Gemini generateContent
Markdownรูปแบบดั้งเดิมของ Google Gemini: สำหรับ Gemini CLI, Google GenAI SDK และไคลเอนต์ REST
คู่มือฉบับเต็ม
https://api.ailoot.ai/v1beta/models/{model}:generateContentcurl "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": "คิดชื่อร้านกาแฟมาสามชื่อ"}]}
]
}' 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"), # ไม่ต้องใส่ /v1beta
)
resp = client.models.generate_content(
model="gemini-3.8-flash",
contents="คิดชื่อร้านกาแฟมาสามชื่อ",
)
print(resp.text)import { GoogleGenAI } from "@google/genai";
const ai = new GoogleGenAI({
apiKey: process.env.AILOOT_API_KEY,
httpOptions: { baseUrl: "https://api.ailoot.ai" }, // ไม่ต้องใส่ /v1beta
});
const resp = await ai.models.generateContent({
model: "gemini-3.8-flash",
contents: "คิดชื่อร้านกาแฟมาสามชื่อ",
});
console.log(resp.text);{
"candidates": [
{
"content": {
"role": "model",
"parts": [{ "text": "1. «เมล็ดกาแฟและไอน้ำ» 2. «กาแฟบดรับอรุณ» 3. «ร้านกาแฟหัวมุม»" }]
},
"finishReason": "STOP"
}
],
"usageMetadata": {
"promptTokenCount": 9,
"candidatesTokenCount": 27,
"totalTokenCount": 36
},
"modelVersion": "gemini-3.8-flash"
}การยืนยันสิทธิ์
- x-goog-api-keyheaderจำเป็น
คีย์
sk-…. ใช้เฮดเดอร์ต่อไปนี้ได้เช่นกัน:Authorization: Bearerหรือx-api-key. เพื่อความเข้ากันได้กับ Google จึงรับ?key=ในที่อยู่ด้วย โดยมีลำดับความสำคัญต่ำที่สุด;?api_key=จะถูกปฏิเสธด้วย 400 แนะนำให้ใช้เฮดเดอร์ เพื่อไม่ให้คีย์ถูกบันทึกในล็อก
พาธ
- modelstringจำเป็น
ID ของโมเดลที่ใช้รูปแบบ Gemini เช่น
gemini-3.8-flashหรือgemini-3.1-pro. ทั้งหมด 27 โมเดล
https://api.ailoot.ai/v1beta/models/{model}:streamGenerateContent?alt=ssehttps://api.ailoot.ai/v1beta/modelsเนื้อหาคำขอ
- contentsarrayจำเป็น
ข้อความที่มี
role(user/model) และparts: text, inlineData/fileData, functionCall/functionResponse ไฟล์แนบต้องเป็นชนิดที่โมเดลรับเป็นอินพุตได้ - systemInstructionobjectไม่จำเป็น
คำสั่งระบบแบบข้อความ:
{"parts": [{"text": "…"}]}. - generationConfigobjectไม่จำเป็น
generationConfigรับtemperature,topP,topK,maxOutputTokens,thinkingConfig,responseMimeType(text/plainหรือapplication/json),responseSchemaหรือresponseJsonSchema(ออบเจ็กต์ JSON),stopSequences(อาร์เรย์ของสตริง),candidateCount: 1, ค่าจำนวนเต็มseed, ค่าตัวเลขpresencePenaltyและfrequencyPenalty. ช่วงค่าที่ใช้ได้และความสามารถขึ้นอยู่กับโมเดลที่ระบุ สำหรับคำตอบ JSON ให้เลือกโครงสร้างสคีมารูปแบบเดียวที่รองรับและapplication/json. สำหรับโมเดลข้อความresponseModalities— เฉพาะ["TEXT"]. - safetySettingsarrayไม่จำเป็น
ออบเจ็กต์ที่จำเป็นต้องมี
categoryและthreshold, และอาจมีmethod. ค่าต่าง ๆ ต้องรองรับโดยโมเดลที่ระบุ - toolsarrayไม่จำเป็น
ฟังก์ชันฝั่งไคลเอนต์
functionDeclarationsดำเนินการโดยแอปพลิเคชันของคุณ สำหรับโมเดลข้อความยังรับ{"googleSearch": {}}และ{"urlContext": {}}: แยกกันหรือรวมกันในอาร์เรย์tools. ไม่สามารถใช้ Google Search หรือ URL context ร่วมกับfunctionDeclarationsในคำขอเดียวกัน สำหรับการสร้างภาพขาออก ใช้ได้เฉพาะฟังก์ชันฝั่งไคลเอนต์ ไม่รองรับเครื่องมือในตัวอื่นและ explicit cache Search/URL context อาจต้องสำรองเงินตามขีดจำกัดอินพุตทั้งหมด ส่วนtoolUsePromptTokenCountที่ใช้จริงจะนับเป็นโทเค็นขาเข้า - toolConfigobjectไม่จำเป็น
functionCallingConfig: mode (AUTO/ANY/NONE/VALIDATED/MODE_UNSPECIFIED), allowedFunctionNames.
หากโมเดลไม่รองรับฟิลด์ ไฟล์แนบ หรือการใช้เครื่องมือร่วมกัน คำขอจะถูกปฏิเสธก่อนสำรองเงิน — ไม่มีการหักเงิน โดยจะได้รับ HTTP 400 พร้อม status INVALID_ARGUMENT และคลาส invalid_request (ใน ErrorInfo.reason — INVALID_REQUEST). JSON ที่ไม่ถูกต้อง ข้อผิดพลาดของพารามิเตอร์พาธ และการตรวจสอบอื่นก็ส่งกลับ 400เช่นกัน อ่านข้อความข้อผิดพลาดและ Request ID ความสามารถขึ้นอยู่กับโมเดล: ตรวจสอบรูปแบบและอินพุตของโมเดลในแค็ตตาล็อก
PDF, เสียง, วิดีโอ และลิงก์
สำหรับโมเดล Gemini ที่รองรับอินพุตชนิดนั้น parts[].inlineData ประกอบด้วย mimeType และข้อมูล base64 ที่ไม่ว่าง โดย PDF ต้องเป็นไฟล์ PDF จริง fileData ประกอบด้วยที่อยู่สาธารณะแบบ httpsใน fileUri และ MIME ของชนิดไฟล์ สำหรับ YouTube ไม่จำเป็นต้องระบุ MIME http, ที่อยู่ส่วนตัว, gs:// และออบเจ็กต์ Google Files API ไม่รองรับ รวมถึงไม่รองรับการอัปโหลดผ่าน Google Files API สำหรับวิดีโอ สามารถเพิ่ม videoMetadata: startOffset/endOffset เป็นสตริงหน่วยวินาที (เช่น 1.5s) และ fps มากกว่า 0 และไม่เกิน 24 โดยจะตรวจสอบขนาดเนื้อหาคำขอ บริบท อินพุตที่ใช้ได้ และขีดจำกัดคำตอบตามโมเดลและรูปแบบ
| อินพุต | MIME ที่รองรับ |
|---|---|
| ภาพแบบ inline | image/png, image/jpeg, image/webp |
| เอกสาร | application/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 |
| เสียง | audio/wav, audio/mp3, audio/mpeg, audio/aiff, audio/aac, audio/ogg, audio/flac |
| วิดีโอ | video/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"},
)
# ส่งเพียงครั้งเดียว หากหมดเวลารอ ให้ตรวจสอบ Request ID ในประวัติการใช้งานก่อนลองใหม่
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
# ระบุไฟล์ PDF เสียง หรือวิดีโอที่มีอยู่จริงในเครื่อง พร้อมประเภท MIME ที่รองรับ
path, mime = pathlib.Path(sys.argv[1]), sys.argv[2]
payload = {"contents": [{"role": "user", "parts": [
{"text": "อธิบายเนื้อหาของไฟล์โดยสังเขป"},
{"inlineData": {"mimeType": mime,
"data": base64.b64encode(path.read_bytes()).decode()}},
]}]}
print(generate("gemini-3.8-flash", payload))
# วิธีแนบไฟล์อีกแบบ: {"fileData": {"mimeType": mime, "fileUri": public_https_url}}
# สำหรับ URL ของ YouTube ที่มีอยู่จริง: {"fileData": {"fileUri": youtube_url}}Search และ URL context
ฟังก์ชันฝั่งไคลเอนต์ functionDeclarations ดำเนินการโดยแอปพลิเคชันของคุณ สำหรับโมเดลข้อความยังรับ {"googleSearch": {}} และ {"urlContext": {}}: แยกกันหรือรวมกันในอาร์เรย์ tools. ไม่สามารถใช้ Google Search หรือ URL context ร่วมกับ functionDeclarations ในคำขอเดียวกัน สำหรับการสร้างภาพขาออก ใช้ได้เฉพาะฟังก์ชันฝั่งไคลเอนต์ ไม่รองรับเครื่องมือในตัวอื่นและ explicit cache Search/URL context อาจต้องสำรองเงินตามขีดจำกัดอินพุตทั้งหมด ส่วน toolUsePromptTokenCount ที่ใช้จริงจะนับเป็นโทเค็นขาเข้า
{"tools": [{"googleSearch": {}}, {"urlContext": {}}]}ภาพขาออก
การส่งภาพในคำตอบรูปแบบ Gemini รองรับเฉพาะ gemini-3.1-flash-image. เป็นความสามารถแยกต่างหากจาก /v1/images/generations: โมเดลภาพอื่นใช้ที่นี่ไม่ได้ โมเดลนี้รับอินพุตได้สูงสุด 131072 โทเค็น และตอบได้สูงสุด 32768 โทเค็น โดยจะสำรองราคาทั้งหมดของคำตอบที่ยาวที่สุดไว้ล่วงหน้า
responseModalities — เซต TEXT/IMAGE ที่ไม่ว่างและไม่มีค่าซ้ำ 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 อินพุตของโมเดลนี้รองรับข้อความและ inline PNG/JPEG/WebP ไม่รับ PDF/audio/video/fileData และ Search/URL context ในตัว ตรวจสอบสิทธิ์การใช้งานและราคาสำหรับคีย์ของคุณได้ในแค็ตตาล็อกและ 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"},
)
# ส่งเพียงครั้งเดียว หากหมดเวลารอ ให้ตรวจสอบ Request ID ในประวัติการใช้งานก่อนลองใหม่
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": "ภาพสีน้ำ: ประภาคารยามรุ่งสาง"}]}],
"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)วงจร function calling แบบครบถ้วน
ฟังก์ชันดำเนินการโดยไคลเอนต์ ให้ส่ง content เดิมของโมเดลทั้งหมดกลับไปพร้อม thoughtSignature โดยไม่แก้ไข จากนั้นส่ง functionResponse ที่ใช้ name และ id เดิม หากมี id ใน 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"},
)
# ส่งเพียงครั้งเดียว หากหมดเวลารอ ให้ตรวจสอบ Request ID ในประวัติการใช้งานก่อนลองใหม่
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": "คูณตัวเลขสองจำนวน",
"parameters": {"type": "object", "properties": {
"a": {"type": "number"}, "b": {"type": "number"}},
"required": ["a", "b"]},
}]}]
contents = [{"role": "user", "parts": [{"text": "ใช้ฟังก์ชันคูณ 7 กับ 8"}]}]
for turn in range(4): # จำกัดจำนวนรอบของลูปเรียกเครื่องมือ และอย่าส่งคำขอซ้ำหากยังไม่ทราบผลลัพธ์แน่ชัด
reply = generate("gemini-3.8-flash", {"contents": contents, "tools": tools})
content = reply["candidates"][0]["content"]
contents.append(content) # เก็บส่วนต้นฉบับทั้งหมดและ thoughtSignature ไว้โดยไม่เปลี่ยนแปลง
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")คำตอบ
- candidates[].content.partsarray
คำตอบของโมเดล
- usageMetadataobject
promptTokenCount,candidatesTokenCount,totalTokenCount.