Doku
Anbindung

Google GenAI SDK

Markdown

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

Vollständiger Leitfaden

Installation

pip install google-genai

Anbindung

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 angegeben. 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="Schlage drei Namen für ein Café vor.",
)
print(resp.text)

Was übergeben werden kann

  • 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. Zulässige Wertebereiche und Funktionen hängen vom genauen Modell ab; wählen Sie für eine JSON-Antwort eine unterstützte Schemaform und application/json. Bei Textmodellen ist responseModalities — ausschließlich ["TEXT"].
  • safetySettings — Array von Objekten mit category, threshold und dem optionalen method; wählen Sie die Werte anhand der Dokumentation des genauen Modells.
  • Für Gemini-Modelle mit Unterstützung für die jeweilige Eingabe gilt: parts[].inlineData enthält mimeType und nicht leere base64-Daten; eine PDF-Datei muss eine echte PDF-Datei sein. fileData enthält eine öffentliche https-Adresse in fileUri und den MIME-Typ der Datei. Für YouTube kann der MIME-Typ weggelassen werden. http, private Adressen, gs:// und Objekte der Google Files API werden nicht unterstützt; auch Uploads über die Google Files API sind nicht möglich. Bei Video können Sie videoMetadata: startOffset/endOffset als Zeichenfolge in Sekunden angeben (zum Beispiel 1.5s) und fps mit einem Wert größer als 0 und höchstens 24 angeben. Größe des Anfrageinhalts, Kontext, zulässige Eingabe und Antwortlimit werden anhand von Modell und Format geprüft.
  • Clientseitige functionDeclarations werden von Ihrer Anwendung ausgeführt. Textmodelle akzeptieren außerdem {"googleSearch": {}} und {"urlContext": {}}: einzeln oder gemeinsam im Array tools. Weder Google Search noch URL context dürfen zusammen mit functionDeclarations in einer Anfrage verwendet werden. Für Bilder in der Ausgabe stehen ausschließlich clientseitige Funktionen zur Verfügung. Weitere integrierte Tools und explicit cache werden nicht unterstützt. Search/URL context können eine Reservierung anhand des vollständigen Eingabelimits erfordern; die tatsächlich angefallenen toolUsePromptTokenCount werden als Eingabetokens gezählt.
  • Wenn das Modell ein Feld, einen Anhang oder eine Tool-Kombination nicht unterstützt, wird die Anfrage 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 in 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 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"},
    )
    # Nur einmal senden. Prüfen Sie nach einem Timeout 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 echte lokale PDF-, Audio- oder Videodatei und den 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

Übermitteln Sie die Deklaration, erhalten Sie functionCall, führen Sie Ihre Funktion aus, geben Sie functionResponse zurück und fordern Sie die nächste Antwort an. Behalten Sie den gesamten content des Modells einschließlich thoughtSignature bei; 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 einem Timeout 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)  # Behalten Sie ALLE ursprünglichen parts und thoughtSignature unverändert bei.
    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 stehen 27 Kennungen zur Verfügung: 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, was für Clients praktisch ist, die nur dieses Format unterstützen: Anthropic SDK.

Noch Fragen? Senden Sie uns die Request ID und eine Beschreibung, damit wir Ihnen weiterhelfen können.Support kontaktieren