Gemini generateContent

curl "https://api.ailoot.ai/v1beta/models/gemini-3.8-flash:generateContent" \
  -H "x-goog-api-key: $AILOOT_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [
      {"role": "user", "parts": [{"text": "Find på tre navne til en café."}]}
    ]
  }' 

from google import genai
from google.genai import types
import os

client = genai.Client(
    api_key=os.environ["AILOOT_API_KEY"],
    http_options=types.HttpOptions(base_url="https://api.ailoot.ai"),  # uden /v1beta
)

resp = client.models.generate_content(
    model="gemini-3.8-flash",
    contents="Find på tre navne til en café.",
)
print(resp.text)

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

const ai = new GoogleGenAI({
  apiKey: process.env.AILOOT_API_KEY,
  httpOptions: { baseUrl: "https://api.ailoot.ai" }, // uden /v1beta
});

const resp = await ai.models.generateContent({
  model: "gemini-3.8-flash",
  contents: "Find på tre navne til en café.",
});
console.log(resp.text);

{
  "candidates": [
    {
      "content": {
        "role": "model",
        "parts": [{ "text": "1. »Bønner og damp« 2. »Morgenkværnen« 3. »Caféen på hjørnet«" }]
      },
      "finishReason": "STOP"
    }
  ],
  "usageMetadata": {
    "promptTokenCount": 9,
    "candidatesTokenCount": 27,
    "totalTokenCount": 36
  },
  "modelVersion": "gemini-3.8-flash"
}

Godkendelse

• x-goog-api-keyheaderpåkrævet

  Nøgle sk-…. Du kan også bruge Authorization: Bearer eller x-api-key. Af hensyn til kompatibiliteten med Google accepteres også ?key= i adressen — med laveste prioritet; ?api_key= afvises med 400. Vi anbefaler en header, så nøglen ikke ender i logfiler.

Sti

• modelstringpåkrævet

  ID for en model med Gemini-format, for eksempel gemini-3.8-flash eller gemini-3.1-pro. I alt 27.

Anmodningens indhold

• contentsarraypåkrævet

  Beskeder med role (user/model) og parts: text, inlineData/fileData, functionCall/functionResponse. Vedhæftninger skal være af en type, som modellen accepterer som input.

• systemInstructionobjectvalgfrit

  Systeminstruktion som tekst: {"parts": [{"text": "…"}]}.

• generationConfigobjectvalgfrit

  generationConfig accepterer temperature, topP, topK, maxOutputTokens, thinkingConfig, responseMimeType (text/plain eller application/json), responseSchema eller responseJsonSchema (JSON-objekt), stopSequences (liste af strenge), candidateCount: 1, heltalsparameteren seed, de numeriske parametre presencePenalty og frequencyPenalty. Tilladte intervaller og funktioner afhænger af den specifikke model; til JSON-svar skal du vælge én understøttet skemaform og application/json. For tekstmodeller er responseModalities — kun ["TEXT"].

• safetySettingsarrayvalgfrit

  Objekter med de obligatoriske felter category og threshold, det valgfrie felt method. Værdierne skal understøttes af den specifikke model.

• toolsarrayvalgfrit

  Klientens functionDeclarations udføres af din applikation. Tekstmodeller accepterer også {"googleSearch": {}} og {"urlContext": {}}: hver for sig eller samlet i listen tools. Hverken Google Search eller URL context kan kombineres med functionDeclarations i samme anmodning. Til billedoutput er kun klientfunktioner tilgængelige. Andre indbyggede værktøjer og explicit cache understøttes ikke. Search/URL context kan kræve en reservation baseret på den fulde inputgrænse; det faktiske toolUsePromptTokenCount medregnes som inputtokens.

• toolConfigobjectvalgfrit

  functionCallingConfig: mode (AUTO/ANY/NONE/VALIDATED/MODE_UNSPECIFIED), allowedFunctionNames.

Hvis modellen ikke understøtter et felt, en vedhæftning eller en kombination af værktøjer, afvises anmodningen før reservationen — der debiteres intet. Du får HTTP 400 med status INVALID_ARGUMENT og klassen invalid_request (i ErrorInfo.reason — INVALID_REQUEST). Ugyldig JSON, fejl i stiparametre og andre valideringsfejl returnerer også 400; læs fejlteksten og Request ID. Funktionerne afhænger af modellen: kontrollér dens formater og inputtyper i kataloget.

PDF, lyd, video og links

For Gemini-modeller, der understøtter den pågældende inputtype, gælder det, at parts[].inlineData indeholder mimeType og ikke-tomme base64-data; PDF-filen skal være en ægte PDF. fileData indeholder en offentlig https-adresse i fileUri og filens MIME-type. For YouTube kan MIME udelades. http, private adresser, gs:// og Google Files API-objekter understøttes ikke; det gør upload via Google Files API heller ikke. Ved video kan du tilføje videoMetadata: startOffset/endOffset som en streng i sekunder (for eksempel 1.5s) og fps med en værdi større end 0 og højst 24. Størrelsen på anmodningens indhold, konteksten, tilladt input og svargrænsen kontrolleres ud fra modellen og formatet.

import json, os, urllib.request

def generate(model, payload):
    req = urllib.request.Request(
        "https://api.ailoot.ai/v1beta/models/" + model + ":generateContent",
        data=json.dumps(payload).encode(),
        headers={"x-goog-api-key": os.environ["AILOOT_API_KEY"],
                 "Content-Type": "application/json"},
    )
    # Send én gang. Efter en timeout skal du kontrollere Request ID i din forbrugshistorik, før du prøver igen.
    with urllib.request.urlopen(req, timeout=300) as response:
        print("Request ID:", response.headers.get("X-Request-ID"))
        return json.load(response)

import base64, pathlib, sys

# Angiv en reel lokal PDF-, lyd- eller videofil og dens understøttede MIME-type.
path, mime = pathlib.Path(sys.argv[1]), sys.argv[2]
payload = {"contents": [{"role": "user", "parts": [
    {"text": "Beskriv kort filens indhold."},
    {"inlineData": {"mimeType": mime,
                    "data": base64.b64encode(path.read_bytes()).decode()}},
]}]}
print(generate("gemini-3.8-flash", payload))
# Alternativ vedhæftning: {"fileData": {"mimeType": mime, "fileUri": public_https_url}}
# Til en reel YouTube URL: {"fileData": {"fileUri": youtube_url}}

Search og URL context

Klientens functionDeclarations udføres af din applikation. Tekstmodeller accepterer også {"googleSearch": {}} og {"urlContext": {}}: hver for sig eller samlet i listen tools. Hverken Google Search eller URL context kan kombineres med functionDeclarations i samme anmodning. Til billedoutput er kun klientfunktioner tilgængelige. Andre indbyggede værktøjer og explicit cache understøttes ikke. Search/URL context kan kræve en reservation baseret på den fulde inputgrænse; det faktiske toolUsePromptTokenCount medregnes som inputtokens.

{"tools": [{"googleSearch": {}}, {"urlContext": {}}]}

Billedoutput

Kun gemini-3.1-flash-imagekan levere billeder i Gemini-svar. Det er en særskilt funktion i forhold til /v1/images/generations: andre billedmodeller virker ikke her. Denne model har op til 131072 inputtokens og 32768 i svaret; hele prisen for det længst mulige svar reserveres på forhånd.

responseModalities — et ikke-tomt sæt af TEXT/IMAGE uden dubletter. imageConfig.imageSize: 1K/2K/4K; aspectRatio: 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9, 21:9, 1:4, 4:1, 1:8, 8:1. Denne model accepterer tekst og inline PNG/JPEG/WebP som input; PDF/audio/video/fileData og indbygget Search/URL context accepteres ikke her. Tilgængelighed og priser for din nøgle findes i kataloget og i GET /v1/models.

import json, os, urllib.request

def generate(model, payload):
    req = urllib.request.Request(
        "https://api.ailoot.ai/v1beta/models/" + model + ":generateContent",
        data=json.dumps(payload).encode(),
        headers={"x-goog-api-key": os.environ["AILOOT_API_KEY"],
                 "Content-Type": "application/json"},
    )
    # Send én gang. Efter en timeout skal du kontrollere Request ID i din forbrugshistorik, før du prøver igen.
    with urllib.request.urlopen(req, timeout=300) as response:
        print("Request ID:", response.headers.get("X-Request-ID"))
        return json.load(response)

import base64, pathlib

reply = generate("gemini-3.1-flash-image", {
    "contents": [{"role": "user", "parts": [{"text": "Akvarel: et fyrtårn ved daggry"}]}],
    "generationConfig": {
        "responseModalities": ["TEXT", "IMAGE"],
        "imageConfig": {"aspectRatio": "1:1", "imageSize": "1K"},
    },
})
index = 0
for candidate in reply.get("candidates", []):
    for part in candidate.get("content", {}).get("parts", []):
        if "text" in part:
            print(part["text"])
        blob = part.get("inlineData", {})
        if blob.get("mimeType", "").startswith("image/") and blob.get("data"):
            index += 1
            extension = {"image/png": "png", "image/jpeg": "jpg",
                         "image/webp": "webp"}.get(blob["mimeType"], "bin")
            pathlib.Path(f"gemini-image-v{index}.{extension}").write_bytes(
                base64.b64decode(blob["data"]))
print("All returned images:", index)

Hele forløbet for function calling

Funktionerne udføres af klienten. Send modellens oprindelige content med thoughtSignature tilbage uændret, og derefter functionResponse med samme name og id, hvis id var angivet i functionCall.

import json, os, urllib.request

def generate(model, payload):
    req = urllib.request.Request(
        "https://api.ailoot.ai/v1beta/models/" + model + ":generateContent",
        data=json.dumps(payload).encode(),
        headers={"x-goog-api-key": os.environ["AILOOT_API_KEY"],
                 "Content-Type": "application/json"},
    )
    # Send én gang. Efter en timeout skal du kontrollere Request ID i din forbrugshistorik, før du prøver igen.
    with urllib.request.urlopen(req, timeout=300) as response:
        print("Request ID:", response.headers.get("X-Request-ID"))
        return json.load(response)

tools = [{"functionDeclarations": [{
    "name": "multiply", "description": "Gang to tal",
    "parameters": {"type": "object", "properties": {
        "a": {"type": "number"}, "b": {"type": "number"}},
        "required": ["a", "b"]},
}]}]
contents = [{"role": "user", "parts": [{"text": "Gang 7 med 8 ved hjælp af funktionen"}]}]
for turn in range(4):  # Begræns værktøjsløkken; send ikke en anmodning igen, hvis resultatet er uklart.
    reply = generate("gemini-3.8-flash", {"contents": contents, "tools": tools})
    content = reply["candidates"][0]["content"]
    contents.append(content)  # Bevar ALLE oprindelige dele og thoughtSignature uændret.
    results = []
    for part in content.get("parts", []):
        call = part.get("functionCall")
        if not call:
            continue
        if call["name"] != "multiply":
            raise ValueError("Unexpected function")
        args = call["args"]
        result = {"name": call["name"], "response": {"value": args["a"] * args["b"]}}
        if "id" in call:
            result["id"] = call["id"]
        results.append({"functionResponse": result})
    if not results:
        print(content)
        break
    contents.append({"role": "user", "parts": results})
else:
    raise RuntimeError("Tool loop limit reached")

Svar

• candidates[].content.partsarray

  Modellens svar.

• usageMetadataobject

  promptTokenCount, candidatesTokenCount, totalTokenCount.