docs
Csatlakoztatás

Google GenAI SDK

Markdown

Natív Gemini formátum: Google GenAI SDK Pythonhoz és JavaScripthez, valamint közvetlen REST-kérések.

Teljes útmutató

Telepítés

pip install google-genai

Csatlakoztatás

Cím: https://api.ailoot.ai a következő nélkül: /v1beta: az SDK az útvonalat /v1beta/models/<modell>:generateContent magától állítja össze. Pythonban a címet ezzel adhatja meg: HttpOptions(base_url=…), JavaScriptben pedig ezzel: httpOptions.baseUrl. A kulcsot az SDK ebben a fejlécben küldi: 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"),  # /v1beta nélkül
)

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

Mit lehet megadni?

  • Legfelső szintű mezők: contents, systemInstruction, generationConfig, safetySettings, tools és toolConfig.
  • 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"].
  • safetySettings — objektumok tömbje a következő mezőkkel: category, threshold és a nem kötelező methodmezővel; az értékeket az adott modell dokumentációja szerint válassza ki.
  • 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.
  • 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.
  • 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.
BemenetTámogatott MIME-típusok
Inline képekimage/png, image/jpeg, image/webp
Dokumentumokapplication/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
Hangaudio/wav, audio/mp3, audio/mpeg, audio/aiff, audio/aac, audio/ogg, audio/flac
Videóvideo/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"},
    )
    # 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}}

A függvény teljes ciklusa

Küldje el a deklarációt, fogadja a functionCall eredményt, hajtsa végre a saját függvényét, adja vissza a functionResponse eredményt, majd kérje a következő választ. Őrizze meg a modell teljes content tartalmát, a thoughtSignature mezővel együtt; az aláírást ne állítsa elő önállóan.

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")

Folyamatos válasz

for chunk in client.models.generate_content_stream(
    model="gemini-3.8-flash",
    contents="Írja le a tenger feletti naplementét",
):
    print(chunk.text, end="", flush=True)

Elérhető modellek

Gemini formátumban 27 azonosító érhető el: 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.

A Gemini modellek Anthropic Messages formátumban is elérhetők — ez kényelmes a csak ezt kezelő kliensek számára: Anthropic SDK.

Maradt kérdése? Küldje el a Request ID-t és a probléma leírását — segítünk tisztázni.Írjon a támogatásnak