Google Gemini

Google Gemini może obsługiwać agenta Agent Framework za pośrednictwem Gemini Developer API lub Vertex AI. Klient specyficzny dla danego dostawcy obsługuje uwierzytelnianie oraz opcje żądań Gemini, natomiast Agent Framework odpowiada za definicję i orkiestrację agenta.

Important

Google Gemini i Vertex AI to systemy innych firm. Przed wysłaniem danych zapoznaj się z warunkami usług, obsługą danych, granicami regionalnymi, dostępem do modelu i kosztami użycia.

Zainstaluj Gemini IChatClient

Przykład .NET demonstruje oficjalnego klienta Google GenAI oraz implementację stworzoną przez społeczność Mscc.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}");

Wybierz jedną z implementacji IChatClient i skonfiguruj uwierzytelnianie Gemini Developer API lub Vertex AI.

Instalowanie pakietu

pip install agent-framework-gemini --pre

Configuration

Użyj jednego z interfejsów API Gemini dla deweloperów:

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

Lub skonfiguruj Vertex AI:

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

GeminiChatClient obsługuje strumieniowanie, narzędzia funkcyjne, ustrukturyzowane dane wyjściowe, rozszerzone rozumowanie i narzędzia hostowane przez dostawcę.

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")

Obsługa błędów żądań

W przypadku uruchomień strumieniowych i niestrumieniowych błędy żądań SDK Gemini są zgłaszane poprzez wyjątki platformy Agent Framework. Błędy HTTP 401 i 403 powodują zgłoszenie ChatClientInvalidAuthException, inne błędy HTTP 4xx powodują zgłoszenie ChatClientInvalidRequestException, a wszystkie pozostałe błędy dostawcy powodują zgłoszenie ChatClientException.

Użyj ChatClientException, gdy ta sama obsługa błędów powinna być stosowana u różnych dostawców czatu.

Uwzględnij podsumowania myśli

Przykład z rozszerzonym rozumowaniem pokazuje, jak skonfigurować ThinkingConfig. Aby otrzymywać podsumowania myśli Gemini, ustaw include_thoughts=True w konfiguracji myślenia:

options: GeminiChatOptions = {
    "thinking_config": ThinkingConfig(include_thoughts=True, thinking_budget=2048),
}

Gdy Gemini zwraca podsumowanie myśli, GeminiChatClient dodaje je do odpowiedzi tak jak Content w przypadku type == "text_reasoning". Przeczytaj podsumowanie z witryny content.text.

W przypadku uruchomienia bez strumieniowania przefiltruj contents każdego elementu w result.messages. W przypadku przebiegu przesyłania strumieniowego przefiltruj każdy chunk.contentselement . Akcesory tekstowe, takie jak result.text i chunk.text, zawierają wyłącznie treść text, więc sprawdź kolekcje treści, gdy aplikacja potrzebuje podsumowań rozumowania.

Pakiet zawiera fabryki dla groundingu Google Search, groundingu Google Maps, wykonywania kodu, wyszukiwania plików i MCP.

Ugruntowanie w wyszukiwarce 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())

Pakiet SDK Go zapewnia geminiprovider do wnioskowania Gemini. Utwórz standard *agent.Agent za pomocą konstruktora specyficznego dla dostawcy.

Zobacz pakiet dostawcy Gemini i przykłady.

Tools

Narzędzie	C#	Python	Go	Notatki
Narzędzia funkcji	✅	✅	✅	Standardowe wywoływanie funkcji modelu.
Zatwierdzanie narzędzi	✅	✅	✅	Zastosowane przez pętlę narzędzi platformy.
Interpreter kodów	❌	✅	❌	GeminiChatClient.get_code_interpreter_tool().
Wyszukiwanie plików	❌	✅	❌	GeminiChatClient.get_file_search_tool().
Wyszukiwanie w Sieci Web	❌	✅	❌	Oparcie na Wyszukiwarce Google przez get_web_search_tool().
Uziemienia mapy Google	❌	✅	❌	GeminiChatClient.get_maps_grounding_tool().
Hostowane narzędzia MCP	❌	✅	❌	GeminiChatClient.get_mcp_tool().
Lokalne narzędzia MCP	✅	✅	✅	Uruchamia się w procesie aplikacji.

Następne kroki

ONNX