Gemini

了解如何在 Agno 中使用 Gemini 模型。

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。

Mac

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

3. 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：

agent.py

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
id	str	"gemini-2.0-flash-exp"	要使用的特定 Gemini 模型 ID。
name	str	"Gemini"	此 Gemini 模型实例的名称。
provider	str	"Google"	模型提供商。
function_declarations	Optional[List[FunctionDeclaration]]	None	用于模型的函数声明列表。
generation_config	Optional[Any]	None	文本生成的配置。
safety_settings	Optional[Any]	None	模型的安全设置。
generative_model_kwargs	Optional[Dict[str, Any]]	None	生成模型的其他关键字参数。
grounding	bool	False	是否使用 grounding。
search	bool	False	是否使用搜索。
grounding_dynamic_threshold	Optional[float]	None	grounding 的动态阈值。
api_key	Optional[str]	None	用于认证的 API 密钥。
vertexai	bool	False	是否使用 Vertex AI 而不是 Google AI Studio。
project_id	Optional[str]	None	Vertex AI 的 Google Cloud 项目 ID。
location	Optional[str]	None	Vertex AI 的 Google Cloud 区域。
client_params	Optional[Dict[str, Any]]	None	客户端的其他参数。
client	Optional[GeminiClient]	None	底层的生成模型客户端。
temperature	Optional[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_p	Optional[float]	None	核心采样参数。只考虑累积概率超过此值的 token。
top_k	Optional[int]	None	只考虑文本生成的前 k 个 token。
max_output_tokens	Optional[int]	None	响应中要生成的最大 token 数。
stop_sequences	Optional[list[str]]	None	模型应停止生成后续 token 的序列列表。
logprobs	Optional[bool]	None	是否返回输出 token 的对数概率。
presence_penalty	Optional[float]	None	根据新 token 是否已出现在当前文本中对其进行惩罚。
frequency_penalty	Optional[float]	None	根据新 token 在当前文本中的出现频率对其进行惩罚。
seed	Optional[int]	None	用于确定性文本生成的随机种子。
request_params	Optional[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。