Google verwendet KI-Technologie, um Inhalte in Ihre bevorzugte Sprache zu übersetzen. KI-Übersetzungen können Fehler enthalten.

URL-Kontext

Mit dem URL-Kontext-Tool können Sie Gemini URLs als zusätzlichen Kontext für Ihren Prompt zur Verfügung stellen. Das Modell kann dann Inhalte von den URLs abrufen und diese Inhalte verwenden, um seine Antwort zu formulieren und zu gestalten.

Dieses Tool ist für Aufgaben wie die folgenden nützlich:

Wichtige Datenpunkte oder Gesprächsthemen aus Artikeln extrahieren
Informationen aus mehreren Links vergleichen
Daten aus mehreren Quellen zusammenfassen
Beantwortung von Fragen basierend auf dem Inhalt einer oder mehrerer bestimmter Seiten
Inhalte für bestimmte Zwecke analysieren (z. B. zum Schreiben einer Stellenbeschreibung oder zum Erstellen von Testfragen)

Beachten Sie, dass der zum Abrufen von Daten verwendete Index möglicherweise nicht auf dem neuesten Stand ist. Einige Informationen können daher veraltet sein.

In diesem Leitfaden wird erläutert, wie Sie das URL-Kontexttool in der Gemini API verwenden.

Unterstützte Modelle

Die folgenden Modelle unterstützen URL-Kontext:

Klicken, um unterstützte Modelle einzublenden

URL-Kontext verwenden

Sie können das URL-Kontexttool auf zwei Arten verwenden: eigenständig oder in Verbindung mit der Fundierung mit der Google Suche.

Nur URL-Kontext

Sie können bestimmte URLs, die das Modell analysieren soll, direkt in Ihrem Prompt angeben:

Summarize this document: YOUR_URLs

Extract the key features from the product description on this page: YOUR_URLs

Python

from google import genai
from google.genai.types import Tool, GenerateContentConfig, HttpOptions, UrlContext

client = genai.Client(http_options=HttpOptions(api_version="v1"))
model_id = "gemini-3.5-flash"

url_context_tool = Tool(
    url_context = UrlContext
)

response = client.models.generate_content(
    model=model_id,
    contents="Compare recipes from YOUR_URL1 and YOUR_URL2",
    config=GenerateContentConfig(
        tools=[url_context_tool],
        response_modalities=["TEXT"],
    )
)

for each in response.candidates[0].content.parts:
    print(each.text)
# get URLs retrieved for context
print(response.candidates[0].url_context_metadata)

JavaScript

# 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 { GoogleGenAI } from "@google/genai";

const ai = new GoogleGenAI({
  vertexai: true,
  project: process.env.GOOGLE_CLOUD_PROJECT,
  location: process.env.GOOGLE_CLOUD_LOCATION,
  apiVersion: 'v1',
});

async function main() {
  const response = await ai.models.generateContent({
    model: "gemini-3.5-flash",
    contents: [
        "Compare recipes from YOUR_URL1 and YOUR_URL2",
    ],
    config: {
      tools: [{urlContext: {}}],
    },
  });
  console.log(response.text);
  // To get URLs retrieved for context
  console.log(response.candidates[0].urlContextMetadata)
}

await main();

REST

curl -X POST \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Content-Type: application/json" \
  https://aiplatform.googleapis.com/v1beta1/projects/GOOGLE_CLOUD_PROJECT/locations/global/publishers/google/models/gemini-3.5-flash:generateContent \
  -d '{
      "contents": [
          {
              "role": "user",
              "parts": [
                  {"text": "Compare recipes from YOUR_URL1 and YOUR_URL2"}
              ]
          }
      ],
      "tools": [
          {
              "url_context": {}
          }
      ]
  }' > result.json

cat result.json

Fundierung mit der Google Suche mit URL-Kontext

Sie können auch sowohl den URL-Kontext als auch die Fundierung mit der Google Suche aktivieren und Prompts mit oder ohne URLs verwenden. Das Modell sucht dann möglicherweise zuerst nach relevanten Informationen und verwendet dann das URL-Kontexttool, um den Inhalt der Suchergebnisse zu lesen und ein tieferes Verständnis zu erlangen.

Diese Funktion ist experimentell und in der API-Version v1beta1 verfügbar.

Beispiele für Prompts:

Give me a three day event schedule based on YOUR_URL. Also let me know what needs to taken care of considering weather and commute.

Recommend 3 books for beginners to read to learn more about the latest YOUR_SUBJECT.

Python

from google import genai
from google.genai.types import Tool, GenerateContentConfig, HttpOptions, UrlContext, GoogleSearch

client = genai.Client(http_options=HttpOptions(api_version="v1beta1"))
model_id = "gemini-3.5-flash"

tools = []
tools.append(Tool(url_context=UrlContext))
tools.append(Tool(google_search=GoogleSearch))

response = client.models.generate_content(
    model=model_id,
    contents="Give me three day events schedule based on YOUR_URL. Also let me know what needs to taken care of considering weather and commute.",
    config=GenerateContentConfig(
        tools=tools,
        response_modalities=["TEXT"],
    )
)

for each in response.candidates[0].content.parts:
    print(each.text)
# get URLs retrieved for context
print(response.candidates[0].url_context_metadata)

JavaScript

# 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 { GoogleGenAI } from "@google/genai";

const ai = new GoogleGenAI({
  vertexai: true,
  project: process.env.GOOGLE_CLOUD_PROJECT,
  location: process.env.GOOGLE_CLOUD_LOCATION,
  apiVersion: 'v1beta1',
});

async function main() {
  const response = await ai.models.generateContent({
    model: "gemini-3.5-flash",
    contents: [
        "Give me a three day event schedule based on YOUR_URL. Also let me know what needs to taken care of considering weather and commute.",
    ],
    config: {
      tools: [{urlContext: {}}, {googleSearch: {}}],
    },
  });
  console.log(response.text);
  // To get URLs retrieved for context
  console.log(response.candidates[0].urlContextMetadata)
}

await main();

REST

curl -X POST \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Content-Type: application/json" \
  https://aiplatform.googleapis.com/v1beta1/projects/GOOGLE_CLOUD_PROJECT/locations/global/publishers/google/models/gemini-3.5-flash:generateContent \
  -d '{
      "contents": [
          {
              "role": "user",
              "parts": [
                  {"text": "Give me a three day event schedule based on YOUR_URL. Also let me know what needs to taken care of considering weather and commute."}
              ]
          }
      ],
      "tools": [
          {
              "url_context": {}
          },
          {
              "google_search": {}
          }
      ]
  }' > result.json

cat result.json

Weitere Informationen zur Fundierung mit der Google Suche finden Sie auf der Übersichtsseite.

Webfundierung für Unternehmen mit URL-Kontext

Sie können sowohl URL-Kontext als auch Web-Fundierung für Enterprise aktivieren, wenn Sie bestimmte Compliance-Anforderungen erfüllen müssen oder in einer regulierten Branche wie dem Gesundheitswesen, dem Finanzwesen oder dem öffentlichen Sektor tätig sind. Der Webindex, der für Web-Fundierung für Unternehmen verwendet wird, ist eingeschränkter als der Standardindex für die Fundierung mit der Google Suche, da er eine Teilmenge der in der Google Suche verfügbaren Inhalte verwendet.

Weitere Informationen zur Webfundierung für Unternehmen finden Sie auf der Seite Webfundierung für Unternehmen.

Kontextbezogene Antwort

Die Antwort des Modells basiert auf den Inhalten, die es von den URLs abgerufen hat. Wenn das Modell Inhalte von URLs abgerufen hat, enthält die Antwort url_context_metadata. Eine solche Antwort könnte etwa so aussehen (Teile der Antwort wurden aus Gründen der Übersichtlichkeit weggelassen):

{
  "candidates": [
    {
      "content": {
        "parts": [
          {
            "text": "... \n"
          }
        ],
        "role": "model"
      },
      ...
      "url_context_metadata":
      {
          "url_metadata":
          [
            {
              "retrieved_url": "https://cloud.google.com/gemini-enterprise-agent-platform/models/capabilities/code-execution",
              "url_retrieval_status": <UrlRetrievalStatus.URL_RETRIEVAL_STATUS_SUCCESS: "URL_RETRIEVAL_STATUS_SUCCESS">
            },
            {
              "retrieved_url": "https://cloud.google.com/gemini-enterprise-agent-platform/models/grounding/grounding-with-google-search",
              "url_retrieval_status": <UrlRetrievalStatus.URL_RETRIEVAL_STATUS_SUCCESS: "URL_RETRIEVAL_STATUS_SUCCESS">
            },
          ]
        }
    }
  ]
}

Weitere Informationen zu diesem Objekt finden Sie in der API-Referenz zu UrlContextMetadata.

Live-Abruf

Das URL-Kontexttool ruft Live-Versionen von Webseiten ab, um Ihre Informationen auf dem neuesten Stand zu halten.

Um Webseiteninhalte effizient abzurufen, verwendet das URL-Kontexttool einen zweistufigen Prozess, der Geschwindigkeit, Kosten und Zugriff auf die aktuellsten Informationen in Einklang bringt:

Abrufen indexierter Inhalte: Dies ist die erste Phase. Wenn Sie eine URL angeben, versucht das Tool zuerst, den Inhalt aus dem umfangreichen und hochgradig optimierten Webindex von Googleabzurufen. Diese Methode bietet schnellen Zugriff auf eine riesige Sammlung gecrawlter Webseiten.
Live-Abruf-Fallback: Dies ist die zweite Phase. Wenn der Inhalt einer bestimmten URL nicht im Index verfügbar ist, z. B. weil die Seite sehr neu und noch nicht indexiert ist, führt das Tool automatisch einen Live-Abruf durch. Dieser Fallback-Mechanismus kann direkt auf die URL zugreifen und die aktuelle Version des Inhalts in Echtzeit abrufen.

Sicherheitschecks

Das System führt eine Inhaltsmoderationsprüfung für die URL durch, um zu bestätigen, dass die URL den Sicherheitsstandards entspricht. Wenn die von Ihnen angegebene URL diese Prüfung nicht besteht, erhalten Sie den url_retrieval_status URL_RETRIEVAL_STATUS_UNSAFE.

Tokenanzahl

Die Anzahl der Eingabe-Tokens umfasst Inhalte, die von den URLs abgerufen werden, die Sie in Ihrem Prompt angeben. In der Modellausgabe sehen Sie die Tokenanzahl für Ihren Prompt und die Toolnutzung im Objekt usage_metadata. Hier sehen Sie eine Beispielausgabe:

'usage_metadata': {
  'candidates_token_count': 45,
  'prompt_token_count': 27,
  'prompt_tokens_details': [{'modality': <MediaModality.TEXT: 'TEXT'>,
    'token_count': 27}],
  'thoughts_token_count': 31,
  'tool_use_prompt_token_count': 10309,
  'tool_use_prompt_tokens_details': [{'modality': <MediaModality.TEXT: 'TEXT'>,
    'token_count': 10309}],
  'total_token_count': 10412
  }

Der Preis pro Token hängt vom verwendeten Modell ab. Weitere Informationen finden Sie unter Kosten für das Erstellen und Bereitstellen von KI-Modellen in der Gemini Enterprise Agent Platform.

Unterstützte und nicht unterstützte Inhaltstypen

Das URL-Kontexttool kann Inhalte aus URLs mit den folgenden Inhaltstypen extrahieren:

Inhalt	Typ
Text	`text/html` `application/json` `text/plain` `text/xml` `text/css` `text/javascript` `text/csv` `text/rtf`
Bild	`image/png` `image/jpeg` `image/bmp` `image/webp`
PDF	`application/pdf`

Das URL-Kontext-Tool unterstützt die folgenden Inhaltstypen nicht:

Paywall-Inhalte
YouTube-Videos (Weitere Informationen finden Sie unter Videoverständnis.)
Google Workspace-Dateien wie Google-Dokumente oder Google-Tabellen
Video- und Audiodateien

Beschränkungen

Das URL-Kontexttool verarbeitet bis zu 20 URLs pro Anfrage zur Analyse.
Die besten Ergebnisse erzielen Sie während der Testphase, wenn Sie das Tool auf Standardwebseiten und nicht auf Multimedia-Inhalten wie YouTube-Videos verwenden.

URL-Kontext Mit Sammlungen den Überblick behalten Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.

Unterstützte Modelle

Klicken, um unterstützte Modelle einzublenden

URL-Kontext verwenden

Nur URL-Kontext

Python

JavaScript

REST

Fundierung mit der Google Suche mit URL-Kontext

Python

JavaScript

REST

Webfundierung für Unternehmen mit URL-Kontext

Kontextbezogene Antwort

Live-Abruf

Sicherheitschecks

Tokenanzahl

Unterstützte und nicht unterstützte Inhaltstypen

Beschränkungen

URL-Kontext