Vertex AI Gemini API

اگر با رابط برنامه‌نویسی Gemini آشنا نیستید، رابط برنامه‌نویسی Gemini Developer API به عنوان ارائه‌دهنده‌ی API برای توسعه‌دهندگان اندروید توصیه می‌شود. اما اگر الزامات خاصی برای مکان داده‌ها دارید یا از قبل در محیط Vertex AI یا Google Cloud مستقر هستید، می‌توانید از رابط برنامه‌نویسی Vertex AI Gemini API استفاده کنید.

شروع به کار

قبل از اینکه مستقیماً از طریق برنامه خود با Vertex AI Gemini API تعامل داشته باشید، می‌توانید با دستورات در Vertex AI Studio آزمایش کنید.

یک پروژه Firebase راه‌اندازی کنید و برنامه خود را به Firebase متصل کنید

وقتی آماده فراخوانی API از برنامه خود شدید، دستورالعمل‌های «مرحله ۱» از راهنمای شروع به کار با منطق هوش مصنوعی فایربیس را دنبال کنید تا فایربیس را راه‌اندازی کرده و APIها و سرویس‌های مورد نیاز را فعال کنید.

وابستگی‌های Gradle را اضافه کنید

وابستگی‌های Gradle زیر را به ماژول app خود اضافه کنید:

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")
}

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")
}

پیکربندی ارائه‌دهنده اشکال‌زدایی App Check برای توسعه محلی

از اوایل ژوئیه ۲۰۲۶، به عنوان بخشی از گردش کار تنظیم هدایت‌شده برای منطق هوش مصنوعی در کنسول فایربیس، بررسی برنامه فایربیس به طور خودکار برای محافظت از API جمینی اجرا می‌شود. برای توسعه محلی، باید ارائه‌دهنده اشکال‌زدایی بررسی برنامه را طوری پیکربندی کنید که از گواهی‌نامه عبور کند و در عین حال اجرای بررسی برنامه را حفظ کند.

1. در نسخه اشکال‌زدایی (debug build)، App Check را طوری پیکربندی کنید که از debug provider factory استفاده کند:

   کاتلین

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

   جاوا

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

2. توکن اشکال‌زدایی خود را دریافت کنید:

   1. برنامه خود را در شبیه‌ساز یا روی دستگاه آزمایشی خود اجرا کنید.

   2. در لاگ‌های خود به دنبال توکن اشکال‌زدایی App Check بگردید. برای مثال:

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

   3. توکن را کپی کنید (برای مثال، 123a4567-b89c-12d3-e456-789012345678 ).

3. توکن اشکال‌زدایی خود را با App Check ثبت کنید:

   1. در کنسول فایربیس، به تب Security > App Check > Apps بروید.

   2. برنامه‌ی خود را پیدا کنید، روی منوی سرریز ( more_vert ) کلیک کنید و سپس مدیریت توکن‌های اشکال‌زدایی (Manage debug tokens ) را انتخاب کنید.

   3. برای ثبت توکن اشکال‌زدایی خود، دستورالعمل‌های روی صفحه را دنبال کنید.

برای جزئیات بیشتر در مورد ارائه‌دهنده اشکال‌زدایی (از جمله نحوه دریافت یک توکن اشکال‌زدایی جدید)، به اسناد رسمی App Check مراجعه کنید.

مقداردهی اولیه مدل مولد

با نمونه‌سازی یک GenerativeModel و مشخص کردن نام مدل شروع کنید:

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

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

GenerativeModelFutures model = GenerativeModelFutures.from(firebaseAI);
VertexAiGeminiApiJava.java

در مستندات فایربیس، می‌توانید اطلاعات بیشتری در مورد مدل‌های موجود Gemini کسب کنید. همچنین می‌توانید در مورد پیکربندی پارامترهای مدل اطلاعات کسب کنید.

تولید متن

برای تولید پاسخ متنی، تابع generateContent() را به همراه اعلان خود فراخوانی کنید.

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.")
    // ...
}
VertexAiGeminiApi.kt

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);
VertexAiGeminiApiJava.java

مشابه Gemini Developer API، می‌توانید تصاویر، صدا، ویدیو و فایل‌ها را نیز به همراه اعلان متنی خود ارسال کنید. برای جزئیات بیشتر، به بخش «تعامل با Gemini Developer API از برنامه خود» مراجعه کنید.

برای کسب اطلاعات بیشتر در مورد Firebase AI Logic SDK، مستندات Firebase را مطالعه کنید.