documentazione
Connessione

Google GenAI SDK

Markdown

Formato nativo Gemini: Google GenAI SDK per Python e JavaScript e richieste REST dirette.

Guida completa

Installazione

pip install google-genai

Connessione

L’indirizzo è https://api.ailoot.ai senza /v1beta: l’SDK costruisce il percorso /v1beta/models/<modello>:generateContent da solo. In Python l’indirizzo si imposta tramite HttpOptions(base_url=…), in JavaScript tramite httpOptions.baseUrl. L’SDK invia la chiave nell’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"),  # senza /v1beta
)

resp = client.models.generate_content(
    model="gemini-3.8-flash",
    contents="Proponi tre nomi per una caffetteria.",
)
print(resp.text)

Cosa puoi trasmettere

  • Campi di primo livello: contents, systemInstruction, generationConfig, safetySettings, tools e toolConfig.
  • generationConfig accetta temperature, topP, topK, maxOutputTokens, thinkingConfig, responseMimeType (text/plain oppure application/json), responseSchema oppure responseJsonSchema (oggetto JSON), stopSequences (array di stringhe), candidateCount: 1, il valore intero seed, i valori numerici presencePenalty e frequencyPenalty. Gli intervalli ammessi e le capacità dipendono dal modello specifico; per una risposta JSON scegli una sola forma di schema supportata e application/json. Per i modelli testuali responseModalities è solo ["TEXT"].
  • safetySettings — array di oggetti con category, threshold e il campo facoltativo method; scegli i valori in base alla documentazione del modello specifico.
  • Per i modelli Gemini che supportano il relativo input, parts[].inlineData contiene mimeType e dati base64 non vuoti; il PDF deve essere un vero PDF. fileData contiene un indirizzo pubblico https nel campo fileUri e il MIME del tipo di file. Per YouTube il MIME può essere omesso. http, gli indirizzi privati, gs:// e gli oggetti Google Files API non sono supportati, né il caricamento tramite Google Files API. Per i video puoi aggiungere videoMetadata: startOffset/endOffset come stringa in secondi (ad esempio 1.5s) e fps con un valore maggiore di 0 e non superiore a 24. Dimensione del corpo, contesto, input ammessi e limite di risposta sono verificati in base al modello e al formato.
  • Le functionDeclarations del client sono eseguite dalla tua applicazione. I modelli testuali accettano anche {"googleSearch": {}} e {"urlContext": {}}: separatamente o insieme nell’array tools. Né Google Search né URL context possono essere combinati con functionDeclarations nella stessa richiesta. Per l’output di immagini sono disponibili solo le funzioni client. Altri strumenti integrati e cache esplicita non sono supportati. Search/URL context possono richiedere una riserva sull’intero limite di input; il valore effettivo di toolUsePromptTokenCount viene conteggiato come token di input.
  • Se il modello non supporta un campo, un allegato o una combinazione di strumenti, la richiesta viene rifiutata prima della riserva — non viene addebitato nulla. Riceverai HTTP 400 con status INVALID_ARGUMENT e classe invalid_request (in ErrorInfo.reason — INVALID_REQUEST). Anche JSON non valido, errori nei parametri del percorso e altre verifiche restituiscono 400; leggi il testo dell’errore e il Request ID. Le capacità dipendono dal modello: controlla formati e input nel catalogo.
InputMIME supportati
Immagini inlineimage/png, image/jpeg, image/webp
Documentiapplication/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"},
    )
    # Un solo invio. Dopo un timeout, verifica il Request ID nella cronologia di utilizzo prima di riprovare.
    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

# Fornisci un file PDF, audio o video locale reale e il relativo tipo MIME supportato.
path, mime = pathlib.Path(sys.argv[1]), sys.argv[2]
payload = {"contents": [{"role": "user", "parts": [
    {"text": "Descrivi brevemente il contenuto del file."},
    {"inlineData": {"mimeType": mime,
                    "data": base64.b64encode(path.read_bytes()).decode()}},
]}]}
print(generate("gemini-3.8-flash", payload))
# Allegato alternativo: {"fileData": {"mimeType": mime, "fileUri": public_https_url}}
# Per un URL YouTube reale: {"fileData": {"fileUri": youtube_url}}

Ciclo completo di una funzione

Trasmetti la dichiarazione, ricevi functionCall, esegui la tua funzione, restituisci functionResponse e richiedi la risposta successiva. Conserva tutto il content del modello, thoughtSignature incluso; non creare la firma da solo.

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"},
    )
    # Un solo invio. Dopo un timeout, verifica il Request ID nella cronologia di utilizzo prima di riprovare.
    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": "Moltiplicare due numeri",
    "parameters": {"type": "object", "properties": {
        "a": {"type": "number"}, "b": {"type": "number"}},
        "required": ["a", "b"]},
}]}]
contents = [{"role": "user", "parts": [{"text": "Moltiplica 7 per 8 usando la funzione"}]}]
for turn in range(4):  # Limita il ciclo di chiamate agli strumenti; non reinviare una richiesta il cui esito è incerto.
    reply = generate("gemini-3.8-flash", {"contents": contents, "tools": tools})
    content = reply["candidates"][0]["content"]
    contents.append(content)  # Mantieni TUTTE le parti originali e thoughtSignature senza modifiche.
    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")

Risposta in streaming

for chunk in client.models.generate_content_stream(
    model="gemini-3.8-flash",
    contents="Descrivi un tramonto sul mare",
):
    print(chunk.text, end="", flush=True)

Modelli disponibili

Nel formato Gemini sono disponibili 27 identificatori: 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.

I modelli Gemini sono disponibili anche nel formato Anthropic Messages — comodo per i client che supportano solo quello: Anthropic SDK.

Hai altre domande? Invia il Request ID e una descrizione — ti aiuteremo a chiarire il problema.Contatta l’assistenza