrasikan interaksi ketuk ke SRP.

Perilaku saat diketuk

contoh aplikasi/desktop

Kode untuk menerapkan Saran Penelusuran

Saat Anda menggunakan API untuk melakukan grounding respons terhadap penelusuran, respons model akan memberikan gaya HTML dan CSS yang sesuai di kolom renderedContent, yang Anda terapkan untuk menampilkan Saran Penelusuran di aplikasi Anda.

Selain itu, Saran Penelusuran sebelumnya disebut sebagai Titik Entri Penelusuran. Meskipun Anda mungkin menemukan referensi ke Titik Entri Penelusuran di beberapa kolom API, kedua istilah tersebut mengacu pada Saran Penelusuran saat ini yang Anda terima dalam respons API.

Berikut ini contoh penggunaan curl untuk melakukan grounding respons terhadap penelusuran:

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

Perubahan penagihan dengan Gemini 3

Saat Anda menggunakan Grounding dengan Google Search pada model Gemini 3, penagihan akan dilakukan untuk setiap kueri penelusuran yang dihasilkan oleh Gemini dan dikirim ke Penelusuran. Satu perintah dapat menghasilkan satu atau beberapa kueri penelusuran.

Contoh

Contoh ini menunjukkan contoh perintah pengguna dan kueri penelusuran yang mungkin dikenai biaya.

  • Perintah pengguna: Ceritakan tentang kehidupan Albert Einstein.
  • Gemini mungkin akan membuat kueri penelusuran berikut:
    • Kelahiran dan pendidikan awal Albert Einstein
    • Teori relativitas Albert Einstein
    • Kehidupan Albert Einstein di AS

Dalam contoh ini, ketiga kueri penelusuran ini dikenai biaya.

Langkah berikutnya