教程：快速模式下的 Agent Platform API

快速模式下的 Gemini Enterprise Agent Platform 可让您试用 Agent Platform 上提供的核心生成式 AI 功能。本教程将介绍如何使用快速模式下的 Agent Platform API 完成以下任务：

  • 安装并初始化 Google Gen AI SDK（快速模式）。

  • 向 Gemini for Google Cloud API 发送请求，其中包含以下内容：

    • 流式请求
    • 非流式传输请求
    • 函数调用请求

准备工作

在执行本文档中所述的任务之前，请注册使用快速模式。

安装并初始化快速模式的 SDK

借助 Google Gen AI SDK，您可以使用 Google 生成式 AI 模型和功能来构建 AI 赋能的应用。在快速模式下使用 Agent Platform 时，请安装并初始化 google-genai 软件包，以便使用生成的 API 密钥进行身份验证。

安装

如需安装 Google Gen AI SDK（快速模式），请运行以下命令：

# Developer TODO: If you're using Colab, uncomment the following lines:
# from google.colab import auth
# auth.authenticate_user()

!pip install --upgrade google-genai

如果您使用的是 Colaboratory，请在安装后根据提示重启运行时。

初始化

为快速模式配置 API 密钥，并使用 enterprise=True 初始化客户端。如需详细了解如何获取 API 密钥，请参阅快速模式下的 Agent Platform 概览。

from google import genai
from google.genai import types

# Developer TODO: Replace YOUR_API_KEY with your API key.
API_KEY = "YOUR_API_KEY"

client = genai.Client(
    enterprise=True, api_key=API_KEY
)

向 Gemini for Google Cloud API 发送请求

您可以向 Gemini for Google Cloud API 发送流式传输请求或非流式传输请求。流式传输请求会在处理请求时以块的形式返回响应。非流式请求会在处理完成后返回完整响应。

流式请求

如需发送流式请求，请调用 client.models.generate_content_stream() 并打印每个到达的块：

from google import genai
from google.genai import types

def generate():
  client = genai.Client(enterprise=True, api_key="YOUR_API_KEY")

  config = types.GenerateContentConfig(
      thinking_config=types.ThinkingConfig(
          thinking_level="MEDIUM",
      ),
      seed=5,
      max_output_tokens=1024,
      stop_sequences=["STOP!"],
      safety_settings=[
          types.SafetySetting(
              category="HARM_CATEGORY_HATE_SPEECH",
              threshold="BLOCK_ONLY_HIGH",
          )
      ],
  )
  for chunk in client.models.generate_content_stream(
      model="gemini-3.8-flash",
      contents="Explain bubble sort to me",
      config=config,
  ):
    print(chunk.text, end="")

generate()

非流式传输请求

以下代码示例定义了一个向 Gemini 3.8 Flash (gemini-3.8-flash) 发送非流式请求的函数。它展示了如何配置思维水平、输出参数和安全设置：

from google import genai
from google.genai import types

def generate():
  client = genai.Client(enterprise=True, api_key="YOUR_API_KEY")

  config = types.GenerateContentConfig(
      thinking_config=types.ThinkingConfig(
          thinking_level="MEDIUM",
      ),
      seed=5,
      max_output_tokens=1024,
      stop_sequences=["STOP!"],
      safety_settings=[
          types.SafetySetting(
              category="HARM_CATEGORY_HATE_SPEECH",
              threshold="BLOCK_ONLY_HIGH",
          )
      ],
  )
  response = client.models.generate_content(
      model="gemini-3.8-flash",
      contents="Explain bubble sort to me",
      config=config,
  )
  print(response.text)

generate()

函数调用请求

以下代码示例声明了一个函数工具，向 3.8 Flash 发送初始提示，接收响应中的函数调用部分，然后将匹配的 FunctionResponse 发送回模型以生成最终响应：

from google import genai
from google.genai import types

client = genai.Client(enterprise=True, api_key="YOUR_API_KEY")

get_weather_declaration = types.FunctionDeclaration(
    name="get_current_weather",
    description="Gets the current weather in a given city.",
    parameters={
        "type": "OBJECT",
        "properties": {
            "location": {
                "type": "STRING",
                "description": "The city and state, such as Boston, MA.",
            },
            "unit": {
                "type": "STRING",
                "enum": ["C", "F"],
            },
        },
        "required": ["location"],
    },
)
tools = [types.Tool(function_declarations=[get_weather_declaration])]

prompt = "What is the weather in Boston?"
first_response = client.models.generate_content(
    model="gemini-3.8-flash",
    contents=prompt,
    config=types.GenerateContentConfig(tools=tools),
)

function_call = first_response.function_calls[0]
contents = [
    types.Content(role="user", parts=[types.Part(text=prompt)]),
    first_response.candidates[0].content,
    types.Content(
        role="user",
        parts=[
            types.Part(
                function_response=types.FunctionResponse(
                    id=function_call.id,
                    name=function_call.name,
                    response={"weather": "sunny", "temperature": "72F"},
                )
            )
        ],
    ),
]

response = client.models.generate_content(
    model="gemini-3.8-flash",
    contents=contents,
    config=types.GenerateContentConfig(tools=tools),
)
print(response.text)

清理

本教程不会创建任何 Google Cloud 资源，因此无需清理即可避免产生费用。

后续步骤