API Gemini Vertex AI

Si vous ne connaissez pas l'API Gemini, l'API Gemini Developer est le fournisseur d'API recommandé pour les développeurs Android. Toutefois, si vous avez des exigences de localisation spécifiques pour les données ou si vous êtes déjà intégré à l'environnement Vertex AI ou Google Cloud, vous pouvez utiliser l'API Gemini Vertex AI.

Migrer depuis Vertex AI in Firebase

Si vous avez initialement intégré les modèles Gemini Flash et Pro à l'aide de Vertex AI dans Firebase, vous pouvez migrer vers Vertex AI en tant que fournisseur d'API et continuer à l'utiliser. Pour obtenir un guide de migration détaillé, consultez la documentation Firebase.

Premiers pas

Avant d'interagir avec l'API Gemini Vertex AI directement à partir de votre application, vous pouvez tester des requêtes dans Vertex AI Studio.

Configurer un projet Firebase et associer votre application à Firebase

Lorsque vous êtes prêt à appeler l'API Gemini Vertex AI à partir de votre application, suivez les instructions de l'étape 1 du guide de démarrage de la logique d'IA Firebase pour configurer Firebase et le SDK dans votre application.

Ajouter la dépendance Gradle

Ajoutez la dépendance Gradle suivante à votre module d'application:

dependencies {
  // ... other androidx dependencies

  // Import the BoM for the Firebase platform
  implementation(platform("com.google.firebase:firebase-bom:33.13.0"))

  // Add the dependency for the Firebase AI Logic library. When using the BoM,
  // you don't specify versions in Firebase library dependencies
  implementation("com.google.firebase:firebase-ai")
}

Initialiser le modèle génératif

Commencez par instancier un GenerativeModel et spécifiez le nom du modèle:

Kotlin

val model = Firebase.ai(backend = GenerativeBackend.vertexAI())
                        .generativeModel("gemini-2.0-flash")

Java

GenerativeModel firebaseAI = FirebaseAI.getInstance(GenerativeBackend.vertexAI())
        .generativeModel("gemini-2.0-flash");

GenerativeModelFutures model = GenerativeModelFutures.from(firebaseAI);

Dans la documentation Firebase, vous pouvez en savoir plus sur les modèles disponibles à utiliser avec l'API Gemini Developer. Vous pouvez également découvrir comment configurer les paramètres du modèle.

Générer du texte

Pour générer une réponse textuelle, appelez generateContent() avec votre requête.

Kotlin

kotlin // Note: generateContent() is a suspend function, which integrates well // with existing Kotlin code. scope.launch { val response = model.generateContent("Write a story about a magic backpack.") }

Java

Content prompt = new Content.Builder()
    .addText("Write a story about a magic backpack.")
    .build();

ListenableFuture<GenerateContentResponse> response = model.generateContent(prompt);
Futures.addCallback(response, new FutureCallback<GenerateContentResponse>() {
    @Override
    public void onSuccess(GenerateContentResponse result) {
        String resultText = result.getText();
        [...]
    }

    @Override
    public void onFailure(Throwable t) {
        t.printStackTrace();
    }
}, executor);

Comme avec l'API Gemini Developer, vous pouvez également transmettre des images, des contenus audio, des vidéos et des fichiers avec votre requête textuelle (voir la section "Interagir avec l'API Gemini Developer depuis votre application").

Pour en savoir plus sur le SDK Firebase AI Logic, consultez la documentation Firebase.