Google GenAI SDK
Markdownรูปแบบดั้งเดิมของ Gemini: SDK Google GenAI สำหรับ Python และ JavaScript รวมถึงคำขอ REST โดยตรง.
คู่มือฉบับเต็ม
การติดตั้ง
pip install google-genainpm install @google/genaiการตั้งค่าการเชื่อมต่อ
ที่อยู่ — https://api.ailoot.ai ไม่ใส่ /v1beta: SDK จะประกอบพาธ /v1beta/models/<โมเดล>:generateContent ให้เอง ใน Python กำหนดที่อยู่ผ่าน HttpOptions(base_url=…)ส่วนใน JavaScript กำหนดผ่าน httpOptions.baseUrl. SDK จะส่งคีย์ในส่วนหัว 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"), # 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);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": "คิดชื่อร้านกาแฟมาสามชื่อ"}]}
]
}' ข้อมูลที่ส่งได้
- ฟิลด์ระดับบนสุด:
contents,systemInstruction,generationConfig,safetySettings,toolsและtoolConfig. 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"].safetySettings— อาร์เรย์ของออบเจ็กต์ที่มีcategory,thresholdและอาจมีmethodให้เลือกค่าตามเอกสารของโมเดลที่ใช้โดยตรง.- สำหรับโมเดล Gemini ที่รองรับอินพุตชนิดนั้น
parts[].inlineDataประกอบด้วยmimeTypeและข้อมูล base64 ที่ไม่ว่าง โดย PDF ต้องเป็นไฟล์ PDF จริงfileDataประกอบด้วยที่อยู่สาธารณะแบบhttpsในfileUriและ MIME ของชนิดไฟล์ สำหรับ YouTube ไม่จำเป็นต้องระบุ MIMEhttp, ที่อยู่ส่วนตัว,gs://และออบเจ็กต์ Google Files API ไม่รองรับ รวมถึงไม่รองรับการอัปโหลดผ่าน Google Files API สำหรับวิดีโอ สามารถเพิ่มvideoMetadata:startOffset/endOffsetเป็นสตริงหน่วยวินาที (เช่น1.5s) และfpsมากกว่า 0 และไม่เกิน 24 โดยจะตรวจสอบขนาดเนื้อหาคำขอ บริบท อินพุตที่ใช้ได้ และขีดจำกัดคำตอบตามโมเดลและรูปแบบ - ฟังก์ชันฝั่งไคลเอนต์
functionDeclarationsดำเนินการโดยแอปพลิเคชันของคุณ สำหรับโมเดลข้อความยังรับ{"googleSearch": {}}และ{"urlContext": {}}: แยกกันหรือรวมกันในอาร์เรย์tools. ไม่สามารถใช้ Google Search หรือ URL context ร่วมกับfunctionDeclarationsในคำขอเดียวกัน สำหรับการสร้างภาพขาออก ใช้ได้เฉพาะฟังก์ชันฝั่งไคลเอนต์ ไม่รองรับเครื่องมือในตัวอื่นและ explicit cache Search/URL context อาจต้องสำรองเงินตามขีดจำกัดอินพุตทั้งหมด ส่วนtoolUsePromptTokenCountที่ใช้จริงจะนับเป็นโทเค็นขาเข้า - หากโมเดลไม่รองรับฟิลด์ ไฟล์แนบ หรือการใช้เครื่องมือร่วมกัน คำขอจะถูกปฏิเสธก่อนสำรองเงิน — ไม่มีการหักเงิน โดยจะได้รับ HTTP
400พร้อมstatusINVALID_ARGUMENTและคลาสinvalid_request(ในErrorInfo.reason—INVALID_REQUEST). JSON ที่ไม่ถูกต้อง ข้อผิดพลาดของพารามิเตอร์พาธ และการตรวจสอบอื่นก็ส่งกลับ400เช่นกัน อ่านข้อความข้อผิดพลาดและ Request ID ความสามารถขึ้นอยู่กับโมเดล: ตรวจสอบรูปแบบและอินพุตของโมเดลในแค็ตตาล็อก
| 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}}วงจรการเรียกใช้ฟังก์ชันแบบครบขั้นตอน
ส่งประกาศฟังก์ชัน รับ functionCall เรียกใช้ฟังก์ชันของคุณ ส่ง functionResponse กลับ แล้วขอคำตอบถัดไป เก็บ content ทั้งหมดของโมเดลไว้ รวมถึง thoughtSignature และอย่าสร้างลายเซ็นขึ้นเอง.
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")คำตอบแบบสตรีม
for chunk in client.models.generate_content_stream(
model="gemini-3.8-flash",
contents="บรรยายพระอาทิตย์ตกเหนือทะเล",
):
print(chunk.text, end="", flush=True)curl -N "https://api.ailoot.ai/v1beta/models/gemini-3.8-flash:streamGenerateContent?alt=sse" \
-H "x-goog-api-key: $AILOOT_API_KEY" \
-H "Content-Type: application/json" \
-d '{"contents": [{"role": "user", "parts": [{"text": "บรรยายพระอาทิตย์ตกเหนือทะเล"}]}]}' โมเดลที่ใช้งานได้
รูปแบบ Gemini รองรับตัวระบุ 27 รายการ: 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.
โมเดล Gemini ใช้งานผ่านรูปแบบ Anthropic Messages ได้ด้วย เหมาะสำหรับไคลเอนต์ที่รองรับเฉพาะรูปแบบนี้: Anthropic SDK.