Zum Hauptinhalt springen
Google Gemini ist ein sehr leistungsstarkes KI-Dialogsystem, das durch die Eingabe von Prompt-Wörtern innerhalb weniger Sekunden flüssige und natürliche Antworten generieren kann. Gemini kann erstaunliche intelligente Unterstützung bieten und die Arbeitseffizienz und Kreativität von Menschen erheblich steigern. Dieses Dokument stellt hauptsächlich den Nutzungsprozess der Gemini Chat Completion API vor, mit der wir die Dialogfunktion des offiziellen Gemini einfach nutzen können.

Beantragungsprozess

Um die Gemini Chat Completion API zu verwenden, rufen Sie zunächst die Ace Data Cloud-Konsole auf, um Ihren API Token zu erhalten und ihn als Reserve aufzubewahren. Falls Sie noch nicht angemeldet oder registriert sind, werden Sie automatisch zur Anmeldeseite weitergeleitet, auf der Sie zur Registrierung und Anmeldung eingeladen werden. Nach Abschluss kehren Sie automatisch zur aktuellen Seite zurück. Ein API Token kann alle Dienste der Plattform aufrufen, ohne dass für jeden Dienst ein separater Antrag erforderlich ist. Bei der ersten Beantragung wird ein kostenloses Kontingent verschenkt, das kostenlos getestet werden kann; bei unzureichendem Kontingent kann in der Konsole ein allgemeines Guthaben aufgeladen werden.
📘 Vollständige Dokumentation: Gemini Chat Completion API →

Grundlegende Nutzung

Anschließend können Sie die entsprechenden Inhalte in der Oberfläche ausfüllen, wie in der Abbildung gezeigt:

Bei der ersten Verwendung dieser Schnittstelle müssen wir mindestens drei Inhalte ausfüllen. Einer davon ist authorization, das direkt in der Dropdown-Liste ausgewählt werden kann. Ein weiterer Parameter ist model, model ist die Modellkategorie der Gemini-Website, die wir auswählen; die auswählbaren Modelle richten sich nach der model-Enumeration in der Schnittstellendokumentation. Der letzte Parameter ist messages, messages ist das Array der von uns eingegebenen Fragewörter. Es ist ein Array, das angibt, dass mehrere Fragewörter gleichzeitig hochgeladen werden können. Jedes Fragewort enthält role und content, wobei role die Rolle des Fragestellers darstellt. Wir bieten drei Identitäten an: user, assistant, system. Das andere content ist der konkrete Inhalt unserer Frage. Gleichzeitig können Sie beachten, dass auf der rechten Seite entsprechender generierter Aufrufcode vorhanden ist. Sie können den Code kopieren und direkt ausführen oder direkt auf die Schaltfläche „Try“ klicken, um zu testen.

Hinweis: Flash der gemini-3.x-Serie sind Denkmodelle und verbrauchen zuerst reasoning tokens; setzen Sie max_tokens auf über 512, andernfalls wird möglicherweise nur leerer Inhalt zurückgegeben. gemini-3.8-flash ist das aktuell empfohlene Flash-Modell und unterstützt bis zu 1 Million Token Kontext, Bildeingabe, Werkzeugaufrufe und Streaming-Antworten; derzeit wird es über die Chat Completions-Schnittstelle aufgerufen.
Nach dem Aufruf stellen wir fest, dass das Rückgabeergebnis wie folgt lautet:
Das Rückgabeergebnis enthält mehrere Felder, die wie folgt vorgestellt werden:
  • id, die ID der generierten Dialogaufgabe, die zur eindeutigen Identifizierung dieser Dialogaufgabe verwendet wird.
  • model , das ausgewählte offizielle Gemini-Modell.
  • choices, die Antwortinformationen, die Gemini auf das Fragewort gibt.
  • usage : statistische Informationen zu den Token dieser Frage-und-Antwort-Runde.
Dabei enthält choices die Antwortinformationen von Gemini, und das darin enthaltene choices sind die konkreten Informationen der Gemini-Antwort, wie in der Abbildung gezeigt.

Es ist zu sehen, dass das Feld content in choices den konkreten Inhalt der Gemini-Antwort enthält.

Bildverständnis (multimodale Eingabe)

Gemini ist ein natives multimodales Modell und kann direkt „Bilder sehen“. Um ein Bild zu übergeben, ändern Sie content einer Nachricht von einer Zeichenfolge in ein Inhaltsblock-Array und fügen Sie im Array gleichzeitig einen text-Block und einen image_url-Block ein – dies entspricht vollständig dem OpenAI- sowie dem OpenAI-kompatiblen Format des offiziellen Gemini. image_url.url unterstützt zwei Schreibweisen:
  • base64-data:-URI (empfohlen, am stabilsten): Das Format lautet data:<Medientyp>;base64,<Daten>, beispielsweise data:image/jpeg;base64,/9j/4AAQ.... Der Medientyp (MIME) ist bereits im Präfix data: enthalten, daher ist kein separates Feld media_type erforderlich und es existiert auch keines.
  • Öffentlich zugängliche Bild-URL: beispielsweise https://cdn.acedata.cloud/4hfydw.jpg.
Unterstützte Bildtypen: png, jpeg, webp, heic, heif. Python-Beispielaufrufcode (base64 data URI):
Sie können auch direkt eine öffentlich zugängliche Bild-URL übergeben:
💡 image_url akzeptiert nur das Feld url (der Wert kann eine Bild-URL oder eine base64-data:-URI sein) sowie das optionale Feld detail. Übergeben Sie nicht media_type — das ist ein Bildfeld von Anthropic Claude und gehört nicht zum image_url-Format von OpenAI / Gemini.

Streaming-Antwort

Diese Schnittstelle unterstützt auch Streaming-Antworten, was für die Anbindung von Webseiten sehr nützlich ist und Webseiten einen Effekt der zeichenweisen Anzeige ermöglichen kann. Wenn Sie die Antwort als Stream zurückgeben möchten, können Sie den Parameter stream im Request-Header ändern und auf true setzen. Die Änderung ist wie in der Abbildung gezeigt, allerdings muss der Aufrufcode entsprechend geändert werden, um Streaming-Antworten zu unterstützen.

Nachdem stream auf true geändert wurde, gibt die API die entsprechenden JSON-Daten zeilenweise zurück. Auf Codeebene müssen wir entsprechende Änderungen vornehmen, um die zeilenweisen Ergebnisse zu erhalten. Python-Beispielaufrufcode:
Die Ausgabe sieht wie folgt aus:
Wie Sie sehen können, enthält die Antwort viele data-Einträge, und die choices innerhalb von data sind der neueste Antwortinhalt, was mit dem oben beschriebenen Inhalt übereinstimmt. choices enthält den neu hinzugefügten Antwortinhalt, den Sie anhand des Ergebnisses in Ihr System integrieren können. Gleichzeitig wird das Ende der Streaming-Antwort anhand des Inhalts von data bestimmt. Wenn der Inhalt [DONE] ist, bedeutet dies, dass die Streaming-Antwort vollständig beendet wurde. Das zurückgegebene data-Ergebnis enthält mehrere Felder, die wie folgt vorgestellt werden:
  • id,generiert die ID dieser Dialogaufgabe, die zur eindeutigen Identifizierung dieser Dialogaufgabe verwendet wird.
  • model ,das ausgewählte Modell der offiziellen Gemini-Website.
  • choices,die Antwortinformationen, die Gemini auf die Frage gibt.
JavaScript wird ebenfalls unterstützt, zum Beispiel lautet der Code für den Streaming-Aufruf in Node.js wie folgt:
Java-Beispielcode:
Andere Sprachen können zusätzlich selbst angepasst werden, das Prinzip ist überall gleich.

Mehrere Dialogrunden

Wenn Sie die Funktion für mehrere Dialogrunden anbinden möchten, müssen Sie mehrere Fragen in das Feld messages hochladen. Ein konkretes Beispiel für mehrere Fragen ist in der folgenden Abbildung dargestellt:

Python-Beispielaufrufcode:
Durch das Hochladen mehrerer Fragen können Sie problemlos mehrere Dialogrunden realisieren und folgende Antwort erhalten:
Wie zu sehen ist, stimmen die in choices enthaltenen Informationen mit dem Inhalt der grundlegenden Verwendung überein. Dies enthält den konkreten Inhalt der Antworten von Gemini auf mehrere Dialoge, sodass entsprechende Fragen anhand der Inhalte mehrerer Dialoge beantwortet werden können.

Gemini-3.0-Multimodalmodell

Anfragebeispiel:
Beispielergebnis:
Natürlich können Sie auch beispielsweise einen Videolink übermitteln; die konkrete Eingabe lautet wie folgt:
Beispielergebnis:
Aus dem Obigen ist ersichtlich, dass das Gemini-3.0-Modell multimodales Verständnis unterstützen kann.

Gemini-3.1-Multimodalmodell

gemini-3.1-pro-preview ist die offizielle aktuelle Modell-ID für Gemini 3.1 Pro und unterstützt multimodale Eingaben wie Text, Bilder und Videos; es eignet sich für komplexe Schlussfolgerungs-, Codierungs- und Verständnisaufgaben. Anfragebeispiel:
Gemini 3.1 Pro unterstützt ebenfalls Videoverständnis:
Das Rückgabeformat entspricht dem von Gemini 3.0 Pro. Details finden Sie in der Beschreibung im obigen Abschnitt zum Gemini-3.0-Multimodalmodell.

Fehlerbehandlung

Wenn beim Aufruf der API ein Fehler auftritt, gibt die API den entsprechenden Fehlercode und die entsprechenden Informationen zurück. Zum Beispiel:
  • 400 token_mismatched: Bad Request, möglicherweise aufgrund fehlender oder ungültiger Parameter.
  • 400 api_not_implemented: Bad Request, möglicherweise aufgrund fehlender oder ungültiger Parameter.
  • 401 invalid_token: Nicht autorisiert, ungültiges oder fehlendes Autorisierungstoken.
  • 429 too_many_requests: Zu viele Anfragen, Sie haben das Ratenlimit überschritten.
  • 500 api_error: Interner Serverfehler, auf dem Server ist etwas schiefgelaufen.

Beispiel für eine Fehlerantwort

Fazit

Durch dieses Dokument haben Sie bereits erfahren, wie Sie mit der Gemini Chat Completion API einfach die Dialogfunktion des offiziellen Gemini implementieren können. Wir hoffen, dass dieses Dokument Ihnen dabei helfen kann, diese API besser anzubinden und zu nutzen. Bei Fragen kontaktieren Sie bitte jederzeit unser technisches Support-Team.