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": "Találjon ki három nevet egy kávézónak."}]}
    ]
  }' 

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"),  # /v1beta nélkül
)

resp = client.models.generate_content(
    model="gemini-3.8-flash",
    contents="Találjon ki három nevet egy kávézónak.",
)
print(resp.text)

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

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

const resp = await ai.models.generateContent({
  model: "gemini-3.8-flash",
  contents: "Találjon ki három nevet egy kávézónak.",
});
console.log(resp.text);

{
  "candidates": [
    {
      "content": {
        "role": "model",
        "parts": [{ "text": "1. «Babszem és gőz» 2. «Reggeli őrlemény» 3. «Sarki kávézó»" }]
      },
      "finishReason": "STOP"
    }
  ],
  "usageMetadata": {
    "promptTokenCount": 9,
    "candidatesTokenCount": 27,
    "totalTokenCount": 36
  },
  "modelVersion": "gemini-3.8-flash"
}

Hitelesítés

• x-goog-api-keyheaderkötelező

  Kulcs sk-…. A következők is használhatók: Authorization: Bearer vagy x-api-key. A Google-kompatibilitás érdekében a következőt is elfogadjuk: ?key= az URL-ben — a legalacsonyabb prioritással; ?api_key= 400-as hibával elutasítjuk. A fejléc használatát javasoljuk: így a kulcs nem kerül a naplókba.

Útvonal

• modelstringkötelező

  Gemini formátumot támogató modell azonosítója, például gemini-3.8-flash vagy gemini-3.1-pro. Összesen 27.

A kérés törzse

• contentsarraykötelező

  Üzenetek a következő mezőkkel: role (user/model) és parts: text, inlineData/fileData, functionCall/functionResponse. Csak a modell által bemenetként támogatott mellékletek használhatók.

• systemInstructionobjectnem kötelező

  Szöveges rendszerutasítás: {"parts": [{"text": "…"}]}.

• generationConfigobjectnem kötelező

  generationConfig által elfogadott mezők: temperature, topP, topK, maxOutputTokens, thinkingConfig, responseMimeType (text/plain vagy application/json), responseSchema vagy responseJsonSchema (JSON-objektum), stopSequences (karakterláncok tömbje), candidateCount: 1, egész szám típusú seed, szám típusú presencePenalty és frequencyPenalty. Az elfogadott tartományok és képességek az adott modelltől függenek; JSON-válaszhoz válasszon egy támogatott sémaformát és application/json. Szöveges modelleknél a responseModalities — kizárólag ["TEXT"].

• safetySettingsarraynem kötelező

  Objektumok, a következő kötelező mezőkkel: category és threshold, és ezzel a nem kötelező mezővel: method. Az értékeket az adott modellnek támogatnia kell.

• toolsarraynem kötelező

  A kliensoldali functionDeclarations függvényeket az alkalmazása hajtja végre. Szöveges modelleknél a következők is elfogadottak: {"googleSearch": {}} és {"urlContext": {}}: külön-külön vagy együtt a következő tömbben: tools. Sem a Google Search, sem a URL context nem használható együtt a functionDeclarations függvényekkel egy kérésen belül. Képkimenet esetén csak kliensoldali függvények érhetők el. Más beépített eszközök és az explicit cache nem támogatottak. A Search/URL context a teljes bemeneti korlátnak megfelelő összeg zárolását igényelheti; a tényleges toolUsePromptTokenCount bemeneti tokenként számít.

• toolConfigobjectnem kötelező

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

Ha a modell nem támogat egy mezőt, mellékletet vagy eszközkombinációt, a kérést még az összeg zárolása előtt elutasítjuk — nem történik terhelés. HTTP 400 érkezik, a status INVALID_ARGUMENT értékkel és a következő osztállyal: invalid_request (az ErrorInfo.reason — INVALID_REQUEST). Hibás JSON, útvonalparaméter-hibák és más ellenőrzési hibák szintén 400hibát adnak; olvassa el a hiba szövegét és a Request ID-t. A képességek modellenként eltérnek: ellenőrizze a katalógusban a modell formátumait és bemeneteit.

PDF, hang, videó és hivatkozások

A megfelelő bemenetet támogató Gemini modelleknél a parts[].inlineData mező tartalma: mimeType és nem üres base64-adatok; a PDF-nek valódi PDF-fájlnak kell lennie. fileData tartalma egy nyilvános https-cím a fileUri mezőben, valamint a fájltípus MIME-ja. YouTube esetén a MIME elhagyható. http, a privát címek, gs:// és a Google Files API objektumai nem támogatottak, ahogy a Google Files API-n keresztüli feltöltés sem. Videónál megadható a videoMetadata: startOffset/endOffset karakterláncként, másodpercben (például 1.5s) és fps értéke nagyobb mint 0 és legfeljebb 24 lehet. A törzs méretét, a kontextust, a megengedett bemenetet és a válaszkorlátot modell és formátum szerint ellenőrizzük.

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"},
    )
    # Egyetlen elküldés. Időtúllépés után az újrapróbálkozás előtt ellenőrizze a Request ID értékét a használati előzményekben.
    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

# Adjon meg egy valódi helyi PDF-, hang- vagy videófájlt és a hozzá tartozó támogatott MIME-típust.
path, mime = pathlib.Path(sys.argv[1]), sys.argv[2]
payload = {"contents": [{"role": "user", "parts": [
    {"text": "Röviden írja le a fájl tartalmát."},
    {"inlineData": {"mimeType": mime,
                    "data": base64.b64encode(path.read_bytes()).decode()}},
]}]}
print(generate("gemini-3.8-flash", payload))
# Másik csatolási mód: {"fileData": {"mimeType": mime, "fileUri": public_https_url}}
# Valódi YouTube URL esetén: {"fileData": {"fileUri": youtube_url}}

Search és URL context

A kliensoldali functionDeclarations függvényeket az alkalmazása hajtja végre. Szöveges modelleknél a következők is elfogadottak: {"googleSearch": {}} és {"urlContext": {}}: külön-külön vagy együtt a következő tömbben: tools. Sem a Google Search, sem a URL context nem használható együtt a functionDeclarations függvényekkel egy kérésen belül. Képkimenet esetén csak kliensoldali függvények érhetők el. Más beépített eszközök és az explicit cache nem támogatottak. A Search/URL context a teljes bemeneti korlátnak megfelelő összeg zárolását igényelheti; a tényleges toolUsePromptTokenCount bemeneti tokenként számít.

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

Képkimenet

Gemini formátumú válaszban csak ez a modell tud képet visszaadni: gemini-3.1-flash-image. Ez külön képesség a következőtől: /v1/images/generations: más képmodellek itt nem működnek. Ennél a modellnél a bemenet legfeljebb 131072 token, a válasz legfeljebb 32768; a leghosszabb válasz teljes költségét előre zároljuk.

responseModalities — nem üres TEXT/IMAGE halmaz, ismétlődések nélkül. 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. A modell bemenete szöveg és inline PNG/JPEG/WebP; PDF/audio/video/fileData és beépített Search/URL context itt nem fogadható. A kulcsához tartozó elérhetőséget és árakat a katalógusban, valamint a 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"},
    )
    # Egyetlen elküldés. Időtúllépés után az újrapróbálkozás előtt ellenőrizze a Request ID értékét a használati előzményekben.
    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": "Akvarell: világítótorony hajnalban"}]}],
    "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)

A function calling teljes ciklusa

A függvényeket a kliens hajtja végre. Küldje vissza a modell teljes eredeti content tartalmát a thoughtSignature mezővel változatlanul, majd a functionResponse mezőt ugyanazzal a name és id értékkel, ha az id szerepelt a functionCall mezőben.

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"},
    )
    # Egyetlen elküldés. Időtúllépés után az újrapróbálkozás előtt ellenőrizze a Request ID értékét a használati előzményekben.
    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": "Két szám összeszorzása",
    "parameters": {"type": "object", "properties": {
        "a": {"type": "number"}, "b": {"type": "number"}},
        "required": ["a", "b"]},
}]}]
contents = [{"role": "user", "parts": [{"text": "Számolja ki a 7 és a 8 szorzatát a függvény segítségével"}]}]
for turn in range(4):  # Korlátozza az eszközciklust; ne küldjön újra olyan kérést, amelynek eredménye nem egyértelmű.
    reply = generate("gemini-3.8-flash", {"contents": contents, "tools": tools})
    content = reply["candidates"][0]["content"]
    contents.append(content)  # Őrizze meg az összes (ALL) eredeti részt és a thoughtSignature értékét változatlanul.
    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")

Válasz

• candidates[].content.partsarray

  A modell válasza.

• usageMetadataobject

  promptTokenCount, candidatesTokenCount, totalTokenCount.