Gerar texto usando a API Gemini da Vertex AI

Neste guia, você vai enviar uma solicitação de comando de texto e uma solicitação de comando multimodal e imagem para a API Gemini da Vertex AI e conferir as respostas.

Pré-requisitos

Para concluir este guia, você precisa ter um projeto do Google Cloud com a API Vertex AI ativada. Siga o guia de configuração da Vertex AI para concluir essas etapas.

Adicionar a biblioteca de cliente da Vertex AI como uma dependência

A biblioteca de cliente da Vertex AI inclui muitos recursos. Para acelerar a compilação, ative apenas os recursos necessários:

cargo add google-cloud-aiplatform-v1 --no-default-features --features prediction-service

Enviar um comando para a API Gemini da Vertex AI

1. Inicialize o cliente usando as configurações padrão:

let client = PredictionService::builder().build().await?;

1. Crie o nome do modelo. Este exemplo recebe o ID do projeto como um argumento, usa um local fixo (global) e define o modelo como uma versão específica do Gemini:

const MODEL: &str = "gemini-3.8-flash";
let model = format!("projects/{project_id}/locations/global/publishers/google/models/{MODEL}");

Se você executar essa função no seu próprio código, transmita o ID do projeto (sem nenhum prefixo projects/) que você selecionou nos pré-requisitos.

1. Envie a solicitação:

let response = client
    .generate_content()
    .set_model(&model)
    .set_contents([Content::new()
        .set_role("user")
        .set_parts([Part::new().set_text(
            "What's a good name for a flower shop that specializes in selling bouquets of dried flowers?",
        )])])
    .send()
    .await;

1. Imprima a resposta. Use o especificador de formato :#? para formatar os objetos de resposta aninhados:

println!("RESPONSE = {response:#?}");

Comando de texto: código completo

use google_cloud_aiplatform_v1::client::PredictionService;
use google_cloud_aiplatform_v1::model::{Content, Part};

pub async fn sample(project_id: &str) -> anyhow::Result<()> {
    let client = PredictionService::builder().build().await?;

    const MODEL: &str = "gemini-3.8-flash";
    let model = format!("projects/{project_id}/locations/global/publishers/google/models/{MODEL}");

    let response = client
        .generate_content()
        .set_model(&model)
        .set_contents([Content::new()
            .set_role("user")
            .set_parts([Part::new().set_text(
                "What's a good name for a flower shop that specializes in selling bouquets of dried flowers?",
            )])])
        .send()
        .await;
    println!("RESPONSE = {response:#?}");

    Ok(())
}

Enviar um comando e uma imagem para a API Gemini da Vertex AI

1. Inicialize o cliente usando as configurações padrão:

let client = PredictionService::builder().build().await?;

1. Crie o nome do modelo:

const MODEL: &str = "gemini-3.8-flash";
let model = format!("projects/{project_id}/locations/global/publishers/google/models/{MODEL}");

1. Crie a parte da imagem da solicitação:

Part::new().set_file_data(
    FileData::new()
        .set_mime_type("image/jpeg")
        .set_file_uri("gs://generativeai-downloads/images/scones.jpg"),
),

1. Crie a parte do comando de texto da solicitação:

Part::new().set_text("Describe this picture."),

1. Envie a solicitação completa:

let response = client
    .generate_content()
    .set_model(&model)
    .set_contents([Content::new().set_role("user").set_parts([
        Part::new().set_file_data(
            FileData::new()
                .set_mime_type("image/jpeg")
                .set_file_uri("gs://generativeai-downloads/images/scones.jpg"),
        ),
        Part::new().set_text("Describe this picture."),
    ])])
    .send()
    .await;

1. Imprimir a resposta completa:

println!("RESPONSE = {response:#?}");

Comando e imagem: código completo

use google_cloud_aiplatform_v1::client::PredictionService;
use google_cloud_aiplatform_v1::model::{Content, FileData, Part};

pub async fn sample(project_id: &str) -> anyhow::Result<()> {
    let client = PredictionService::builder().build().await?;

    const MODEL: &str = "gemini-3.8-flash";
    let model = format!("projects/{project_id}/locations/global/publishers/google/models/{MODEL}");

    let response = client
        .generate_content()
        .set_model(&model)
        .set_contents([Content::new().set_role("user").set_parts([
            Part::new().set_file_data(
                FileData::new()
                    .set_mime_type("image/jpeg")
                    .set_file_uri("gs://generativeai-downloads/images/scones.jpg"),
            ),
            Part::new().set_text("Describe this picture."),
        ])])
        .send()
        .await;
    println!("RESPONSE = {response:#?}");

    Ok(())
}