docs
Verbindung einrichten

Google GenAI SDK

Markdown

Natives Gemini-Format: Google GenAI SDK für Python und JavaScript sowie direkte REST-Anfragen.

Vollständiger Leitfaden

Installation

pip install google-genai

Verbindung einrichten

Adresse: 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 festgelegt. 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="Denke dir drei Namen für ein Café aus.",
)
print(resp.text)

Mögliche Eingaben

  • 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 von Zeichenfolgen), candidateCount: 1, ganzzahliges seed, numerische presencePenalty und frequencyPenalty. Gültige Wertebereiche und Funktionen hängen vom genauen Modell ab; wählen Sie für eine JSON-Antwort eine unterstützte Schemaform und application/json. Bei Textmodellen unterstützt responseModalities nur ["TEXT"].
  • safetySettings — Array von Objekten mit category, threshold und optionalem method; wählen Sie die Werte anhand der Dokumentation des genauen Modells.
  • Bei Gemini-Modellen mit Unterstützung der jeweiligen Eingabe enthält parts[].inlineData das Feld mimeType und nicht leere base64-Daten; eine PDF-Datei muss tatsächlich im PDF-Format vorliegen. fileData enthält eine öffentliche https-Adresse in fileUri und den MIME-Typ der Datei. Bei YouTube kann der MIME-Typ weggelassen werden. http, private Adressen, gs:// und Google-Files-API-Objekte werden nicht unterstützt, ebenso wenig Uploads über die Google Files API. Bei Videos können Sie videoMetadata: startOffset/endOffset als Zeichenfolge in Sekunden (zum Beispiel 1.5s) und fps grösser als 0 und höchstens 24 hinzufügen. Die Grösse des Anfragekörpers, der Kontext, die zulässige Eingabe und das Antwortlimit werden anhand von Modell und Format geprüft.
  • Clientseitige functionDeclarations werden von Ihrer Anwendung ausgeführt. Bei Textmodellen werden ausserdem {"googleSearch": {}} und {"urlContext": {}} akzeptiert: einzeln oder zusammen im Array tools. Weder Google Search noch URL context dürfen mit functionDeclarations in derselben Anfrage kombiniert werden. Bei Bildausgaben sind nur clientseitige Funktionen verfügbar. Andere integrierte Werkzeuge und explicit cache werden nicht unterstützt. Search/URL context können eine Reservierung für das gesamte Eingabelimit erfordern; die tatsächlichen toolUsePromptTokenCount werden als Eingabetokens berücksichtigt.
  • Unterstützt das Modell ein Feld, einen Anhang oder eine Werkzeugkombination nicht, wird die Anfrage vor der Reservierung abgelehnt — es wird nichts abgebucht. Die Antwort ist HTTP 400 mit status INVALID_ARGUMENT und der Klasse invalid_request (in ErrorInfo.reason — INVALID_REQUEST). Ungültiges JSON sowie Fehler bei Pfadparametern und anderen Prüfungen führen ebenfalls zu 400; lesen Sie den Fehlertext und die Request ID. Die Funktionen hängen vom Modell ab: Prüfen Sie dessen Formate und Eingaben 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"},
    )
    # Einmal senden. Nach einem Timeout vor einem erneuten Versuch die Request ID im Nutzungsverlauf prüfen.
    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

# Eine echte lokale PDF-, Audio- oder Videodatei und ihren unterstützten MIME-Typ angeben.
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 Funktionsablauf

Übermitteln Sie die Funktionsdeklaration, empfangen Sie functionCall, führen Sie Ihre Funktion aus, senden Sie functionResponse zurück und fordern Sie die nächste Antwort an. Behalten Sie den gesamten content des Modells einschliesslich thoughtSignature bei; erstellen 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"},
    )
    # Einmal senden. Nach einem Timeout vor einem erneuten Versuch die Request ID im Nutzungsverlauf prüfen.
    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):  # Die Tool-Schleife begrenzen; keine Anfrage erneut senden, deren Ergebnis unklar ist.
    reply = generate("gemini-3.8-flash", {"contents": contents, "tools": tools})
    content = reply["candidates"][0]["content"]
    contents.append(content)  # Alle ursprünglichen parts (ALL) und thoughtSignature unverändert beibehalten.
    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 den 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 Anthropic-Messages-Format verfügbar — praktisch für Clients, die nur dieses Format unterstützen: Anthropic SDK.

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