Doku
Einrichtung

Google GenAI SDK

Markdown

Das native Gemini-Format: Google GenAI SDK für Python und JavaScript sowie direkte REST-Requests.

Vollständiger Leitfaden

Installation

pip install google-genai

Einrichtung

Die Adresse lautet https://api.ailoot.ai ohne /v1beta: Das SDK setzt den Pfad /v1beta/models/<Modell>:generateContent selbst zusammen. In Python wird die Adresse über HttpOptions(base_url=…), in JavaScript über httpOptions.baseUrl gesetzt. Den Schlüssel sendet das SDK im Header x-goog-api-key.

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"),  # ohne /v1beta
)

resp = client.models.generate_content(
    model="gemini-3.8-flash",
    contents="Denk dir drei Namen für ein Kaffeehaus aus.",
)
print(resp.text)

Welche Eingaben möglich sind

  • Felder auf oberster Ebene: contents, systemInstruction, generationConfig, safetySettings, tools und toolConfig.
  • generationConfig akzeptiert temperature, topP, topK, maxOutputTokens, thinkingConfig, responseMimeType (text/plain oder application/json), responseSchema oder responseJsonSchema (JSON-Objekt), stopSequences (Array aus Strings), candidateCount: 1, ganzzahliges seed, numerische Werte für presencePenalty und frequencyPenalty. Zulässige Wertebereiche und Funktionen hängen vom konkreten Modell ab; wählen Sie für JSON-Antworten eine unterstützte Schemaform und application/json. Bei Textmodellen ist responseModalities — ausschließlich ["TEXT"].
  • safetySettings — ein Array aus Objekten mit category, threshold und optionalem method; wählen Sie die Werte anhand der Dokumentation des konkreten Modells.
  • Bei Gemini-Modellen mit Unterstützung der jeweiligen Eingabeart gilt: parts[].inlineData enthält mimeType und nicht leere base64-Daten; ein PDF muss eine echte PDF-Datei sein. fileData enthält eine öffentliche https-Adresse in fileUri und den MIME-Typ der Datei. Bei YouTube kann der MIME-Typ entfallen. http, private Adressen, gs:// und Objekte der Google Files API werden nicht unterstützt, ebenso wenig Uploads über die Google Files API. Bei Videos können Sie außerdem Folgendes ergänzen: videoMetadata: startOffset/endOffset als String in Sekunden (zum Beispiel 1.5s) und fps größer als 0 und höchstens 24. Größe des Request-Bodys, Kontext, zulässige Eingabe und Antwortlimit werden anhand von Modell und Format geprüft.
  • Clientseitige functionDeclarations führt Ihre Anwendung aus. Textmodelle akzeptieren außerdem {"googleSearch": {}} und {"urlContext": {}}: einzeln oder gemeinsam im Array tools. Weder Google Search noch URL context darf gemeinsam mit functionDeclarations in einem Request verwendet werden. Für die Bildausgabe sind nur clientseitige Funktionen verfügbar. Andere integrierte Werkzeuge und explicit cache werden nicht unterstützt. Search/URL context kann eine Reservierung für das volle Eingabelimit erfordern; die tatsächlichen toolUsePromptTokenCount werden als Eingabetokens berücksichtigt.
  • Unterstützt das Modell ein Feld, einen Anhang oder eine Werkzeugkombination nicht, wird der Request vor der Reservierung abgelehnt — es wird nichts abgebucht. Sie erhalten HTTP 400 mit status INVALID_ARGUMENT und der Klasse invalid_request (in ErrorInfo.reason — INVALID_REQUEST). Ungültiges JSON, Fehler bei Pfadparametern und anderen Prüfungen liefern ebenfalls 400; lesen Sie den Fehlertext und die Request ID. Die Funktionen hängen vom Modell ab: Prüfen Sie dessen Formate und Eingabearten im Katalog.
EingabeUnterstützte MIME-Typen
Inline-Bilderimage/png, image/jpeg, image/webp
Dokumenteapplication/pdf; text/plain, text/html, text/css, text/csv, text/xml, text/rtf, text/markdown, text/javascript, application/x-javascript, text/x-python, application/x-python
Audioaudio/wav, audio/mp3, audio/mpeg, audio/aiff, audio/aac, audio/ogg, audio/flac
Videovideo/mp4, video/mpeg, video/mov, video/quicktime, video/avi, video/x-flv, video/mpg, video/webm, video/wmv, video/3gpp
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"},
    )
    # Nur einmal senden. Prüfen Sie nach einer Zeitüberschreitung zuerst die Request ID in Ihrem Nutzungsverlauf, bevor Sie es erneut versuchen.
    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

# Geben Sie eine tatsächlich vorhandene lokale PDF-, Audio- oder Videodatei und ihren unterstützten MIME-Typ an.
path, mime = pathlib.Path(sys.argv[1]), sys.argv[2]
payload = {"contents": [{"role": "user", "parts": [
    {"text": "Beschreibe kurz den Inhalt der Datei."},
    {"inlineData": {"mimeType": mime,
                    "data": base64.b64encode(path.read_bytes()).decode()}},
]}]}
print(generate("gemini-3.8-flash", payload))
# Alternativer Anhang: {"fileData": {"mimeType": mime, "fileUri": public_https_url}}
# Für eine echte YouTube-URL: {"fileData": {"fileUri": youtube_url}}

Vollständiger Funktionszyklus

Übergeben Sie die Deklaration, empfangen Sie functionCall, führen Sie Ihre Funktion aus, geben Sie functionResponse zurück und fordern Sie die nächste Antwort an. Bewahren Sie den gesamten content des Modells einschließlich thoughtSignature; erzeugen Sie die Signatur nicht selbst.

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"},
    )
    # Nur einmal senden. Prüfen Sie nach einer Zeitüberschreitung zuerst die Request ID in Ihrem Nutzungsverlauf, bevor Sie es erneut versuchen.
    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": "Zwei Zahlen multiplizieren",
    "parameters": {"type": "object", "properties": {
        "a": {"type": "number"}, "b": {"type": "number"}},
        "required": ["a", "b"]},
}]}]
contents = [{"role": "user", "parts": [{"text": "Multipliziere 7 mit 8 mithilfe der Funktion"}]}]
for turn in range(4):  # Begrenzen Sie die Tool-Schleife; senden Sie eine Anfrage mit unklarem Ergebnis nicht erneut.
    reply = generate("gemini-3.8-flash", {"contents": contents, "tools": tools})
    content = reply["candidates"][0]["content"]
    contents.append(content)  # Lassen Sie ALLE (ALL) ursprünglichen parts und thoughtSignature unverändert.
    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")

Streaming-Antwort

for chunk in client.models.generate_content_stream(
    model="gemini-3.8-flash",
    contents="Beschreibe einen Sonnenuntergang über dem Meer",
):
    print(chunk.text, end="", flush=True)

Verfügbare Modelle

Im Gemini-Format sind 27 IDs verfügbar: gemini-3.8-flash, gemini-3.1-pro, gemini-pro-agent, gemini-3.8-flash-tiered, gemini-3.8-flash-medium, gemini-3.8-flash-low, gemini-3.8-flash-high, gemini-3.7-flash, gemini-3.7-flash-tiered, gemini-3.7-flash-medium, gemini-3.7-flash-low, gemini-3.7-flash-high, gemini-3.6-flash, gemini-3.6-flash-tiered, gemini-3.6-flash-medium, gemini-3.6-flash-low, gemini-3.6-flash-high, gemini-3.5-flash-lite, gemini-3.1-pro-preview, gemini-3.1-pro-low, gemini-3.1-pro-high, gemini-3.1-flash-lite, gemini-3-flash, gemini-2.5-pro, gemini-2.5-flash, gemini-2.5-flash-thinking, gemini-2.5-flash-lite.

Gemini-Modelle sind auch im Format Anthropic Messages verfügbar — praktisch für Clients, die nur dieses Format unterstützen: Anthropic SDK.

Noch Fragen? Senden Sie uns die Request ID und eine Beschreibung — wir helfen Ihnen weiter.Support kontaktieren