Skip to main content
通过 Google AI Studio 或 Google Cloud Vertex AI 使用 Google 的 Gemini 模型，这些平台提供了对大型语言模型和其他服务的访问。 我们建议进行实验以找到最适合您用例的模型。以下是 Gemini 2.x 系列模型的一些通用建议：
  • gemini-2.0-flash 适用于大多数用例。
  • gemini-2.0-flash-lite 是最具成本效益的模型。
  • gemini-2.5-pro-exp-03-25 是最强大的多模态模型。
有关可用模型版本的信息，请参阅 Google AI Studio 文档和 Vertex AI 文档。

​
模型认证

您可以通过 Google AI Studio 或 Google Cloud 的 Vertex AI 来使用 Gemini 模型：

​
Google AI Studio

设置 GOOGLE_API_KEY 环境变量。您可以 从 Google AI Studio 获取。 
export GOOGLE_API_KEY=***

​
Vertex AI

要在 Google Cloud 中使用 Vertex AI：
  1. 请参阅 Vertex AI 文档来设置项目和开发环境。
  2. 安装 gcloud CLI 并进行身份验证（更多详细信息，请参阅 快速入门）： 
gcloud auth application-default login
  1. 启用 Vertex AI API 并设置项目 ID 环境变量（或者，您可以在 Agent 配置中设置 project_id）：
导出以下变量： 
export GOOGLE_GENAI_USE_VERTEXAI="true"
export GOOGLE_CLOUD_PROJECT="your-gcloud-project-id"
export GOOGLE_CLOUD_LOCATION="your-gcloud-location"
或者更新您的 Agent 配置： 
agent = Agent(
    model=Gemini(
        id="gemini-1.5-flash",
        vertexai=True,
        project_id="your-gcloud-project-id",
        location="your-gcloud-location",
    ),
)

​
示例

将 Gemini 与您的 Agent 结合使用： 
from agno.agent import Agent
from agno.models.google import Gemini

# 使用 Google AI Studio
agent = Agent(
    model=Gemini(id="gemini-2.0-flash"),
    markdown=True,
)

# 或者使用 Vertex AI
agent = Agent(
    model=Gemini(
        id="gemini-2.0-flash",
        vertexai=True,
        project_id="your-project-id",  # 如果设置了 GOOGLE_CLOUD_PROJECT，则为可选
        location="us-central1",  # 可选
    ),
    markdown=True,
)

# 在终端中打印响应
agent.print_response("写一个两句话的恐怖故事。")
在 这里 查看更多示例。

​
grounding 和搜索

Gemini 模型通过可选参数支持 grounding 和搜索功能。这会自动将 grounding 或搜索工具发送到 Gemini。在此处 查看详细信息。 要启用这些功能，请在初始化 Gemini 模型时设置相应的参数： 要使用 grounding： 
from agno.agent import Agent
from agno.models.google import Gemini

agent = Agent(
    model=Gemini(id="gemini-2.0-flash", grounding=True),
    show_tool_calls=True,
    markdown=True,
)

agent.print_response("有美国那边的新闻吗？")
要使用搜索： 
from agno.agent import Agent
from agno.models.google import Gemini

agent = Agent(
    model=Gemini(id="gemini-2.0-flash", search=True),
    show_tool_calls=True,
    markdown=True,
)

agent.print_response("法国有什么新鲜事？")
在您的 Agent 配置中设置 show_tool_calls=True 以在输出中查看 grounding 或搜索结果。

​
参数

参数类型默认值描述
idstr"gemini-2.0-flash-exp"要使用的特定 Gemini 模型 ID。
namestr"Gemini"此 Gemini 模型实例的名称。
providerstr"Google"模型提供商。
function_declarationsOptional[List[FunctionDeclaration]]None用于模型的函数声明列表。
generation_configOptional[Any]None文本生成的配置。
safety_settingsOptional[Any]None模型的安全设置。
generative_model_kwargsOptional[Dict[str, Any]]None生成模型的其他关键字参数。
groundingboolFalse是否使用 grounding。
searchboolFalse是否使用搜索。
grounding_dynamic_thresholdOptional[float]Nonegrounding 的动态阈值。
api_keyOptional[str]None用于认证的 API 密钥。
vertexaiboolFalse是否使用 Vertex AI 而不是 Google AI Studio。
project_idOptional[str]NoneVertex AI 的 Google Cloud 项目 ID。
locationOptional[str]NoneVertex AI 的 Google Cloud 区域。
client_paramsOptional[Dict[str, Any]]None客户端的其他参数。
clientOptional[GeminiClient]None底层的生成模型客户端。
temperatureOptional[float]None控制输出的随机性。较高的值（例如 0.8）使输出更随机，而较低的值（例如 0.2）使输出更集中和确定性。
top_pOptional[float]None核心采样参数。只考虑累积概率超过此值的 token。
top_kOptional[int]None只考虑文本生成的前 k 个 token。
max_output_tokensOptional[int]None响应中要生成的最大 token 数。
stop_sequencesOptional[list[str]]None模型应停止生成后续 token 的序列列表。
logprobsOptional[bool]None是否返回输出 token 的对数概率。
presence_penaltyOptional[float]None根据新 token 是否已出现在当前文本中对其进行惩罚。
frequency_penaltyOptional[float]None根据新 token 在当前文本中的出现频率对其进行惩罚。
seedOptional[int]None用于确定性文本生成的随机种子。
request_paramsOptional[Dict[str, Any]]None请求的其他参数。
Gemini 是 Model 类的子类，并且可以访问相同的参数。