Vertex AI Gemini API

Jeśli dopiero zaczynasz korzystać z interfejsu Gemini API, Gemini Developer API to zalecany dostawca interfejsu API dla programistów na Androida. Jeśli jednak masz konkretne wymagania dotyczące lokalizacji danych lub korzystasz już ze środowiska Vertex AI lub Google Cloud, możesz użyć interfejsu Vertex AI Gemini API.

Pierwsze kroki

Zanim zaczniesz korzystać z interfejsu Vertex AI Gemini API bezpośrednio w aplikacji, możesz eksperymentować z promptami w Vertex AI Studio.

Konfigurowanie projektu Firebase i łączenie aplikacji z Firebase

Gdy będziesz gotowy(-a) do wywołania interfejsu API z poziomu aplikacji, postępuj zgodnie z instrukcjami w „Kroku 1” przewodnika dla początkujących użytkowników Firebase AI Logic, aby skonfigurować Firebase i włączyć wymagane interfejsy API oraz usługi.

Dodawanie zależności Gradle

Dodaj do modułu aplikacji te zależności Gradle:

Kotlin

dependencies {
  // ... other androidx dependencies

  // Import the BoM for the Firebase platform
  implementation(platform("com.google.firebase:firebase-bom:34.15.0"))

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

Java

dependencies {
  // Import the BoM for the Firebase platform
  implementation(platform("com.google.firebase:34.15.0"))

  // Add the dependencies for the Firebase AI Logic and App Check libraries
  // When using the BoM, you don't specify versions in Firebase library dependencies
  implementation("com.google.firebase:firebase-ai")
  implementation("com.google.firebase:firebase-appcheck-debug")

  // Required for one-shot operations (to use `ListenableFuture` from Guava Android)
  implementation("com.google.guava:guava:31.0.1-android")

  // Required for streaming operations (to use `Publisher` from Reactive Streams)
  implementation("org.reactivestreams:reactive-streams:1.0.4")
}

Konfigurowanie dostawcy debugowania Sprawdzania aplikacji na potrzeby programowania lokalnego

Od początku lipca 2026 r. w ramach procesu konfiguracji z przewodnikiem dla AI Logic w konsoli Firebase automatycznie będzie wymuszane Sprawdzanie aplikacji Firebase w celu ochrony interfejsu Gemini API. W przypadku lokalnego programowania musisz skonfigurować dostawcę debugowania Sprawdzania aplikacji, aby pominąć atestowanie, ale nadal egzekwować Sprawdzanie aplikacji.

  1. W kompilacji debugowania skonfiguruj App Check tak, aby używała fabryki dostawcy debugowania:

    Kotlin

    Firebase.initialize(context = this)
Firebase.appCheck.installAppCheckProviderFactory(
    DebugAppCheckProviderFactory.getInstance(),
)

    Java

    FirebaseApp.initializeApp(/*context=*/ this);
FirebaseAppCheck firebaseAppCheck = FirebaseAppCheck.getInstance();
firebaseAppCheck.installAppCheckProviderFactory(
        DebugAppCheckProviderFactory.getInstance());

  2. Uzyskaj token debugowania:

    1. Uruchom aplikację w emulatorze lub na urządzeniu testowym.

    2. W dziennikach wyszukaj token debugowania App Check. Przykład:

      D DebugAppCheckProvider: Enter this debug secret into the allow list
in the Firebase Console for your project: 123a4567-b89c-12d3-e456-789012345678

    3. Skopiuj token (np. 123a4567-b89c-12d3-e456-789012345678).

  3. Zarejestruj token debugowania w Sprawdzaniu aplikacji:

    1. W konsoli Firebase otwórz Zabezpieczenia > App Check > kartę Aplikacje.

    2. Znajdź aplikację, kliknij menu przepełnienia (), a następnie wybierz Zarządzaj tokenami debugowania.

    3. Postępuj zgodnie z instrukcjami wyświetlanymi na ekranie, aby zarejestrować token debugowania.

Szczegółowe informacje o dostawcy debugowania (w tym o tym, jak uzyskać nowy token debugowania) znajdziesz w oficjalnej dokumentacji usługi App Check.

Inicjowanie modelu generatywnego

Zacznij od utworzenia instancji GenerativeModel i określenia nazwy modelu:

Kotlin

val model = Firebase.ai(backend = GenerativeBackend.vertexAI())
    .generativeModel("gemini-2.5-flash")

Java

GenerativeModel firebaseAI = FirebaseAI.getInstance(GenerativeBackend.vertexAI())
        .generativeModel("gemini-2.5-flash");

GenerativeModelFutures model = GenerativeModelFutures.from(firebaseAI);

Więcej informacji o dostępnych modelach Gemini znajdziesz w dokumentacji Firebase. Możesz też dowiedzieć się więcej o konfigurowaniu parametrów modelu.

Generowanie tekstu

Aby wygenerować odpowiedź tekstową, wywołaj funkcję generateContent() z promptem.

Kotlin

suspend fun generateText(model: GenerativeModel) {
    // Note: generateContent() is a suspend function, which integrates well
    // with existing Kotlin code.
    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);

Podobnie jak w przypadku Gemini Developer API, możesz też przesyłać obrazy, dźwięk, filmy i pliki wraz z promptem tekstowym. Szczegółowe informacje znajdziesz w artykule Interakcja z interfejsem Gemini Developer API z poziomu aplikacji.

Więcej informacji o pakiecie SDK Firebase AI Logic znajdziesz w dokumentacji Firebase.