dokumentation
Anslutning

Google GenAI SDK

Markdown

Geminis eget format: Google GenAI SDK för Python och JavaScript samt direkta REST-anrop.

Fullständig guide

Installation

pip install google-genai

Anslutning

Adressen är https://api.ailoot.ai utan /v1beta: SDK:n bygger sökvägen /v1beta/models/<modell>:generateContent själv. I Python anges adressen via HttpOptions(base_url=…), i JavaScript — via httpOptions.baseUrl. SDK:n skickar nyckeln i headern 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"),  # utan /v1beta
)

resp = client.models.generate_content(
    model="gemini-3.8-flash",
    contents="Föreslå tre namn på ett kafé.",
)
print(resp.text)

Vad du kan skicka

  • Fält på toppnivå: contents, systemInstruction, generationConfig, safetySettings, tools och toolConfig.
  • generationConfig godtar temperature, topP, topK, maxOutputTokens, thinkingConfig, responseMimeType (text/plain eller application/json), responseSchema eller responseJsonSchema (JSON-objekt), stopSequences (array av strängar), candidateCount: 1, heltalsvärdet seed, de numeriska värdena presencePenalty och frequencyPenalty. Tillåtna intervall och funktioner beror på den specifika modellen; för JSON-svar väljer du en schemaform som stöds och application/json. För textmodeller gäller responseModalities — endast ["TEXT"].
  • safetySettings — en array av objekt med category, threshold och valfritt method; välj värden enligt dokumentationen för den specifika modellen.
  • För Gemini-modeller som stöder den aktuella indatatypen: parts[].inlineData innehåller mimeType och base64-data som inte är tomma; PDF-filen måste vara en riktig PDF. fileData innehåller en offentlig https-adress i fileUri och filens MIME-typ. För YouTube kan MIME utelämnas. http, privata adresser, gs:// och Google Files API-objekt stöds inte, inte heller uppladdning via Google Files API. För video kan du lägga till videoMetadata: startOffset/endOffset som en sträng i sekunder (till exempel 1.5s) och fps större än 0 och högst 24. Anropskroppens storlek, kontexten, tillåtna indata och svarsgränsen kontrolleras efter modell och format.
  • Funktionerna i klientens functionDeclarations utförs av din app. Textmodeller godtar även {"googleSearch": {}} och {"urlContext": {}}: var för sig eller tillsammans i arrayen tools. Varken Google Search eller URL context kan kombineras med functionDeclarations i samma anrop. För bilder som utdata är endast klientfunktioner tillgängliga. Andra inbyggda verktyg och explicit cache stöds inte. Search/URL context kan kräva reservering för modellens hela indatagräns; det faktiska värdet i toolUsePromptTokenCount räknas som indatatoken.
  • Om modellen inte stöder fältet, bilagan eller kombinationen av verktyg avvisas anropet före reserveringen — ingenting debiteras. Du får HTTP 400 med status INVALID_ARGUMENT och felklassen invalid_request (i ErrorInfo.reason — INVALID_REQUEST). Ogiltig JSON, fel i sökvägsparametrar och andra valideringsfel returnerar också 400; läs felmeddelandet och Request ID. Funktionerna beror på modellen: kontrollera dess format och indatatyper i katalogen.
IndataMIME-typer som stöds
Inline-bilderimage/png, image/jpeg, image/webp
Dokumentapplication/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
Ljudaudio/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"},
    )
    # Skicka en gång. Kontrollera efter en timeout Request ID i användningshistoriken innan du försöker igen.
    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

# Ange en riktig lokal PDF-, ljud- eller videofil och en MIME-typ som stöds.
path, mime = pathlib.Path(sys.argv[1]), sys.argv[2]
payload = {"contents": [{"role": "user", "parts": [
    {"text": "Beskriv kort filens innehåll."},
    {"inlineData": {"mimeType": mime,
                    "data": base64.b64encode(path.read_bytes()).decode()}},
]}]}
print(generate("gemini-3.8-flash", payload))
# Alternativ bilaga: {"fileData": {"mimeType": mime, "fileUri": public_https_url}}
# För en riktig YouTube-URL: {"fileData": {"fileUri": youtube_url}}

Fullständig funktionscykel

Skicka deklarationen, ta emot functionCall, utför din funktion, returnera functionResponse och begär nästa svar. Behåll modellens hela content, inklusive thoughtSignature; skapa inte signaturen själv.

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"},
    )
    # Skicka en gång. Kontrollera efter en timeout Request ID i användningshistoriken innan du försöker igen.
    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": "Multiplicera två tal",
    "parameters": {"type": "object", "properties": {
        "a": {"type": "number"}, "b": {"type": "number"}},
        "required": ["a", "b"]},
}]}]
contents = [{"role": "user", "parts": [{"text": "Multiplicera 7 med 8 med hjälp av funktionen"}]}]
for turn in range(4):  # Begränsa verktygsloopen; skicka inte om en begäran vars resultat är oklart.
    reply = generate("gemini-3.8-flash", {"contents": contents, "tools": tools})
    content = reply["candidates"][0]["content"]
    contents.append(content)  # Behåll ALLA ursprungliga parts och thoughtSignature oförändrade.
    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")

Strömmat svar

for chunk in client.models.generate_content_stream(
    model="gemini-3.8-flash",
    contents="Beskriv en solnedgång över havet",
):
    print(chunk.text, end="", flush=True)

Tillgängliga modeller

27 identifierare finns i Gemini-format: 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-modeller finns även i Anthropic Messages-format — praktiskt för klienter som bara stöder det: Anthropic SDK.

Har du fler frågor? Skicka Request ID och en beskrivning, så hjälper vi dig.Kontakta supporten