VertexAI Gemini Chat
Vertex AI Gemini API 允许开发人员使用 Gemini 模型构建生成式 AI 应用程序。Vertex AI Gemini API 支持多模态提示符作为输入和输出文本或代码。多模态模型是一种能够处理来自多种模式的信息的模型,包括图像、视频和文本。例如,你可以向模型发送一盘饼干的照片,并要求它给出这些饼干的食谱。
Gemini 是由 Google DeepMind 开发的一系列生成式 AI 模型,专为多模态使用案例设计。Gemini API 允许您访问 Gemini 2.0 Flash 和 Gemini 2.0 Flash-Lite。有关 Vertex AI Gemini API 模型的规格,请参阅模型信息。
前提条件(Prerequisites)
- 安装适合您操作系统的 gcloud CLI。
- 运行以下命令进行身份验证。将
PROJECT_ID
替换为您的Google Cloud project ID
, 并将ACCOUNT
替换为您的Google Cloud username
。
gcloud config set project <PROJECT_ID> &&
gcloud auth application-default login <ACCOUNT>
自动配置(Auto-configuration)
Spring AI 为 VertexAI Gemini 聊天模型提供 Spring Boot 自动配置。要启用它,请在项目的 Maven pom.xml 文件中添加以下依赖项:
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-starter-model-vertex-ai-gemini</artifactId>
</dependency>
或者,在你的 Gradle 构建文件 build.gradle
中添加:
dependencies {
implementation 'org.springframework.ai:spring-ai-starter-model-vertex-ai-gemini'
}
聊天属性(Chat Properties)
连接属性(Connection Properties)
前缀 spring.ai.vertex.ai.gemini
属性用作允许您连接到 VertexAI 。
属性 | 描述 | 默认值 |
---|---|---|
spring.ai.model.chat | 启用聊天模型客户端 | vertexai |
spring.ai.vertex.ai.gemini.project-id | Google云平台项目ID | - |
spring.ai.vertex.ai.gemini.location | 区域 | - |
spring.ai.vertex.ai.gemini.credentials-uri | Vertex AI Gemini凭据URI。提供时用于创建GoogleCredentials 实例以认证VertexAI |
- |
spring.ai.vertex.ai.gemini.api-endpoint | Vertex AI Gemini API端点 | - |
spring.ai.vertex.ai.gemini.scopes | - | |
spring.ai.vertex.ai.gemini.transport | API传输方式。GRPC或REST | GRPC |
配置属性(Configuration Properties)
前缀是 spring.ai.vertex.ai.gemini.chat
的属性,用于配置 VertexAI Gemini Chat 的 ChatModel 实现。
属性 | 描述 | 默认值 |
---|---|---|
spring.ai.vertex.ai.gemini.chat.options.model |
支持的Vertex AI Gemini聊天模型,包括gemini-2.0-flash 、gemini-2.0-flash-lite 以及新版gemini-2.5-pro-preview-03-25 、gemini-2.5-flash-preview-04-17 模型 |
gemini-2.0-flash |
spring.ai.vertex.ai.gemini.chat.options.response-mime-type |
生成候选文本的输出响应MIME类型 | text/plain (默认):文本输出 或 application/json :JSON响应 |
spring.ai.vertex.ai.gemini.chat.options.google-search-retrieval |
使用Google搜索基础功能 | true 或false ,默认为false |
spring.ai.vertex.ai.gemini.chat.options.temperature |
控制输出的随机性。取值范围[0.0,1.0],接近1.0会产生更多样化的响应,接近0.0通常会导致生成结果更可预测 | 0.7 |
spring.ai.vertex.ai.gemini.chat.options.top-k |
采样时考虑的最大token数。生成器使用Top-k和核心采样相结合的方式 |
- |
spring.ai.vertex.ai.gemini.chat.options.top-p |
采样时考虑的token累积概率最大值。核心采样考虑概率总和至少为topP的最小token集 | - |
spring.ai.vertex.ai.gemini.chat.options.candidate-count |
返回的生成响应消息数量。取值必须在[1,8]范围内 | 1 |
spring.ai.vertex.ai.gemini.chat.options.max-output-tokens |
生成的最大token数 | - |
spring.ai.vertex.ai.gemini.chat.options.tool-names |
工具名称列表,用于在单个提示请求中启用函数调用。这些名称的工具必须存在于ToolCallback注册表中 | - |
(已弃用,改用tool-names ) spring.ai.vertex.ai.gemini.chat.options.functions |
函数名称列表,用于在单个提示请求中启用函数调用。这些名称的函数必须存在于functionCallbacks注册表中 | - |
spring.ai.vertex.ai.gemini.chat.options.internal-tool-execution-enabled |
如果为true则执行工具,否则将模型响应返回给用户。默认为null,若为null则采用ToolCallingChatOptions.DEFAULT_TOOL_EXECUTION_ENABLED (true) |
- |
(已弃用,改用internal-tool-execution-enabled ) spring.ai.vertex.ai.gemini.chat.options.proxy-tool-calls |
如果为true,Spring AI不会内部处理函数调用,而是代理给客户端处理。默认为false | false |
spring.ai.vertex.ai.gemini.chat.options.safety-settings | 安全设置列表,用于控制安全过滤器,如Vertex AI安全过滤器所定义。每个安全设置可包含方法、阈值和类别 | - |
运行时选项(Runtime Options )
VertexAiGeminiChatOptions.java 提供模型配置,例如要使用的 temperature、maxToken、topP 等。
在启动时,可以使用 VertexAiGeminiChatModel (api,options)
构造函数或 spring.ai.vertex.ai.chat.options.*
属性来配置默认选项。
在运行时,您可以通过在 Prompt 调用中添加新的、特定请求的选项来覆盖默认选项。例如,要覆盖特定请求的默认温度:
ChatResponse response = chatModel.call(
new Prompt(
"Generate the names of 5 famous pirates.",
VertexAiGeminiChatOptions.builder()
.temperature(0.4)
.build()
));
工具 / 功能调用(Tool/Function Calling)
Vertex AI Gemini 模型支持工具调用 (在 Google Gemini 环境中称为函数调用) 功能,允许模型在对话中使用工具。以下是如何定义和使用基于 @Tool 的工具的示例:
public class WeatherService {
@Tool(description = "Get the weather in location")
public String weatherByLocation(@ToolParam(description= "City or state name") String location) {
...
}
}
String response = ChatClient.create(this.chatModel)
.prompt("What's the weather like in Boston?")
.tools(new WeatherService())
.call()
.content();
你也可以使用 java.util.function Bean 作为工具:
@Bean
@Description("Get the weather in location. Return temperature in 36°F or 36°C format.")
public Function<Request, Response> weatherFunction() {
return new MockWeatherService();
}
String response = ChatClient.create(this.chatModel)
.prompt("What's the weather like in Boston?")
.toolNames("weatherFunction")
.inputType(Request.class)
.call()
.content();
多模态(Multimodal )
多模态是指模型同时理解和处理来自不同来源信息的能力,包括文本、图像、视频、pdf、doc、html、md 和更多数据格式。
图像、音频和视频(Image, Audio, Video)
谷歌的 Gemini AI 模型通过理解和整合文本、代码、音频、图像和视频来支持这种能力。更多详细信息,请参阅博客文章 “介绍 Gemini”。
Spring AI 的 Message 接口通过引入媒体类型来支持多模态 AI 模型。这种类型使用 Spring 的 org.springframework.util.MimeType 和 java.lang.Object 来包含原始媒体数据的数据和关于消息中媒体附件的信息。
下面是从 VertexAiGeminiChatModelIT#multiModalityTest () 中提取的一个简单代码示例,演示了用户文本与图像的组合。
byte[] data = new ClassPathResource("/vertex-test.png").getContentAsByteArray();
var userMessage = new UserMessage("Explain what do you see on this picture?",
List.of(new Media(MimeTypeUtils.IMAGE_PNG, this.data)));
ChatResponse response = chatModel.call(new Prompt(List.of(this.userMessage)));
最新 Vertex Gemini 支持 PDF 输入类型。使用 application/pdf 媒体类型将 PDF 文件附加到消息中:
var pdfData = new ClassPathResource("/spring-ai-reference-overview.pdf");
var userMessage = new UserMessage(
"You are a very professional document summarization specialist. Please summarize the given document.",
List.of(new Media(new MimeType("application", "pdf"), pdfData)));
var response = this.chatModel.call(new Prompt(List.of(userMessage)));
示例控制器(Sample Controller)
创建一个新的 Spring Boot 项目,并将 spring-ai-starter-model-vertex-ai-gemini
添加到 pom (或 gradre) 依赖项中。
在 src/main/resources 目录下添加 application.properties 文件,以启用和配置 VertexAi 聊天模型:
spring.ai.vertex.ai.gemini.project-id=PROJECT_ID
spring.ai.vertex.ai.gemini.location=LOCATION
spring.ai.vertex.ai.gemini.chat.options.model=gemini-2.0-flash
spring.ai.vertex.ai.gemini.chat.options.temperature=0.5
这将创建一个 VertexAiGeminiChatModel 的实现,你可以将其注入到你的类中。下面是一个简单的 @Controller 类的示例,它使用聊天模型进行文本生成。
@RestController
public class ChatController {
private final VertexAiGeminiChatModel chatModel;
@Autowired
public ChatController(VertexAiGeminiChatModel chatModel) {
this.chatModel = chatModel;
}
/**
* 文本生成
* @param message 提示词
* @return 响应结果
*/
@GetMapping("/ai/generate")
@Operation(summary = "文本生成")
public Map<String, Object> generate(@RequestParam(value = "message", defaultValue = "你好!") String message) {
try {
String response = chatModel.call(message);
return Map.of(
"success", true,
"generation", response,
"message", "Generated successfully"
);
} catch (Exception e) {
return Map.of(
"success", false,
"error", e.getMessage(),
"message", "Generation failed"
);
}
}
@GetMapping("/ai/generateStream")
public Flux<ChatResponse> generateStream(@RequestParam(value = "message", defaultValue = "Tell me a joke") String message) {
Prompt prompt = new Prompt(new UserMessage(message));
return this.chatModel.stream(prompt);
}
}
手动配置(Manual Configuration)
VertexAIGeminiChatModel 实现 ChatModel, 并使用 VertexAI 连接到 Vertex AI Gemini 服务。
要启用它,添加 spring-ai-vertex-ai-gemini
依赖到你的项目 Maven pom.xml
文件:
<dependency>
<groupId>org.springframework.ai</groupId>
<artifactId>spring-ai-vertex-ai-gemini</artifactId>
</dependency>
或者,在你的 Gradle 构建文件 build.gradle
中添加:
dependencies {
implementation 'org.springframework.ai:spring-ai-vertex-ai-gemini'
}
接下来,创建一个 VertexAiGeminiChatModel 并将其用于文本生成:
VertexAI vertexApi = new VertexAI(projectId, location);
var chatModel = new VertexAiGeminiChatModel(this.vertexApi,
VertexAiGeminiChatOptions.builder()
.model(ChatModel.GEMINI_2_0_FLASH)
.temperature(0.4)
.build());
ChatResponse response = this.chatModel.call(
new Prompt("Generate the names of 5 famous pirates."));
轻量级 VertexAI 客户端
以下类图说明了 Vertex AI Gemini 原生 Java API:
最后编辑:Jeebiz 更新时间:2025-08-31 23:07