谷歌双子座

Google Gemini 可以通过 Gemini Developer API 或 Gemini Enterprise Agent Platform（原 Vertex AI）为 Agent Framework 代理提供支持。 特定于提供程序的客户端负责处理身份验证和 Gemini 请求选项，而 Agent Framework 负责代理定义和编排。

重要

Google Gemini 和 Vertex AI 是第三方系统。 在发送应用程序数据之前，请查看服务条款、数据处理、区域边界、模型访问和使用情况成本。

安装 Gemini IChatClient

.NET示例演示了 Google GenAI 官方客户端和社区Mscc.GenerativeAI.Microsoft实现。

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}");

选择一种 IChatClient 实现，并配置其 Gemini Developer API 或 Vertex AI 身份验证。

安装软件包

pip install agent-framework-gemini --pre

Configuration

使用以下任一 Gemini 开发者 API：

GOOGLE_API_KEY="<api-key>"
GOOGLE_MODEL="gemini-2.5-flash"

或配置 Gemini Enterprise Agent Platform：

GOOGLE_GENAI_USE_ENTERPRISE="true"
GOOGLE_CLOUD_PROJECT="<project-id>"
GOOGLE_CLOUD_LOCATION="global"
GOOGLE_MODEL="gemini-2.5-flash"

旧 GOOGLE_GENAI_USE_VERTEXAI=true 设置仍受支持。 连接器不再读取 GEMINI_API_KEY， GEMINI_MODEL或者 GEMINI_EMBEDDING_MODEL;显式使用相应的 GOOGLE_* 变量或传递值。

GeminiChatClient 支持流式处理、函数工具、结构化输出、扩展推理以及由提供程序托管的工具。

    """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")

处理请求失败的情况

对于流式和非流式运行，Gemini SDK 的请求失败会通过 Agent Framework 异常暴露出来。 HTTP 401 和 403 失败引发 ChatClientInvalidAuthException，其他 HTTP 4xx 失败引发 ChatClientInvalidRequestException，所有其他提供程序失败都会引发 ChatClientException。

当需要跨聊天提供商应用相同的错误处理时，捕获 ChatClientException。

包括思想摘要

扩展思维示例演示如何配置ThinkingConfig。 若要接收双子座思想摘要，请设置 include_thoughts=True 在思维配置中：

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

当双子座返回一个想法摘要时，GeminiChatClient将其添加到响应中，如下所示Contenttype == "text_reasoning"。 在 content.text 中阅读摘要。

对于非流式运行，请筛选contents中每个项目的result.messages。 对于流式运行，筛选每个 chunk.contents。 文本访问器（例如 result.text 和 chunk.text）仅包含 text 内容，因此当您的应用需要推理摘要时，请检查内容集合。

生成嵌入内容

GeminiEmbeddingClient 默认使用 gemini-embedding-2 。 使用 GOOGLE_EMBEDDING_MODEL 或 model 构造函数参数覆盖它。 文本输入在每次调用时都需要指定任务类型；在建立索引时使用 RETRIEVAL_QUERY，在搜索同一向量空间时使用 RETRIEVAL_DOCUMENT。

import asyncio

from agent_framework.gemini import GeminiEmbeddingClient
from dotenv import load_dotenv

load_dotenv()


async def main() -> None:
    """Embed a document and a search query for the same vector index."""
    # 1. Choose task instructions for each call, not for the client.
    client = GeminiEmbeddingClient()
    try:
        # 2. Use matching dimensions for stored documents and search queries.
        document = await client.get_embeddings(
            ["Agent Framework helps build and orchestrate AI agents."],
            options={"task_type": "RETRIEVAL_DOCUMENT", "title": "Agent Framework", "dimensions": 768},
        )
        query = await client.get_embeddings(
            ["How can I orchestrate AI agents?"],
            options={"task_type": "RETRIEVAL_QUERY", "dimensions": 768},
        )
        print(f"Document embedding: {document[0].dimensions} dimensions")
        print(f"Query embedding: {query[0].dimensions} dimensions")

对文档和查询嵌入使用相同的模型和维度。 客户端还接受 Google SDK 的媒体 Part 和 Content 值，用于图像、音频、视频、PDF 或文本与媒体组合嵌入。 媒体输入不使用文本任务前缀。

当向量集合生成嵌入时，请将文档任务传递给 upsert(..., embeddings_options=...)，并将查询任务传递给 search(..., embeddings_options=...) 或 create_vector_search_tool(..., embeddings_options=...)。 对于多个向量字段，请使用 embeddings_options_by_field。 代理框架提供所选字段的维度，并拒绝冲突值。

该软件包包含用于 Google 搜索基础支持、Google 地图基础支持、代码执行、文件搜索和 MCP 的工厂。

Google 搜索基础支撑

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())

Go SDK 提供用于 Gemini 推理的geminiprovider。 通过特定于提供程序的构造函数创建标准 *agent.Agent。

请参阅 Gemini 提供程序包 和 示例。

Tools

工具	C#	Python	Go	注释
函数工具	✅	✅	✅	标准模型函数调用。
工具审批	✅	✅	✅	由框架工具循环应用。
代码解释器	❌	✅	❌	GeminiChatClient.get_code_interpreter_tool()。
文件搜索	❌	✅	❌	GeminiChatClient.get_file_search_tool()。
Web 搜索	❌	✅	❌	通过get_web_search_tool()使用 Google 搜索进行数据支撑。
Google 地图数据支撑	❌	✅	❌	GeminiChatClient.get_maps_grounding_tool()。
托管 MCP 工具	❌	✅	❌	GeminiChatClient.get_mcp_tool()。
本地 MCP 工具	✅	✅	✅	在应用程序进程中运行。

后续步骤

ONNX