dokumentacja
API

Gemini generateContent

Markdown

Natywny format Google Gemini: dla Gemini CLI, Google GenAI SDK i klientów REST.

Pełny przewodnik
POSThttps://api.ailoot.ai/v1beta/models/{model}:generateContent
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": "Wymyśl trzy nazwy kawiarni."}]}
    ]
  }' 
200 OK
{
  "candidates": [
    {
      "content": {
        "role": "model",
        "parts": [{ "text": "1. «Ziarno i para» 2. «Poranne mielenie» 3. «Kawiarnia na rogu»" }]
      },
      "finishReason": "STOP"
    }
  ],
  "usageMetadata": {
    "promptTokenCount": 9,
    "candidatesTokenCount": 27,
    "totalTokenCount": 36
  },
  "modelVersion": "gemini-3.8-flash"
}

Autoryzacja

  • x-goog-api-keyheaderwymagany

    Klucz sk-…. Można użyć także Authorization: Bearer lub x-api-key. Dla zgodności z Google akceptowany jest też ?key= w adresie — z najniższym priorytetem; ?api_key= jest odrzucane ze statusem 400. Zalecamy nagłówek: dzięki temu klucz nie trafia do logów.

Ścieżka

  • modelstringwymagany

    ID modelu z formatem Gemini, na przykład gemini-3.8-flash lub gemini-3.1-pro. Łącznie 27.

POSThttps://api.ailoot.ai/v1beta/models/{model}:streamGenerateContent?alt=sse
GEThttps://api.ailoot.ai/v1beta/models

Treść żądania

  • contentsarraywymagany

    Wiadomości z role (user/model) i parts: text, inlineData/fileData, functionCall/functionResponse. Załączniki — takie, które model przyjmuje na wejściu.

  • systemInstructionobjectopcjonalny

    Tekstowa instrukcja systemowa: {"parts": [{"text": "…"}]}.

  • generationConfigobjectopcjonalny

    generationConfig przyjmuje temperature, topP, topK, maxOutputTokens, thinkingConfig, responseMimeType (text/plain lub application/json), responseSchema lub responseJsonSchema (obiekt JSON), stopSequences (tablica ciągów znaków), candidateCount: 1, całkowitoliczbowy seed, liczbowe presencePenalty i frequencyPenalty. Dozwolone zakresy i możliwości zależą od konkretnego modelu; dla odpowiedzi JSON wybierz jedną obsługiwaną formę schematu i application/json. W modelach tekstowych responseModalities — tylko ["TEXT"].

  • safetySettingsarrayopcjonalny

    Obiekty z wymaganymi category i threshold, opcjonalnym method. Wartości muszą być obsługiwane przez konkretny model.

  • toolsarrayopcjonalny

    Klienckie functionDeclarations wykonuje Twoja aplikacja. W modelach tekstowych akceptowane są także {"googleSearch": {}} i {"urlContext": {}}: osobno lub razem w tablicy tools. Ani Google Search, ani URL context nie można łączyć z functionDeclarations w jednym żądaniu. Dla obrazów na wyjściu dostępne są tylko funkcje klienckie. Inne wbudowane narzędzia i explicit cache nie są obsługiwane. Search/URL context mogą wymagać rezerwacji według pełnego limitu wejścia; faktyczne toolUsePromptTokenCount są uwzględniane jako tokeny wejściowe.

  • toolConfigobjectopcjonalny

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

Jeśli model nie obsługuje pola, załącznika lub połączenia narzędzi, żądanie jest odrzucane przed rezerwacją — nic nie jest pobierane. Zwrócony zostanie HTTP 400 z status INVALID_ARGUMENT i klasą invalid_request (w ErrorInfo.reason — INVALID_REQUEST). Nieprawidłowy JSON, błędy parametrów ścieżki i innych sprawdzeń również zwracają 400; przeczytaj treść błędu i Request ID. Możliwości zależą od modelu: sprawdź jego formaty i wejścia w katalogu.

PDF, audio, wideo i linki

W modelach Gemini obsługujących odpowiedni typ wejścia parts[].inlineData zawiera mimeType i niepuste dane base64; PDF musi być prawdziwym plikiem PDF. fileData zawiera publiczny adres https w fileUri i typ MIME pliku. Dla YouTube można pominąć typ MIME. http, prywatne adresy, gs:// i obiekty Google Files API nie są obsługiwane, podobnie jak przesyłanie przez Google Files API. Do wideo można dodać videoMetadata: startOffset/endOffset jako ciąg znaków w sekundach (na przykład 1.5s) i fps większe niż 0 i nie większe niż 24. Rozmiar treści żądania, kontekst, dopuszczalne wejście i limit odpowiedzi są sprawdzane według modelu i formatu.

WejścieObsługiwane MIME
Obrazy inlineimage/png, image/jpeg, image/webp
Dokumentyapplication/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
Wideovideo/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"},
    )
    # Wyślij tylko raz. Po przekroczeniu czasu oczekiwania sprawdź Request ID w historii użycia, zanim ponowisz próbę.
    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

# Podaj rzeczywisty lokalny plik PDF, audio lub wideo oraz obsługiwany typ MIME.
path, mime = pathlib.Path(sys.argv[1]), sys.argv[2]
payload = {"contents": [{"role": "user", "parts": [
    {"text": "Krótko opisz zawartość pliku."},
    {"inlineData": {"mimeType": mime,
                    "data": base64.b64encode(path.read_bytes()).decode()}},
]}]}
print(generate("gemini-3.8-flash", payload))
# Alternatywny załącznik: {"fileData": {"mimeType": mime, "fileUri": public_https_url}}
# Dla rzeczywistego adresu URL YouTube: {"fileData": {"fileUri": youtube_url}}

Search i URL context

Klienckie functionDeclarations wykonuje Twoja aplikacja. W modelach tekstowych akceptowane są także {"googleSearch": {}} i {"urlContext": {}}: osobno lub razem w tablicy tools. Ani Google Search, ani URL context nie można łączyć z functionDeclarations w jednym żądaniu. Dla obrazów na wyjściu dostępne są tylko funkcje klienckie. Inne wbudowane narzędzia i explicit cache nie są obsługiwane. Search/URL context mogą wymagać rezerwacji według pełnego limitu wejścia; faktyczne toolUsePromptTokenCount są uwzględniane jako tokeny wejściowe.

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

Obrazy na wyjściu

Obrazy w odpowiedzi w formacie Gemini obsługuje tylko gemini-3.1-flash-image. To funkcja odrębna od /v1/images/generations: inne modele obrazów nie działają tutaj. Ten model ma wejście do 131072 tokenów i odpowiedź do 32768; pełny koszt najdłuższej odpowiedzi jest rezerwowany z góry.

responseModalities — niepusty zbiór TEXT/IMAGE bez powtórzeń. 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. Wejście tego modelu — tekst i inline PNG/JPEG/WebP; PDF/audio/video/fileData oraz wbudowane Search/URL context nie są tu akceptowane. Dostępność i ceny dla Twojego klucza — w katalogu i w 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"},
    )
    # Wyślij tylko raz. Po przekroczeniu czasu oczekiwania sprawdź Request ID w historii użycia, zanim ponowisz próbę.
    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": "Akwarela: latarnia morska o świcie"}]}],
    "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)

Pełny cykl wywoływania funkcji

Funkcje wykonuje klient. Zwróć cały oryginalny content modelu z thoughtSignature bez zmian, a następnie functionResponse z tym samym name i id, jeśli id występowało w functionCall.

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"},
    )
    # Wyślij tylko raz. Po przekroczeniu czasu oczekiwania sprawdź Request ID w historii użycia, zanim ponowisz próbę.
    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": "Pomnóż dwie liczby",
    "parameters": {"type": "object", "properties": {
        "a": {"type": "number"}, "b": {"type": "number"}},
        "required": ["a", "b"]},
}]}]
contents = [{"role": "user", "parts": [{"text": "Pomnóż 7 przez 8 za pomocą funkcji"}]}]
for turn in range(4):  # Ogranicz liczbę iteracji pętli narzędzi; nie wysyłaj ponownie żądania, którego wynik jest niejasny.
    reply = generate("gemini-3.8-flash", {"contents": contents, "tools": tools})
    content = reply["candidates"][0]["content"]
    contents.append(content)  # Zachowaj WSZYSTKIE oryginalne części i thoughtSignature bez zmian.
    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")

Odpowiedź

  • candidates[].content.partsarray

    Odpowiedź modelu.

  • usageMetadataobject

    promptTokenCount, candidatesTokenCount, totalTokenCount.

Dodatkowe pytania? Prześlij Request ID i opis — pomożemy wyjaśnić sprawę.Napisz do wsparcia