עיגון באמצעות חיפוש Google

בדף הזה מוסבר איך לבסס את התשובות של Gemini באמצעות תוצאות ממנוע החיפוש של Google, שמשתמש בנתונים שזמינים באופן ציבורי באינטרנט. בנוסף, מוסבר איך פועלות ההצעות לחיפוש שנכללות בתשובות.

אם אתם רוצים לקשר את המודל לידע כללי, למגוון רחב של נושאים או למידע עדכני באינטרנט, אתם יכולים להשתמש בעיגון באמצעות חיפוש Google.

סקירה כללית על עיגון

מודלים נתמכים

בקטע הזה מפורטים המודלים שתומכים ב-Grounding באמצעות חיפוש Google.

לחצו כדי להרחיב את רשימת המודלים הנתמכים

שפות נתמכות

כאן אפשר לעיין ברשימת השפות הנתמכות.

כדי לבסס מודל על נתונים שזמינים באופן ציבורי באינטרנט, פועלים לפי ההוראות הבאות.

לתשומת ליבכם

  • כדי להשתמש בעיגון באמצעות חיפוש Google, צריך להפעיל את ההצעות לחיפוש ב-Google. מידע נוסף זמין במאמר שימוש בהצעות לחיפוש ב-Google.

  • כדי לקבל את התוצאות הכי טובות, כדאי להשתמש בטמפרטורה של 1.0. מידע נוסף על הגדרת התצורה הזו זמין בקטע גוף הבקשה של Gemini API בחומר העזר בנושא המודל.

  • ב"עיגון באמצעות חיפוש Google" יש מגבלה של מיליון הנחיות עיגון ביום. אם אתם צריכים עוד הנחיות לעיגון, פנו אל Google Cloud התמיכה.

  • שילוב כלים: Gemini API לא תומך בשילוב של כלי חיפוש (כמו googleSearch) עם כלים שהם לא כלי חיפוש (כמו קריאה להפעלת פונקציות או הכלי retrieval של Gemini Enterprise Agent Platform RAG Engine) באותה בקשה של generateContent. אפשר להשתמש בכמה כלים רק אם כולם כלי חיפוש.

אפשר להתאים אישית את תוצאות החיפוש למיקום גיאוגרפי ספציפי של משתמש הקצה באמצעות קואורדינטות של קו רוחב וקו אורך. מידע נוסף זמין במאמר Grounding API.

המסוף

כדי להשתמש ב-עיגון באמצעות חיפוש Google ב-Agent Studio:

  1. נכנסים לדף Agent Studio במסוף Google Cloud .

    כניסה ל-Agent Studio

  2. בחלונית הצדדית, בקטע Model settings, עוברים לקטע Grounding ומפעילים את המתג חיפוש Google.
  3. מזינים את ההנחיה בשדה ולוחצים על שליחה.

התשובות להנחיות שלכם מבוססות עכשיו על עיגון באמצעות חיפוש Google.

Python

התקנה

pip install --upgrade google-genai

מידע נוסף זמין ב מאמרי העזרה של ה-SDK.

מגדירים משתני סביבה כדי להשתמש ב-Google Gen AI SDK עם 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

thought איך מתקינים או מעדכנים את Go

מידע נוסף זמין ב מאמרי העזרה של ה-SDK.

מגדירים משתני סביבה כדי להשתמש ב-Google Gen AI SDK עם 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

thought איך מתקינים או מעדכנים את Java

מידע נוסף זמין ב מאמרי העזרה של ה-SDK.

מגדירים משתני סביבה כדי להשתמש ב-Google Gen AI SDK עם 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

התקנה

npm install @google/genai

מידע נוסף זמין ב מאמרי העזרה של ה-SDK.

מגדירים משתני סביבה כדי להשתמש ב-Google Gen AI SDK עם 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

לפני שמשתמשים בנתוני הבקשה, צריך להחליף את הנתונים הבאים:

  • ‫LOCATION: האזור שבו הבקשה תעובד. כדי להשתמש בנקודת קצה גלובלית, צריך להחריג את המיקום משם נקודת הקצה ולהגדיר את מיקום המשאב כגלובלי.
  • ‫PROJECT_ID: מזהה הפרויקט. .
  • ‫MODEL_ID: מזהה המודל של המודל המולטי-מודאלי.
  • ‫TEXT: ההוראות בטקסט שצריך לכלול בהנחיה.
  • ‫EXCLUDE_DOMAINS: אופציונלי: רשימת דומיינים שלא ישמשו לביסוס.
  • ‫LATITUDE: אופציונלי: קו הרוחב של מיקום משתמש הקצה. לדוגמה, קו הרוחב 37.7749 מייצג את סן פרנסיסקו. אתם יכולים לקבל קואורדינטות של קו רוחב וקו אורך באמצעות שירותים כמו מפות Google או כלים אחרים להמרת כתובות לקואורדינטות (geocoding).
  • ‫LONGITUDE: אופציונלי: קו האורך של מיקום משתמש הקצה. לדוגמה, קו האורך -122.4194 מייצג את סן פרנסיסקו.

ה-method של ה-HTTP וכתובת ה-URL: 

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

תוכן בקשת 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"
}

כדי לשלוח את הבקשה צריך להרחיב אחת מהאפשרויות הבאות:

אתם אמורים לקבל תגובת JSON שדומה לזו:

{
  "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"
}

התכונה "ביסוס בעזרת חיפוש תמונות ב-Google" מאפשרת למודלים להשתמש בתמונות מהאינטרנט שנשלפו מחיפוש תמונות ב-Google כהקשר חזותי בזמן יצירת תמונות שנוצרו על ידי AI. חיפוש תמונות ב-Google הוא סוג חיפוש חדש בכלי הקיים "עיגון באמצעות חיפוש Google", והוא קיים לצד חיפוש האינטרנט הרגיל של Google. התכונה "ביסוס בעזרת חיפוש תמונות ב-Google" זמינה בגרסת טרום-השקה (Preview) במודלים Gemini Nano Banana 2.1 ו-Gemini 3.1 Flash Image.

הגדרת בקשת API

כדי להפעיל את חיפוש תמונות Google, מגדירים את הכלי googleSearch בבקשת ה-API ומציינים את imageSearch באובייקט searchTypes. אתם יכולים להשתמש בחיפוש תמונות בנפרד או בשילוב עם חיפוש אינטרנט של Google.

REST

לפני שמשתמשים בנתוני הבקשה, צריך להחליף את הנתונים הבאים:

  • ‫LOCATION: האזור שבו הבקשה תעובד. כדי להשתמש בנקודת הקצה הגלובלית, מחריגים את המיקום משם נקודת הקצה ומגדירים את מיקום המשאב כגלובלי.
  • PROJECT_ID: .
  • ‫MODEL_ID: מזהה המודל של המודל המולטי-מודאלי.
  • ‫SEARCH_TERM: מונח חיפוש של תמונה.

    • ה-method של ה-HTTP וכתובת ה-URL: 

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

    גוף בקשת JSON: 

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

    כדי לשלוח את הבקשה עליכם לבחור אחת מהאפשרויות הבאות:

    curl

    שומרים את גוף הבקשה בקובץ בשם request.json ומריצים את הפקודה הבאה: 

    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

    שומרים את גוף הבקשה בקובץ בשם request.json ומריצים את הפקודה הבאה: 

    $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

    אמורים לקבל קוד סטטוס של הצלחה (2xx) ותגובה ריקה.

דרישות להצגה

כשמשתמשים בחיפוש תמונות ב-Google עם עיגון באמצעות חיפוש Google, צריך לפעול בהתאם לתנאים הבאים:

  • שיוך למקור: אתם צריכים לספק קישור לדף האינטרנט שמכיל את תמונת המקור ("הדף שמכיל", לא קובץ התמונה עצמו) באופן שהמשתמש יזהה כקישור.

  • ניווט ישיר: אם אתם בוחרים להציג גם את תמונות המקור, אתם צריכים לספק נתיב ישיר בלחיצה אחת מתמונות המקור לדף האינטרנט שמכיל אותן. אסור להשתמש בכל הטמעה אחרת שמעכבת או מונעת את הגישה של משתמשי הקצה לדפי האינטרנט המקוריים, כולל, בין היתר, כל נתיב שכולל כמה קליקים או שימוש במציג תמונות ביניים.

תשובה

כדי לספק תשובות מבוססות-קרקע באמצעות חיפוש תמונות, ה-API מספק שיוך (Attribution) ומטא-נתונים ברורים כדי לקשר את הפלט שלו למקורות מאומתים. האובייקט groundingMetadata כולל את השדות הבאים:

  • ‫imageSearchQueries: השאילתות הספציפיות שהמודל משתמש בהן כדי לקבל הקשר חזותי (נקרא גם "חיפוש תמונות").

  • ‫groundingChunks: מכיל את פרטי המקור של התוצאות שאוחזרו. במקורות של תמונות, הן מוחזרות ככתובות URL להפניה אוטומטית באמצעות סוג מקטע image. כל קטע כולל את השדות הבאים בתוך אובייקט image:

    • ‫sourceUri: כתובת ה-URL של דף האינטרנט לשיוך (נקראת גם "דף הנחיתה").
    • ‫imageUri: כתובת ה-URL הישירה של התמונה.
    • ‫title: הכותרת של דף האינטרנט המקורי.
    • ‫domain: הדומיין של דף האינטרנט המקורי.

  • ‫groundingSupports: מספק מיפויים ספציפיים שמקשרים את התוכן שנוצר למקור הציטוט הרלוונטי בחלקים.

  • ‫searchEntryPoint: כולל את הצ'יפ של חיפוש Google שמכיל HTML ו-CSS תואמים לעיבוד של הצעות לחיפוש ב-Google.

בדוגמה הבאה מוצג המבנה של groundingMetadata בתגובה:

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

הסבר על התשובה

אם ה​פרומפט​ למודל משתמש בהצלחה ב​עיגון באמצעות חיפוש Google​ מ-Agent Studio או מה-API, התשובות כוללות מטא-נתונים עם קישורים למקורות (כתובות URL). עם זאת, יש כמה סיבות לכך שהמטא-נתונים האלה לא יסופקו, והתשובה להנחיה לא תהיה מבוססת. הסיבות האלה כוללות רלוונטיות נמוכה של המקור או מידע חלקי בתשובה של המודל.

הפניות למקור בגוף הטקסט

ציטוטים בגוף הטקסט משתמשים ב-grounding_metadata המובנה שמוחזר על ידי ה-API כדי לקשר קטעים ספציפיים של טקסט דינמי מבוסס-AI למקורות שאפשר לאמת.

היכולת הזו תומכת בכל שיטות ה-grounding, כולל חיפוש, מפות Google וחיפוש מבוסס סוכנים ב-Gemini Enterprise Agent Platform, ומספקת את פרטי המקור המדויקים שנדרשים כדי להציג ציטוטים מדויקים ואינטראקטיביים באפליקציה.

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))

פלט לדוגמה:

…

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/)
…

תמיכה בעיגון

חובה להציג את מקורות המידע, כי הם עוזרים לכם לאמת את התשובות של ספקי החדשות ומוסיפים דרכים ללמידה נוספת.

התמיכה בביסוס התשובות על מקורות באינטרנט צריכה להופיע גם בתוך הטקסט וגם במרוכז. לדוגמה, אפשר לראות בתמונה הבאה הצעה לאיך לעשות את זה.

דוגמאות לתמיכה ב-Grounding

שימוש באפשרויות חלופיות של מנועי חיפוש

כשמשתמשים בעיגון באמצעות חיפוש Google, אפליקציית הלקוח יכולה:

  • להציע אפשרויות חלופיות למנועי חיפוש,
  • להגדיר מנועי חיפוש אחרים כאפשרות ברירת המחדל,
  • להציג הצעות לחיפוש או תוצאות חיפוש משלהם או של צד שלישי, כל עוד: כל תוצאה שהיא לא של Google מוצגת בנפרד מהתוצאות המעוגנות ומההצעות לחיפוש של Google, ומוצגת באופן שלא מבלבל את המשתמשים או מרמז שהן מ-Google.

יתרונות

כשמשתמשים בעיגון באמצעות חיפוש Google ככלי, אפשר לבצע את ההנחיות המורכבות ותהליכי העבודה הבאים שדורשים תכנון, הסקת מסקנות וחשיבה:

  • אתם יכולים להשתמש ב-Grounding כדי לוודא שהתשובות מבוססות על המידע העדכני והמדויק ביותר.
  • אתם יכולים לאחזר פריטי מידע מהאינטרנט כדי לבצע ניתוח.
  • אתם יכולים למצוא תמונות, סרטונים או מדיה אחרת שרלוונטיים למשימה או להסקה מולטי-מודאלית.
  • אתם יכולים לבצע משימות תכנות, פתרון בעיות טכניות ומשימות מיוחדות אחרות.
  • אתם יכולים למצוא מידע ספציפי לאזור או לעזור בתרגום מדויק של תוכן.
  • אתם יכולים למצוא אתרים רלוונטיים לגלישה.

שימוש בהצעות לחיפוש ב-Google

כשאתם משתמשים ב"עיגון באמצעות חיפוש Google" ומקבלים הצעות לחיפוש בתשובה, אתם צריכים להציג את ההצעות לחיפוש בסביבת הייצור ובאפליקציות שלכם.

באופן ספציפי, אתם צריכים להציג את שאילתות החיפוש שכלולות במטא-נתונים של התשובה המבוססת. התשובה כוללת:

  • ‫"content": תשובה שנוצרה על ידי מודל שפה גדול (LLM).
  • ‫"webSearchQueries": השאילתות שישמשו להצעות לחיפוש.

לדוגמה, בקטע הקוד הבא, Gemini מגיב להנחיה שמבוססת על חיפוש Google, ששואלת על סוג של צמח טרופי.

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

אפשר להשתמש בפלט הזה ולהציג אותו באמצעות הצעות לחיפוש.

הדרישות לגבי הצעות לחיפוש

כדי להשתמש בהצעות לחיפוש, צריך:

דרישה תיאור
מה מומלץ לעשות
  • בהתאם לדרישות התצוגה, ההצעה לחיפוש מוצגת בדיוק כפי שהיא, ללא שינויים.
  • כשאתם לוחצים על ההצעה לחיפוש, אתם מועברים ישירות לדף תוצאות החיפוש (SRP).
מה לא מומלץ לעשות
  • לכלול מסכים או שלבים נוספים בין הלחיצה של המשתמש לבין הצגת דף תוצאות החיפוש.
  • להציג תוצאות חיפוש או הצעות אחרות לצד ההצעה לחיפוש או התשובה המשויכת של ה-LLM המבוסס.

דרישות להצגה

אלה הדרישות לגבי התצוגה:

  • ההצעה לחיפוש צריכה להופיע בדיוק כמו שהיא, בלי לשנות את הצבעים, הגופנים או המראה שלה. מוודאים שההצעה לחיפוש מוצגת כמו בתמונות הבאות, למשל במצב בהיר ובמצב כהה:

  • בכל פעם שמוצגת תשובה מעוגנת, הצעת החיפוש המתאימה צריכה להישאר גלויה.
  • בנוגע למיתוג, אתם חייבים לפעול בהתאם להנחיות של Google לשימוש של צד שלישי בתכונות המותג של Google, שמפורטות במרכז המשאבים של המותג.
  • כשמשתמשים ב-Grounding עם חיפוש Google, מופיעים צ'יפים של הצעות לחיפוש. השדה שמכיל את הצ'יפים של הצעות החיפוש צריך להיות באותו רוחב כמו התשובה המבוססת מה-LLM.

התנהגות בלחיצה

כשמשתמש לוחץ על הצ'יפ, הוא מועבר ישירות לדף תוצאות חיפוש (SRP) של מונח החיפוש שמוצג בצ'יפ. דף תוצאות החיפוש יכול להיפתח בדפדפן בתוך האפליקציה או באפליקציית דפדפן נפרדת. חשוב לא למזער, להסיר או להסתיר את דף תוצאות החיפוש בשום צורה. הדגם המונפש הבא ממחיש את האינטראקציה של לחיצה כדי לעבור לדף תוצאות החיפוש.

התנהגות בלחיצה

דוגמה באפליקציה או במחשב

קוד להטמעת הצעה לחיפוש

כשמשתמשים ב-API כדי לבסס תשובה על חיפוש, התשובה של המודל מספקת עיצוב HTML ו-CSS תואם בשדה renderedContent, שאתם מטמיעים כדי להציג הצעות לחיפוש באפליקציה.

בנוסף, הצעות החיפוש נקראו בעבר נקודות כניסה לחיפוש. יכול להיות שתראו אזכורים של נקודות כניסה לחיפוש בחלק מהשדות של ה-API, אבל שני המונחים מתייחסים להצעות החיפוש הנוכחיות שאתם מקבלים בתגובה מה-API.

בדוגמה הבאה מוצג שימוש ב-curl כדי לבסס תשובה על חיפוש:

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": {}
      }
    ]
  }'

שינויים בחיוב ב-Gemini 3

כשאתם משתמשים ב"עיגון באמצעות חיפוש Google" במודלים של Gemini 3, החיוב מתבצע על כל שאילתת חיפוש שנוצרת על ידי Gemini ונשלחת לחיפוש Google. הנחיה אחת יכולה להוביל לשאילתת חיפוש אחת או יותר.

דוגמה

בדוגמה הזו מוצגת הנחיה לדוגמה של משתמש ושאילתות חיפוש שעשויות להיות כרוכות בתשלום.

  • הנחיה מהמשתמש: ספר לי על החיים של אלברט איינשטיין.
  • ‫Gemini יכול ליצור את שאילתות החיפוש הבאות:
    • אלברט איינשטיין לידה וחינוך בילדות
    • תורת היחסות של אלברט איינשטיין
    • אלברט איינשטיין החיים בארה"ב

בדוגמה הזו, שלוש שאילתות החיפוש האלה מחויבות.

המאמרים הבאים