Skip to main content
Die Plattform unterstützt den Zugriff auf Gemini-Modelle über das OpenAI-Protokoll chat/completions sowie über das native Gemini-Protokoll. Die folgenden Beispiele verwenden alle den Nicht-Stream-Modus. Wenn Sie den Stream-Modus benötigen, ändern Sie einfach den Path zu /gemini/v1/models/:streamGenerateContent.

Schnellstart

Steuerung des Denkprozesses im OpenAI-Protokoll

Die Plattform konvertiert den Parameter reasoning_effort aus OpenAI-chat/completions-Anfragen in Gemini-thinking-Parameter. ⚠️ Die nicht standardmäßigen OpenAI-Werte disable/none können verwendet werden, um den Denkprozess zu deaktivieren.

Standardeinstellungen je Modell

⚠️ Für Gemini 2.5 Pro kann das Denken nicht deaktiviert werden; reasoning_effort: none wird in das minimale thinkingBudget 128 konvertiert ⚠️ thinkingBudget wird nur in Gemini 2.5 Flash, 2.5 Pro und 2.5 Flash-Lite unterstützt. Je nach Prompt kann das Modell das Token-Budget über- oder unterschreiten.

Verwendung serverseitiger Tools

Mit Google Search können Gemini-Modelle mit Echtzeit-Webinhalten verknüpft werden, wobei alle verfügbaren Sprachen unterstützt werden. Dadurch kann Gemini genauere Antworten liefern und überprüfbare Quellen zitieren, die nach dem Wissensstichtag liegen.
Ein Beispielergebnis sieht wie folgt aus. Beim OpenAI-Protokoll können Grounding-Informationen über das nicht standardmäßige Feld gemini_grounding_metadata abgerufen werden.

Code Execution

Gemini stellt ein Tool zur Codeausführung bereit, mit dem das Modell Python-Code generieren und ausführen kann. Anschließend kann das Modell anhand der Ergebnisse der Codeausführung iterativ lernen, bis die endgültige Ausgabe erreicht ist.
Ein Beispielergebnis sieht wie folgt aus. Beim OpenAI-Protokoll werden der Code und die Ergebnisse der Codeausführung in content dargestellt. Beim Gemini-Protokoll befindet sich der Code im Feld executableCode, das Ausführungsergebnis im Feld codeExecutionResult und die Zusammenfassung im Feld text.

URL context

Mit dem URL context-Tool können Sie dem Modell zusätzlichen Kontext in Form von URLs bereitstellen. Wenn Sie URLs zur Anfrage hinzufügen, greift das Modell auf die Inhalte dieser Webseiten zu, um Informationen für die Antwort bereitzustellen und die Antwortqualität zu verbessern.
Eine Beispielantwort sieht wie folgt aus