Wykonywanie zapytań za pomocą interfejsu API Google Gemini

Ważne

Interfejs API Google Gemini jest zgodny tylko z modelami Gemini pay per token foundation oraz modelami zewnętrznymi. Aby skorzystać z ujednoliconego API działającego u różnych dostawców, użyj interfejsu Open Responses API lub Chat Completions API.

Interfejs API Google Gemini zapewnia natywną kompatybilność SDK Google AI dla modeli Gemini na platformie Azure Databricks. Użyj tego interfejsu API, gdy potrzebujesz funkcji specyficznych dla bliźniąt lub migrujesz istniejący kod zestawu Google AI SDK.

Wymagania

  • Zobacz Wymagania.
  • Zainstaluj pakiet google-genai na swoim komputerze.

Przykłady zapytań

Note

Poniższe przykłady opierają się na Unity Gateway i usługach modelowych. Jeśli używasz modelu obsługującego punkty końcowe zamiast usług modelu, zastąp nazwę usługi modelu nazwą punktu końcowego. Zobacz Szczegółową listę modeli obsługiwanych przez interfejsy API modeli bazowych Databricks, aby wyświetlić listę dostępnych modeli bazowych oraz nazwy usług modeli i punktów końcowych.

Poniższe przykłady pokazują, jak wysyłać zapytania do usługi modelu Foundation Model API rozliczanego za token za pomocą interfejsu API Google Gemini.

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)

interfejs API REST

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

Obsługiwane modele

Modele bazowe hostowane przez Databricks

  • 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

Modele zewnętrzne

  • Dostawca modelu Google

Obsługiwane typy danych wejściowych

Modele Gemini w Azure Databricks akceptują dane wejściowe tekstowe i obrazowe. Warianty Pro (system.ai.gemini-3-1-pro) oraz Flash (system.ai.gemini-3-5-flash-lite, system.ai.gemini-3-1-flash-lite, system.ai.gemini-3-flash) również akceptują wejścia wideo i audio. Zobacz wyszukiwanie modeli audio i wideo, aby zapoznać się z przykładami żądań dotyczących wideo i audio, oraz wyszukiwanie modeli wizyjnych, aby uzyskać informacje o wymaganiach dotyczących formatu i rozmiaru obrazów. Aby sprawdzić typy danych wejściowych dla poszczególnych modeli, zobacz Szczegółową listę modeli obsługiwanych przez interfejsy API Databricks Foundation Model.

Dodatkowe zasoby

  • Ostatnia aktualizacja o