Google Gemini

Google Gemini může zpět agenta rozhraní Agent Framework prostřednictvím rozhraní API pro vývojáře Gemini nebo Vertex AI. Klient specifický pro poskytovatele zpracovává možnosti ověřování a požadavků Gemini, zatímco Agent Framework vlastní definici a orchestraci agenta.

Important

Google Gemini a Vertex AI jsou systémy třetích stran. Než odešlete data, zkontrolujte podmínky služeb, zpracování dat, regionální hranice, přístup k modelu a náklady na využití.

Instalace gemini IChatClient

Ukázka .NET ukazuje oficiálního klienta Google GenAI a implementaci komunityMscc.GenerativeAI.Microsoft.

dotnet add package Google.GenAI
dotnet add package Mscc.GenerativeAI.Microsoft
dotnet add package Microsoft.Agents.AI --prerelease

Configuration

GOOGLE_GENAI_API_KEY="<google-ai-studio-api-key>"
GOOGLE_GENAI_MODEL="gemini-2.5-flash"

const string JokerInstructions = "You are good at telling jokes.";
const string JokerName = "JokerAgent";

string apiKey = Environment.GetEnvironmentVariable("GOOGLE_GENAI_API_KEY") ?? throw new InvalidOperationException("Please set the GOOGLE_GENAI_API_KEY environment variable.");
string model = Environment.GetEnvironmentVariable("GOOGLE_GENAI_MODEL") ?? "gemini-2.5-flash";

// Using a Google GenAI IChatClient implementation

ChatClientAgent agentGenAI = new(
    new Client(vertexAI: false, apiKey: apiKey).AsIChatClient(model),
    name: JokerName,
    instructions: JokerInstructions);

AgentResponse response = await agentGenAI.RunAsync("Tell me a joke about a pirate.");
Console.WriteLine($"Google GenAI client based agent response:\n{response}");

// Using a community driven Mscc.GenerativeAI.Microsoft package

ChatClientAgent agentCommunity = new(
    new GeminiChatClient(apiKey: apiKey, model: model),
    name: JokerName,
    instructions: JokerInstructions);

response = await agentCommunity.RunAsync("Tell me a joke about a pirate.");
Console.WriteLine($"Community client based agent response:\n{response}");

Zvolte jednu IChatClient implementaci a nakonfigurujte jeho rozhraní API pro vývojáře Gemini nebo ověřování Vertex AI.

Nainstalujte balíček

pip install agent-framework-gemini --pre

Configuration

Použijte rozhraní API pro vývojáře Gemini:

GEMINI_API_KEY="<api-key>"
GEMINI_MODEL="gemini-2.5-flash"
# GOOGLE_API_KEY and GOOGLE_MODEL are also supported.

Nebo nakonfigurujte vertex AI:

GOOGLE_GENAI_USE_VERTEXAI="true"
GOOGLE_CLOUD_PROJECT="<project-id>"
GOOGLE_CLOUD_LOCATION="us-central1"
GOOGLE_MODEL="gemini-2.5-flash"

GeminiChatClient podporuje streamování, nástroje funkcí, strukturovaný výstup, rozšířené myšlení a nástroje hostované poskytovatelem.

async def non_streaming_example() -> None:
    """Runs the agent and waits for the complete response before printing it."""
    print("=== Non-streaming ===")

    # 1. Create the agent with the Gemini chat client and local weather tool.
    agent = Agent(
        client=GeminiChatClient(),
        name="WeatherAgent",
        instructions="You are a helpful weather agent.",
        tools=[get_weather],
    )

    # 2. Ask the agent for a single weather lookup and print the final response.
    query = "What's the weather like in Karlsruhe, Germany?"
    print(f"User: {query}")
    result = await agent.run(query)
    print(f"Result: {result}\n")


async def streaming_example() -> None:
    """Runs the agent and prints each chunk as it is received."""
    print("=== Streaming ===")

    # 1. Create the same agent configuration for a streaming tool-call example.
    agent = Agent(
        client=GeminiChatClient(),
        name="WeatherAgent",
        instructions="You are a helpful weather agent.",
        tools=[get_weather],
    )

    # 2. Ask a multi-location question and stream the model output as it arrives.
    query = "What's the weather like in Portland and in Paris?"
    print(f"User: {query}")
    print("Agent: ", end="", flush=True)
    async for chunk in agent.run(query, stream=True):
        if chunk.text:
            print(chunk.text, end="", flush=True)
    print("\n")

Balíček obsahuje továrny pro uzemnění vyhledávání Google, uzemnění Map Google, spouštění kódu, vyhledávání souborů a MCP.

Uzemnění vyhledávání Google

import asyncio

from agent_framework import Agent
from agent_framework.gemini import GeminiChatClient
from dotenv import load_dotenv

load_dotenv()


async def main() -> None:
    """Run the Google Search grounding example."""
    print("=== Google Search grounding ===")

    # 1. Create the agent with Gemini and the built-in Google Search grounding tool.
    agent = Agent(
        client=GeminiChatClient(),
        name="SearchAgent",
        instructions="You are a helpful assistant. Use Google Search to provide accurate, up-to-date answers.",
        tools=[GeminiChatClient.get_web_search_tool()],
    )

    # 2. Ask a current-events style question and stream the grounded answer.
    query = "What is the latest stable release of the .NET SDK?"
    print(f"User: {query}")
    print("Agent: ", end="", flush=True)
    async for chunk in agent.run(query, stream=True):
        if chunk.text:
            print(chunk.text, end="", flush=True)
    print("\n")


if __name__ == "__main__":
    asyncio.run(main())

Sada Go SDK poskytuje geminiprovider odvozování Gemini. Vytvořte standard *agent.Agent prostřednictvím konstruktoru specifického pro zprostředkovatele.

Podívejte se na balíček a příklady zprostředkovatele Gemini.

Tools

nástroj	jazyk C#	Python	Go	Poznámky
Funkční nástroje	✅	✅	✅	Volání standardní funkce modelu
Schválení nástroje	✅	✅	✅	Používá se smyčkou nástrojů architektury.
Interpretér kódu	❌	✅	❌	GeminiChatClient.get_code_interpreter_tool().
Hledání souborů	❌	✅	❌	GeminiChatClient.get_file_search_tool().
Vyhledávání na webu	❌	✅	❌	Google Search grounding through get_web_search_tool().
Uzemnění Map Google	❌	✅	❌	GeminiChatClient.get_maps_grounding_tool().
Hostované nástroje MCP	❌	✅	❌	GeminiChatClient.get_mcp_tool().
Místní nástroje MCP	✅	✅	✅	Spustí se v procesu aplikace.

Další kroky

ONNX