教學課程：Agent Platform API (快捷模式)

您可以在快捷模式下使用 Gemini Enterprise Agent Platform，試用 Agent Platform 提供的核心生成式 AI 功能。本教學課程將說明如何使用快捷模式的 Agent Platform API，完成下列任務：

  • 安裝並初始化 Google Gen AI SDK，以使用快捷模式。

  • 將要求傳送至 Gemini for Google Cloud API，包括下列項目：

    • 串流要求
    • 非串流要求
    • 函式呼叫要求

事前準備

執行本文所述工作前，請先註冊使用快捷模式。

安裝並初始化快捷模式的 SDK

Google Gen AI SDK 可讓您使用 Google 生成式 AI 模型和功能，建構 AI 應用程式。在快捷模式下使用 Agent Platform 時，請安裝並初始化 google-genai 套件，以便使用產生的 API 金鑰進行驗證。

安裝

如要安裝 Google Gen AI SDK 的快捷模式，請執行下列指令：

# 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 Colaboratory，請在安裝完成後，按照提示重新啟動執行階段。

初始化

設定快捷模式的 API 金鑰，並使用 enterprise=True 初始化用戶端。如要瞭解如何取得 API 金鑰，請參閱「Agent Platform 快捷模式總覽」。

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 傳送要求

您可以將串流或非串流要求傳送至 Gemini for Google Cloud API。串流要求會在處理要求時，以區塊形式傳回回應。非串流要求會在處理完成後傳回完整的回覆。

串流要求

如要傳送串流要求，請呼叫 client.models.generate_content_stream()，並在每個區塊送達時列印：

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()

非串流要求

下列程式碼範例定義的函式會將非串流要求傳送至 Gemini 3.8 Flash (gemini-3.8-flash)，並說明如何設定思考層級、輸出參數和安全設定：

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()

函式呼叫要求

下列程式碼範例會宣告函式工具、將初始提示傳送至 3.8 Flash、在回覆中接收函式呼叫部分，然後將相符的 FunctionResponse 傳回模型，以生成最終回覆：

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)

清除所用資源

本教學課程不會建立任何 Google Cloud 資源，因此無需清除資源，以免產生費用。

後續步驟