Vertex AI Gemini API

اگر با Gemini API تازه کار هستید، Gemini Developer API ارائه دهنده API توصیه شده برای توسعه دهندگان Android است. اما اگر شرایط مکانی داده‌ای خاصی دارید یا قبلاً در محیط Vertex AI یا Google Cloud تعبیه شده‌اید، می‌توانید از Vertex AI Gemini API استفاده کنید.

مهاجرت از Vertex AI در Firebase

اگر در ابتدا مدل‌های Gemini Flash و Pro را با استفاده از Vertex AI در Firebase ادغام کرده‌اید، می‌توانید به Vertex AI به‌عنوان ارائه‌دهنده API مهاجرت کرده و از آن استفاده کنید. برای راهنمای مهاجرت دقیق، مستندات Firebase را بخوانید.

شروع کردن

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

یک پروژه Firebase راه اندازی کنید و برنامه خود را به Firebase متصل کنید

هنگامی که آماده فراخوانی Vertex AI Gemini API از برنامه خود شدید، دستورالعمل‌های موجود در راهنمای شروع به کار «Step 1» Firebase AI Logic را برای راه‌اندازی Firebase و SDK در برنامه خود دنبال کنید.

وابستگی Gradle را اضافه کنید

وابستگی Gradle زیر را به ماژول برنامه خود اضافه کنید:

dependencies {
  // ... other androidx dependencies

  // Import the BoM for the Firebase platform
  implementation(platform("com.google.firebase:firebase-bom:34.2.0"))

  // 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")
}

مدل مولد را راه اندازی کنید

با نمونه سازی یک GenerativeModel و مشخص کردن نام مدل شروع کنید:

کاتلین 

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

جاوا 

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

GenerativeModelFutures model = GenerativeModelFutures.from(firebaseAI);

در مستندات Firebase، می‌توانید درباره مدل‌های موجود برای استفاده با Gemini Developer API اطلاعات بیشتری کسب کنید. همچنین می توانید با پیکربندی پارامترهای مدل آشنا شوید.

تولید متن

برای ایجاد یک پاسخ متنی، با دستور شما generateContent() فراخوانی کنید.

کاتلین 

// 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.")
}

جاوا 

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);

مشابه Gemini Developer API، همچنین می‌توانید تصاویر، صدا، ویدیو و فایل‌ها را با پیام متنی خود ارسال کنید (به «تعامل با Gemini Developer API از برنامه خود مراجعه کنید» .

برای اطلاعات بیشتر درباره Firebase AI Logic SDK، مستندات Firebase را بخوانید.