Tutorial: API Agent Platform in modalità express

Gemini Enterprise Agent Platform in modalità express ti consente di provare rapidamente le funzionalità di base di AI generativa disponibili su Gemini Enterprise Agent Platform. Questo tutorial mostra come eseguire le seguenti attività utilizzando l'API Agent Platform in modalità express:

  • Installa e inizializza l'SDK Google Gen AI per la modalità express.

  • Invia una richiesta all'API Gemini for Google Cloud, tra cui:

    • Richiesta non di streaming
    • Richiesta di streaming
    • Richiesta di chiamata di funzione

Prima di iniziare

Prima di eseguire le attività descritte in questa pagina, registrati alla modalità express.

Installare e inizializzare l'SDK Google Gen AI per la modalità express

L'SDK Google Gen AI ti consente di utilizzare i modelli e le funzionalità di AI generativa di Google per creare applicazioni basate sull'AI. Quando utilizzi Gemini Enterprise Agent Platform in modalità express, installa e inizializza il pacchetto google-genai per eseguire l'autenticazione utilizzando la chiave API generata.

Installa

Per installare l'SDK Google Gen AI per la modalità express, esegui i seguenti comandi:

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

!pip install google-genai

!pip install --force-reinstall -qq "numpy<2.0"

Se utilizzi Colab, ignora eventuali conflitti di dipendenza e riavvia il runtime dopo l'installazione.

Inizializzazione

Configura la chiave API per la modalità express e le variabili di ambiente. Per informazioni su come ottenere una chiave API, consulta la panoramica di Gemini Enterprise Agent Platform in modalità express.

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(
    vertexai=True, api_key=API_KEY
)

Invia una richiesta all'API Gemini for Google Cloud

Puoi inviare richieste di streaming o non di streaming all'API Gemini for Google Cloud. Le richieste di streaming restituiscono la risposta in blocchi durante l'elaborazione della richiesta. Per un utente umano, le risposte in streaming riducono la percezione della latenza. Le richieste non di streaming restituiscono la risposta in un unico blocco dopo l'elaborazione della richiesta.

Richiesta di streaming

Per inviare una richiesta di streaming, imposta stream=True e stampa la risposta in blocchi.

from google import genai
from google.genai import types

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

  config=types.GenerateContentConfig(
      temperature=0,
      top_p=0.95,
      top_k=20,
      candidate_count=1,
      seed=5,
      max_output_tokens=100,
      stop_sequences=["STOP!"],
      presence_penalty=0.0,
      frequency_penalty=0.0,
      safety_settings=[
          types.SafetySetting(
              category="HARM_CATEGORY_HATE_SPEECH",
              threshold="BLOCK_ONLY_HIGH",
          )
      ],
  )
  for chunk in client.models.generate_content_stream(
    model="gemini-2.5-flash-lite",
    contents="Explain bubble sort to me",
    config=config,
  ):
    print(chunk.text)

generate()

Richiesta non di streaming

Il seguente esempio di codice definisce una funzione che invia una richiesta non di streaming a gemini-2.5-flash-lite. Mostra come configurare i parametri di base della richiesta e le impostazioni di sicurezza.

from google import genai
from google.genai import types

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

  config=types.GenerateContentConfig(
      temperature=0,
      top_p=0.95,
      top_k=20,
      candidate_count=1,
      seed=5,
      max_output_tokens=100,
      stop_sequences=["STOP!"],
      presence_penalty=0.0,
      frequency_penalty=0.0,
      safety_settings=[
          types.SafetySetting(
              category="HARM_CATEGORY_HATE_SPEECH",
              threshold="BLOCK_ONLY_HIGH",
          )
      ],
  )
  response = client.models.generate_content(
    model="gemini-2.5-flash-lite",
    contents="Explain bubble sort to me",
    config=config,
  )
  print(response.text)

generate()

Richiesta di chiamata di funzione

Il seguente esempio di codice dichiara una funzione e la passa come strumento, quindi riceve una parte di chiamata di funzione nella risposta. Dopo aver ricevuto la parte di chiamata di funzione dal modello, puoi richiamare la funzione e ottenere la risposta, quindi passare la risposta al modello.


function_response_parts = [
    {
        'function_response': {
            'name': 'get_current_weather',
            'response': {
                'name': 'get_current_weather',
                'content': {'weather': 'super nice'},
            },
        },
    },
]
manual_function_calling_contents = [
    {'role': 'user', 'parts': [{'text': 'What is the weather in Boston?'}]},
    {
        'role': 'model',
        'parts': [{
            'function_call': {
                'name': 'get_current_weather',
                'args': {'location': 'Boston'},
            }
        }],
    },
    {'role': 'user', 'parts': function_response_parts},
]
function_declarations = [{
    'name': 'get_current_weather',
    'description': 'Get the current weather in a city',
    'parameters': {
        'type': 'OBJECT',
        'properties': {
            'location': {
                'type': 'STRING',
                'description': 'The location to get the weather for',
            },
            'unit': {
                'type': 'STRING',
                'enum': ['C', 'F'],
            },
        },
    },
}]

response = client.models.generate_content(
    model="gemini-2.0-flash-001",
    contents=manual_function_calling_contents,
    config=dict(tools=[{'function_declarations': function_declarations}]),
)
print(response.text)

Libera spazio

Questo tutorial non crea risorse Google Cloud , quindi non è necessaria alcuna pulizia per evitare addebiti.

Passaggi successivi