Query's uitvoeren met de Google Gemini-API

Belangrijk

De Google Gemini-API is alleen compatibel met Gemini pay per token foundation-modellen en externe modellen. Voor een geïntegreerde API die werkt tussen providers, gebruikt u de API voor open antwoorden of de API voor voltooiing van chats.

De Google Gemini-API biedt systeemeigen Compatibiliteit met Google AI SDK voor Gemini-modellen in Azure Databricks. Gebruik deze API wanneer u geminispecifieke functies nodig hebt of bestaande Google AI SDK-code migreert.

Requirements

  • Raadpleeg Vereisten.
  • Installeer het google-genai pakket op uw rekenproces.

Queryvoorbeelden

Note

De volgende voorbeelden zijn gebaseerd op Unity Gateway en modelservices. Als u model voor eindpunten gebruikt in plaats van modelservices, vervangt u de naam van de modelservice door een eindpuntnaam. Zie Gedetailleerde lijst van modellen die worden ondersteund door Databricks Foundation Model API's voor een overzicht van beschikbare foundation-modellen en hun modelservice- en eindpuntnamen.

De volgende voorbeelden laten zien hoe je een Foundation Model API pay-per-token modeldienst kunt bevragen met behulp van de Google Gemini API.

Python

from google import genai
from google.genai import types
import os

DATABRICKS_TOKEN = os.environ.get('DATABRICKS_TOKEN')

client = genai.Client(
    api_key="databricks",
    http_options=types.HttpOptions(
        base_url="https://example.staging.cloud.databricks.com/ai-gateway/gemini",
        headers={
            "Authorization": f"Bearer {DATABRICKS_TOKEN}",
        },
    ),
)

response = client.models.generate_content(
    model="system.ai.gemini-3-1-pro",
    contents=[
        types.Content(
            role="user",
            parts=[types.Part(text="What is a mixture of experts model?")],
        ),
    ],
    config=types.GenerateContentConfig(
        max_output_tokens=256,
    ),
)

print(response.text)

REST API

curl \
-u token:$DATABRICKS_TOKEN \
-X POST \
-H "Content-Type: application/json" \
-d '{
  "contents": [
    {
      "role": "user",
      "parts": [{"text": "What is a mixture of experts model?"}]
    }
  ],
  "generationConfig": {
    "maxOutputTokens": 256
  }
}' \
https://<workspace_host>.databricks.com/ai-gateway/gemini/v1beta/models/system.ai.gemini-3-1-pro:generateContent

Ondersteunde modellen

Door Databricks gehoste fundamentele modellen

  • system.ai.databricks-gemini-4-argon
  • system.ai.gemini-3-5-flash-lite
  • system.ai.gemini-3-8-flash
  • system.ai.gemini-3-7-flash
  • system.ai.gemini-3-6-flash
  • system.ai.gemini-3-1-pro
  • system.ai.gemini-3-1-flash-lite
  • system.ai.gemini-3-flash

Externe modellen

  • Google-modelleverancier

Ondersteunde invoertypen

Gemini-modellen op Azure Databricks tekst- en afbeeldingsinvoer accepteren. De Pro-variant (system.ai.gemini-3-1-pro) en de Flash-varianten (system.ai.gemini-3-5-flash-lite, system.ai.gemini-3-1-flash-lite, system.ai.gemini-3-flash) accepteren ook video- en audio-ingangen. Zie audio- en videomodellen opvragen voor voorbeelden van video- en audioverzoeken, en vision-modellen opvragen voor vereisten voor afbeeldingsindeling en -grootte. Voor invoertypen per model, zie Gedetailleerde lijst van modellen die worden ondersteund door Databricks Foundation Model API's.

Aanvullende bronnen

  • Laatst bijgewerkt om