Gemini Interactions API 是一项实验性 API，可让开发者使用 Gemini 模型构建生成式 AI 应用。Gemini 是我们迄今为止最强大的模型，专为多模态应用而生。它不仅能理解和处理语言、图像、音频、视频和代码等各种信息，更能跨越不同模态，实现信息的融会贯通。您可以使用 Gemini API 来实现各种用例，例如跨文本和图像进行推理、生成内容、构建对话代理、开发总结和分类系统等。
创建互动
创建新的互动。
请求正文
请求正文中包含结构如下的数据：
model ModelOption （可选）
用于生成互动的 `Model` 的名称。
如果未提供“agent”，则此属性为必需属性。
可能的值：
-
gemini-2.5-computer-use-preview-10-2025一种智能体功能模型，专为直接界面互动而设计，可让 Gemini 感知和浏览数字环境。
-
gemini-2.5-flash我们的首款混合推理模型，支持 100 万个 token 的上下文窗口，并具有思考预算。
-
gemini-2.5-flash-image我们的原生图片生成模型，在速度、灵活性和上下文理解方面经过优化。文本输入和输出的价格与 2.5 Flash 相同。
-
gemini-2.5-flash-liteGoogle 旗下最小巧且最具成本效益的模型，专为大规模使用而打造。
-
gemini-2.5-flash-lite-preview-09-2025基于 Gemini 2.5 Flash Lite 的最新模型，经过优化，可实现高成本效益、高吞吐量和高质量。
-
gemini-2.5-flash-native-audio-preview-12-2025我们的原生音频模型经过优化，可提供更高质量的音频输出，并能更好地控制语速、声音自然度、表达详略和情绪。
-
gemini-2.5-flash-preview-09-2025基于 2.5 Flash 模型的最新模型。2.5 Flash 预览版最适合大规模处理、低延迟时间、需要思考的高数据量任务以及智能体应用场景。
-
gemini-2.5-flash-preview-tts我们的 2.5 Flash 文字转语音模型经过优化，可生成强大的低延迟可控语音。
-
gemini-2.5-proGoogle 旗下先进的多用途模型，擅长处理编码和复杂的推理任务。
-
gemini-2.5-pro-preview-tts我们的 2.5 Pro 文字转语音音频模型经过优化，可实现强大的低延迟语音生成，从而提供更自然的输出，并更轻松地引导提示。
-
gemini-3-flash-preview我们打造的最智能的模型，专为速度而生，将前沿智能技术与出色的搜索和事实依据能力相结合。
-
gemini-3-pro-image-preview先进的图片生成和编辑模型。
-
gemini-3-pro-preview我们最智能的模型，具有前沿的推理和多模态理解能力，以及强大的智能体和氛围编程 (vibe coding) 功能。
-
gemini-3.1-pro-preview我们最新的 SOTA 推理模型，具有前所未有的深度和细致度，以及强大的多模态理解和编码能力。
-
gemini-3.1-flash-image-preview专业级视觉智能，兼具 Flash 速度的效率和贴近现实的生成能力。
-
gemini-3.1-flash-lite-previewGoogle 旗下最具成本效益的模型，针对高容量智能体任务、翻译和简单的数据处理进行了优化。
-
gemini-3.1-flash-tts-previewGemini 3.1 Flash TTS：功能强大，可生成低延迟的语音。享受自然流畅的输出、可控的提示，以及用于精准控制旁白的新颖的表达性音频标记。
-
lyria-3-clip-preview我们的低延迟音乐创作模型经过优化，可生成高保真音频片段并实现精准的节奏控制。
-
lyria-3-pro-preview我们先进的全歌曲生成模型，具有深厚的作曲理解能力，经过优化，可实现精准的结构控制，并在各种音乐风格之间实现复杂的过渡。
agent AgentOption （可选）
用于生成互动的“代理”的名称。
如果未提供“model”，则为必需属性。
可能的值：
-
deep-research-pro-preview-12-2025Gemini Deep Research Agent
-
deep-research-preview-04-2026Gemini Deep Research Agent
-
deep-research-max-preview-04-2026Gemini Deep Research Max Agent
互动的系统指令。
模型在互动期间可能会调用的工具声明列表。
强制要求生成的回答是符合此字段中指定的 JSON 架构的 JSON 对象。
响应的 MIME 类型。如果设置了 response_format，则此字段为必需字段。
仅限输入。互动是否会以流式传输方式进行。
仅限输入。是否存储响应和请求以供日后检索。
仅限输入。是否在后台运行模型交互。
generation_config GenerationConfig (可选)
模型配置
模型互动的配置参数。
`agent_config` 的替代方案。仅在设置了 `model` 时适用。
字段
控制输出的随机性。
抽样时要考虑的 token 的最大累积概率。
解码中使用的种子，用于实现可重现性。
将停止输出互动的字符序列列表。
thinking_level ThinkingLevel （可选）
模型应生成的思维令牌的级别。
可能的值：
-
minimal -
low -
medium -
high
thinking_summaries ThinkingSummaries （可选）
是否在回答中包含思路总结。
可能的值：
-
auto -
none
响应中包含的令牌数量上限。
speech_config SpeechConfig （可选）
语音互动的配置。
字段
说话者的声音。
语音的语言。
说话者的姓名，应与提示中给出的说话者姓名一致。
image_config ImageConfig （可选）
图片互动的配置。
字段
没有提供说明。
可能的值：
-
1:1 -
2:3 -
3:2 -
3:4 -
4:3 -
4:5 -
5:4 -
9:16 -
16:9 -
21:9 -
1:8 -
8:1 -
1:4 -
4:1
没有提供说明。
可能的值：
-
1K -
2K -
4K -
512
工具选择配置。
agent_config object （可选）
代理配置
代理的配置。
`generation_config` 的替代方案。仅在设置了 `agent` 时适用。
可能的类型
多态鉴别器：type
DynamicAgentConfig
动态代理的配置。
没有提供说明。
一律设置为 "dynamic"
DeepResearchAgentConfig
Deep Research 代理的配置。
没有提供说明。
一律设置为 "deep-research"
thinking_summaries ThinkingSummaries （可选）
是否在回答中包含思路总结。
可能的值：
-
auto -
none
是否在回答中包含可视化图表。
可能的值：
-
off -
auto
为 Deep Research 智能体启用人机协同规划。如果设置为 true，Deep Research 智能体将在其回答中提供研究计划。然后，只有在用户在下一轮对话中确认方案后，代理才会继续。
上一次互动的 ID（如果有）。
response_modalities ResponseModality （可选）
响应的请求模态（TEXT、IMAGE、AUDIO）。
可能的值：
-
text -
image -
audio -
video -
document
service_tier ServiceTier (optional)
互动的服务层级。
可能的值：
-
flex -
standard -
priority
webhook_config WebhookConfig （可选）
可选。用于在互动完成时接收通知的网络钩子配置。
字段
可选。如果设置，这些网络钩子 URI 将用于网络钩子事件，而不是注册的网络钩子。
可选。每次向 webhook 发送事件时返回的用户元数据。
响应
返回 Interaction 资源。
简单请求
示例响应
{ "created": "2025-11-26T12:25:15Z", "id": "v1_ChdPU0F4YWFtNkFwS2kxZThQZ05lbXdROBIXT1NBeGFhbTZBcEtpMWU4UGdOZW13UTg", "model": "gemini-3-flash-preview", "object": "interaction", "steps": [ { "type": "model_output", "content": [ { "type": "text", "text": "Hello! I'm functioning perfectly and ready to assist you.\n\nHow are you doing today?" } ] } ], "status": "completed", "updated": "2025-11-26T12:25:15Z", "usage": { "input_tokens_by_modality": [ { "modality": "text", "tokens": 7 } ], "total_cached_tokens": 0, "total_input_tokens": 7, "total_output_tokens": 20, "total_thought_tokens": 22, "total_tokens": 49, "total_tool_use_tokens": 0 } }
多轮
示例响应
{ "id": "v1_ChdPU0F4YWFtNkFwS2kxZThQZ05lbXdROBIXT1NBeGFhbTZBcEtpMWU4UGdOZW13UTg", "model": "gemini-3-flash-preview", "status": "completed", "object": "interaction", "created": "2025-11-26T12:22:47Z", "updated": "2025-11-26T12:22:47Z", "steps": [ { "type": "model_output", "content": [ { "type": "text", "text": "The capital of France is Paris." } ] } ], "usage": { "input_tokens_by_modality": [ { "modality": "text", "tokens": 50 } ], "total_cached_tokens": 0, "total_input_tokens": 50, "total_output_tokens": 10, "total_thought_tokens": 0, "total_tokens": 60, "total_tool_use_tokens": 0 } }
图片输入
示例响应
{ "id": "v1_ChdPU0F4YWFtNkFwS2kxZThQZ05lbXdROBIXT1NBeGFhbTZBcEtpMWU4UGdOZW13UTg", "model": "gemini-3-flash-preview", "status": "completed", "object": "interaction", "created": "2025-11-26T12:22:47Z", "updated": "2025-11-26T12:22:47Z", "steps": [ { "type": "model_output", "content": [ { "type": "text", "text": "A white humanoid robot with glowing blue eyes stands holding a red skateboard." } ] } ], "usage": { "input_tokens_by_modality": [ { "modality": "text", "tokens": 10 }, { "modality": "image", "tokens": 258 } ], "total_cached_tokens": 0, "total_input_tokens": 268, "total_output_tokens": 20, "total_thought_tokens": 0, "total_tokens": 288, "total_tool_use_tokens": 0 } }
函数调用
示例响应
{ "id": "v1_ChdPU0F4YWFtNkFwS2kxZThQZ05lbXdROBIXT1NBeGFhbTZBcEtpMWU4UGdOZW13UTg", "model": "gemini-3-flash-preview", "status": "requires_action", "object": "interaction", "created": "2025-11-26T12:22:47Z", "updated": "2025-11-26T12:22:47Z", "steps": [ { "type": "function_call", "id": "gth23981", "name": "get_weather", "arguments": { "location": "Boston, MA" } } ], "usage": { "input_tokens_by_modality": [ { "modality": "text", "tokens": 100 } ], "total_cached_tokens": 0, "total_input_tokens": 100, "total_output_tokens": 25, "total_thought_tokens": 0, "total_tokens": 125, "total_tool_use_tokens": 50 } }
Deep Research
示例响应
{ "id": "v1_ChdPU0F4YWFtNkFwS2kxZThQZ05lbXdROBIXT1NBeGFhbTZBcEtpMWU4UGdOZW13UTg", "agent": "deep-research-pro-preview-12-2025", "status": "completed", "object": "interaction", "created": "2025-11-26T12:22:47Z", "updated": "2025-11-26T12:22:47Z", "steps": [ { "type": "model_output", "content": [ { "type": "text", "text": "Here is a comprehensive research report on the current state of cancer research..." } ] } ], "usage": { "input_tokens_by_modality": [ { "modality": "text", "tokens": 20 } ], "total_cached_tokens": 0, "total_input_tokens": 20, "total_output_tokens": 1000, "total_thought_tokens": 500, "total_tokens": 1520, "total_tool_use_tokens": 0 } }
检索互动
根据单个互动的 `Interaction.id` 检索其完整详细信息。
路径 / 查询参数
要检索的互动的唯一标识符。
如果设置为 true，则会以增量方式流式传输生成的内容。
默认为：False
可选。如果设置，则从由事件 ID 标记的事件之后的下一个块恢复互动流。仅当“stream”为 true 时才可使用。
如果设置为 true，则在回答中包含输入内容。
默认为：False
要使用的 API 版本。
响应
返回 Interaction 资源。
获取互动
示例响应
{ "id": "v1_ChdPU0F4YWFtNkFwS2kxZThQZ05lbXdROBIXT1NBeGFhbTZBcEtpMWU4UGdOZW13UTg", "model": "gemini-3-flash-preview", "status": "completed", "object": "interaction", "created": "2025-11-26T12:25:15Z", "updated": "2025-11-26T12:25:15Z", "steps": [ { "type": "model_output", "content": [ { "type": "text", "text": "I'm doing great, thank you for asking! How can I help you today?" } ] } ] }
删除互动
按 ID 删除互动。
路径 / 查询参数
要删除的互动的唯一标识符。
要使用的 API 版本。
响应
如果成功，则响应为空。
删除互动
取消互动
按 ID 取消互动。这仅适用于仍在运行的后台互动。
路径 / 查询参数
要取消的互动的唯一标识符。
要使用的 API 版本。
响应
返回 Interaction 资源。
取消互动
示例响应
{ "id": "v1_ChdPU0F4YWFtNkFwS2kxZThQZ05lbXdROBIXT1NBeGFhbTZBcEtpMWU4UGdOZW13UTg", "agent": "deep-research-pro-preview-12-2025", "status": "cancelled", "object": "interaction", "created": "2025-11-26T12:25:15Z", "updated": "2025-11-26T12:25:15Z" }
资源
互动
Interaction 资源。
字段
model ModelOption （可选）
用于生成互动的 `Model` 的名称。
可能的值：
-
gemini-2.5-computer-use-preview-10-2025一种智能体功能模型，专为直接界面互动而设计，可让 Gemini 感知和浏览数字环境。
-
gemini-2.5-flash我们的首款混合推理模型，支持 100 万个 token 的上下文窗口，并具有思考预算。
-
gemini-2.5-flash-image我们的原生图片生成模型，在速度、灵活性和上下文理解方面经过优化。文本输入和输出的价格与 2.5 Flash 相同。
-
gemini-2.5-flash-liteGoogle 旗下最小巧且最具成本效益的模型，专为大规模使用而打造。
-
gemini-2.5-flash-lite-preview-09-2025基于 Gemini 2.5 Flash Lite 的最新模型，经过优化，可实现高成本效益、高吞吐量和高质量。
-
gemini-2.5-flash-native-audio-preview-12-2025我们的原生音频模型经过优化，可提供更高质量的音频输出，并能更好地控制语速、声音自然度、表达详略和情绪。
-
gemini-2.5-flash-preview-09-2025基于 2.5 Flash 模型的最新模型。2.5 Flash 预览版最适合大规模处理、低延迟时间、需要思考的高数据量任务以及智能体应用场景。
-
gemini-2.5-flash-preview-tts我们的 2.5 Flash 文字转语音模型经过优化，可生成强大的低延迟可控语音。
-
gemini-2.5-proGoogle 旗下先进的多用途模型，擅长处理编码和复杂的推理任务。
-
gemini-2.5-pro-preview-tts我们的 2.5 Pro 文字转语音音频模型经过优化，可实现强大的低延迟语音生成，从而提供更自然的输出，并更轻松地引导提示。
-
gemini-3-flash-preview我们打造的最智能的模型，专为速度而生，将前沿智能技术与出色的搜索和事实依据能力相结合。
-
gemini-3-pro-image-preview先进的图片生成和编辑模型。
-
gemini-3-pro-preview我们最智能的模型，具有前沿的推理和多模态理解能力，以及强大的智能体和氛围编程 (vibe coding) 功能。
-
gemini-3.1-pro-preview我们最新的 SOTA 推理模型，具有前所未有的深度和细致度，以及强大的多模态理解和编码能力。
-
gemini-3.1-flash-image-preview专业级视觉智能，兼具 Flash 速度的效率和贴近现实的生成能力。
-
gemini-3.1-flash-lite-previewGoogle 旗下最具成本效益的模型，针对高容量智能体任务、翻译和简单的数据处理进行了优化。
-
gemini-3.1-flash-tts-previewGemini 3.1 Flash TTS：功能强大，可生成低延迟的语音。享受自然流畅的输出、可控的提示，以及用于精准控制旁白的新颖的表达性音频标记。
-
lyria-3-clip-preview我们的低延迟音乐创作模型经过优化，可生成高保真音频片段并实现精准的节奏控制。
-
lyria-3-pro-preview我们先进的全歌曲生成模型，具有深厚的作曲理解能力，经过优化，可实现精准的结构控制，并在各种音乐风格之间实现复杂的过渡。
agent AgentOption （可选）
用于生成互动的“代理”的名称。
可能的值：
-
deep-research-pro-preview-12-2025Gemini Deep Research Agent
-
deep-research-preview-04-2026Gemini Deep Research Agent
-
deep-research-max-preview-04-2026Gemini Deep Research Max Agent
必需。仅限输出。互动完成的唯一标识符。
必需。仅限输出。互动的状态。
可能的值：
-
in_progress -
requires_action -
completed -
failed -
cancelled -
incomplete
必需。仅限输出。回答的创建时间，采用 ISO 8601 格式 (YYYY-MM-DDThh:mm:ssZ)。
必需。仅限输出。回答的上次更新时间，采用 ISO 8601 格式 (YYYY-MM-DDThh:mm:ssZ)。
仅限输出。互动的角色。
互动的系统指令。
模型在互动期间可能会调用的工具声明列表。
使用情况 使用情况 （可选）
仅限输出。互动请求的令牌使用情况统计信息。
字段
提示（上下文）中的 token 数量。
input_tokens_by_modality ModalityTokens （可选）
按模态划分的输入令牌用量细分。
字段
modality ResponseModality （可选）
与令牌数量关联的模态。
可能的值：
-
text -
image -
audio -
video -
document
模态的令牌数量。
提示的缓存部分（即缓存的内容）中的 token 数量。
cached_tokens_by_modality ModalityTokens （可选）
按模态划分的缓存令牌使用情况细分。
字段
modality ResponseModality （可选）
与令牌数量关联的模态。
可能的值：
-
text -
image -
audio -
video -
document
模态的令牌数量。
所有生成的回答中的 token 总数。
output_tokens_by_modality ModalityTokens （可选）
按模态划分的输出 token 用量细分。
字段
modality ResponseModality （可选）
与令牌数量关联的模态。
可能的值：
-
text -
image -
audio -
video -
document
模态的令牌数量。
工具使用提示中的 token 数量。
tool_use_tokens_by_modality ModalityTokens （可选）
按模态划分的工具使用情况令牌用量细分。
字段
modality ResponseModality （可选）
与令牌数量关联的模态。
可能的值：
-
text -
image -
audio -
video -
document
模态的令牌数量。
思考模型的思考 token 数。
互动请求（提示 + 回答 + 其他内部 token）的总 token 数。
grounding_tool_count GroundingToolCount （可选）
接地工具数量。
字段
与相应数量关联的依据工具类型。
可能的值：
-
google_search -
google_maps -
retrieval
接地工具数量。
response_modalities ResponseModality （可选）
响应的请求模态（TEXT、IMAGE、AUDIO）。
可能的值：
-
text -
image -
audio -
video -
document
响应的 MIME 类型。如果设置了 response_format，则此字段为必需字段。
上一次互动的 ID（如果有）。
service_tier ServiceTier （可选）
互动的服务层级。
可能的值：
-
flex -
standard -
priority
webhook_config WebhookConfig （可选）
可选。用于在互动完成时接收通知的网络钩子配置。
字段
可选。如果设置，这些网络钩子 URI 将用于网络钩子事件，而不是注册的网络钩子。
可选。每次向 webhook 发送事件时返回的用户元数据。
步骤 步骤 （可选）
仅限输出。构成互动的步骤。
可能的类型
多态鉴别器：type
UserInputStep
ModelOutputStep
ThoughtStep
思考步骤。
没有提供说明。
一律设置为 "thought"
用于后端验证的签名哈希。
总结 ThoughtSummaryContent （可选）
想法的总结。
可能的类型
多态鉴别器：type
TextContent
文本内容块。
没有提供说明。
一律设置为 "text"
必需。文本内容。
注释 注释 （可选）
模型生成的内容的引用信息。
可能的类型
多态鉴别器：type
UrlCitation
网址引用注释。
没有提供说明。
一律设置为 "url_citation"
网址。
相应网址的标题。
归因于相应来源的响应部分的起始位置。 索引指示段落的开始，以字节为单位衡量。
归因段落的结束，不包括此索引。
FileCitation
文件引用注释。
没有提供说明。
一律设置为 "file_citation"
文件的 URI。
相应文件的名称。
文本部分的归因来源。
用户提供的有关检索到的上下文的元数据。
所引用文档的页码（如适用）。
图片引用对应的媒体 ID（如果适用）。
归因于相应来源的响应部分的起始位置。 索引指示段落的开始，以字节为单位衡量。
归因段落的结束，不包括此索引。
PlaceCitation
地点引用注释。
没有提供说明。
一律设置为 "place_citation"
地点的 ID，格式为 `places/{place_id}`。
地点的名称。
地点的 URI 引用。
review_snippets ReviewSnippet （可选）
用于生成有关 Google 地图中指定地点的特征的回答的评价摘要。
字段
评价的标题。
与 Google 地图上的用户评价对应的链接。
评价摘要的 ID。
归因于相应来源的响应部分的起始位置。 索引指示段落的开始，以字节为单位衡量。
归因段落的结束，不包括此索引。
ImageContent
图片内容块。
没有提供说明。
一律设置为 "image"
图片内容。
图片的 URI。
图片的 MIME 类型。
可能的值：
-
image/png -
image/jpeg -
image/webp -
image/heic -
image/heif -
image/gif -
image/bmp -
image/tiff
分辨率 MediaResolution （可选）
媒体的分辨率。
可能的值：
-
low -
medium -
high -
ultra_high
FunctionCallStep
函数工具调用步骤。
没有提供说明。
一律设置为 "function_call"
必需。要调用的工具的名称。
必需。要传递给函数的实参。
必需。此特定工具调用的唯一 ID。
用于后端验证的签名哈希。
CodeExecutionCallStep
代码执行调用步骤。
没有提供说明。
一律设置为 "code_execution_call"
实参 CodeExecutionCallStepArguments （必需）
必需。要传递给代码执行的实参。
字段
相应 `code` 的编程语言。
可能的值：
-
python
要执行的代码。
必需。此特定工具调用的唯一 ID。
用于后端验证的签名哈希。
UrlContextCallStep
网址上下文调用步骤。
没有提供说明。
一律设置为 "url_context_call"
arguments UrlContextCallStepArguments （必需）
必需。要传递给网址上下文的实参。
字段
要提取的网址。
必需。此特定工具调用的唯一 ID。
用于后端验证的签名哈希。
McpServerToolCallStep
MCPServer 工具调用步骤。
没有提供说明。
一律设置为 "mcp_server_tool_call"
必需。被调用的工具的名称。
必需。所用 MCP 服务器的名称。
必需。函数的实参 JSON 对象。
必需。此特定工具调用的唯一 ID。
用于后端验证的签名哈希。
GoogleSearchCallStep
Google 搜索通话步骤。
没有提供说明。
一律设置为 "google_search_call"
实参 GoogleSearchCallStepArguments （必需）
必需。要传递给 Google 搜索的实参。
字段
后续网络搜索的网页搜索查询。
已启用的搜索接地类型。
可能的值：
-
web_search -
image_search -
enterprise_web_search
必需。此特定工具调用的唯一 ID。
用于后端验证的签名哈希。
FileSearchCallStep
文件搜索调用步骤。
没有提供说明。
一律设置为 "file_search_call"
必需。此特定工具调用的唯一 ID。
用于后端验证的签名哈希。
GoogleMapsCallStep
Google 地图通话步骤。
没有提供说明。
一律设置为 "google_maps_call"
arguments GoogleMapsCallStepArguments （可选）
要传递给 Google 地图工具的实参。
字段
要执行的查询。
必需。此特定工具调用的唯一 ID。
用于后端验证的签名哈希。
FunctionResultStep
函数工具调用的结果。
没有提供说明。
一律设置为 "function_result"
所调用工具的名称。
工具调用是否导致了错误。
必需。用于与函数调用块中的 ID 相匹配的 ID。
用于后端验证的签名哈希。
工具调用的结果。
CodeExecutionResultStep
代码执行结果步骤。
没有提供说明。
一律设置为 "code_execution_result"
必需。代码执行的输出。
代码执行是否导致了错误。
必需。用于与函数调用块中的 ID 相匹配的 ID。
用于后端验证的签名哈希。
UrlContextResultStep
网址上下文结果步骤。
没有提供说明。
一律设置为 "url_context_result"
result UrlContextResultItem （必需）
必需。网址上下文的结果。
字段
提取的网址。
网址检索的状态。
可能的值：
-
success -
error -
paywall -
unsafe
网址上下文是否导致了错误。
必需。用于与函数调用块中的 ID 相匹配的 ID。
用于后端验证的签名哈希。
GoogleSearchResultStep
Google 搜索结果步骤。
没有提供说明。
一律设置为 "google_search_result"
result GoogleSearchResultItem （必需）
必需。Google 搜索的结果。
字段
可嵌入网页或应用 WebView 中的 Web 内容代码段。
Google 搜索是否导致了错误。
必需。用于与函数调用块中的 ID 相匹配的 ID。
用于后端验证的签名哈希。
McpServerToolResultStep
MCPServer 工具结果步骤。
没有提供说明。
一律设置为 "mcp_server_tool_result"
针对此特定工具调用而调用的工具的名称。
所用 MCP 服务器的名称。
必需。用于与函数调用块中的 ID 相匹配的 ID。
用于后端验证的签名哈希。
MCP 服务器调用的输出。可以是纯文本，也可以是富媒体内容。
FileSearchResultStep
文件搜索结果步骤。
没有提供说明。
一律设置为 "file_search_result"
必需。用于与函数调用块中的 ID 相匹配的 ID。
用于后端验证的签名哈希。
GoogleMapsResultStep
Google 地图结果步骤。
没有提供说明。
一律设置为 "google_maps_result"
result GoogleMapsResultItem （必需）
没有提供说明。
字段
places GoogleMapsResultPlaces （可选）
没有提供说明。
字段
没有提供说明。
没有提供说明。
没有提供说明。
review_snippets ReviewSnippet （可选）
没有提供说明。
字段
评价的标题。
与 Google 地图上的用户评价对应的链接。
评价摘要的 ID。
没有提供说明。
必需。用于与函数调用块中的 ID 相匹配的 ID。
用于后端验证的签名哈希。
互动的输入。
强制要求生成的回答是符合此字段中指定的 JSON 架构的 JSON 对象。
agent_config object （可选）
代理互动的配置参数。
可能的类型
多态鉴别器：type
DynamicAgentConfig
动态代理的配置。
没有提供说明。
一律设置为 "dynamic"
DeepResearchAgentConfig
Deep Research 代理的配置。
没有提供说明。
一律设置为 "deep-research"
thinking_summaries ThinkingSummaries （可选）
是否在回答中包含思路总结。
可能的值：
-
auto -
none
是否在回答中包含可视化图表。
可能的值：
-
off -
auto
为 Deep Research 智能体启用人机协同规划。如果设置为 true，Deep Research 智能体将在其回答中提供研究计划。然后，只有在用户在下一轮对话中确认方案后，代理才会继续。
示例
示例
{ "created": "2025-12-04T15:01:45Z", "id": "v1_ChdXS0l4YWZXTk9xbk0xZThQczhEcmlROBIXV0tJeGFmV05PcW5NMWU4UHM4RHJpUTg", "model": "gemini-3-flash-preview", "object": "interaction", "steps": [ { "type": "model_output", "content": [ { "type": "text", "text": "Hello! I'm doing well, functioning as expected. Thank you for asking! How are you doing today?" } ] } ], "status": "completed", "updated": "2025-12-04T15:01:45Z", "usage": { "input_tokens_by_modality": [ { "modality": "text", "tokens": 7 } ], "total_cached_tokens": 0, "total_input_tokens": 7, "total_output_tokens": 23, "total_thought_tokens": 49, "total_tokens": 79, "total_tool_use_tokens": 0 } }
数据模型
内容
回答的内容。
可能的类型
多态鉴别器：type
TextContent
文本内容块。
没有提供说明。
一律设置为 "text"
必需。文本内容。
注释 注释 （可选）
模型生成的内容的引用信息。
可能的类型
多态鉴别器：type
UrlCitation
网址引用注释。
没有提供说明。
一律设置为 "url_citation"
网址。
相应网址的标题。
归因于相应来源的响应部分的起始位置。 索引指示段落的开始，以字节为单位衡量。
归因段落的结束，不包括此索引。
FileCitation
文件引用注释。
没有提供说明。
一律设置为 "file_citation"
文件的 URI。
相应文件的名称。
文本部分的归因来源。
用户提供的有关检索到的上下文的元数据。
所引用文档的页码（如适用）。
图片引用对应的媒体 ID（如果适用）。
归因于相应来源的响应部分的起始位置。 索引指示段落的开始，以字节为单位衡量。
归因段落的结束，不包括此索引。
PlaceCitation
地点引用注释。
没有提供说明。
一律设置为 "place_citation"
地点的 ID，格式为 `places/{place_id}`。
地点的名称。
地点的 URI 引用。
review_snippets ReviewSnippet （可选）
用于生成有关 Google 地图中指定地点的特征的回答的评价摘要。
字段
评价的标题。
与 Google 地图上的用户评价对应的链接。
评价摘要的 ID。
归因于相应来源的响应部分的起始位置。 索引指示段落的开始，以字节为单位衡量。
归因段落的结束，不包括此索引。
ImageContent
图片内容块。
没有提供说明。
一律设置为 "image"
图片内容。
图片的 URI。
图片的 MIME 类型。
可能的值：
-
image/png -
image/jpeg -
image/webp -
image/heic -
image/heif -
image/gif -
image/bmp -
image/tiff
分辨率 MediaResolution （可选）
媒体的分辨率。
可能的值：
-
low -
medium -
high -
ultra_high
AudioContent
音频内容块。
没有提供说明。
一律设置为 "audio"
音频内容。
音频的 URI。
音频的 MIME 类型。
可能的值：
-
audio/wav -
audio/mp3 -
audio/aiff -
audio/aac -
audio/ogg -
audio/flac -
audio/mpeg -
audio/m4a -
audio/l16 -
audio/opus -
audio/alaw -
audio/mulaw
音频声道数。
音频的采样率。
DocumentContent
文档内容块。
没有提供说明。
一律设置为 "document"
文档内容。
文档的 URI。
文档的 MIME 类型。
可能的值：
-
application/pdf
VideoContent
视频内容块。
没有提供说明。
一律设置为 "video"
视频内容。
视频的 URI。
视频的 MIME 类型。
可能的值：
-
video/mp4 -
video/mpeg -
video/mpg -
video/mov -
video/avi -
video/x-flv -
video/webm -
video/wmv -
video/3gpp
分辨率 MediaResolution （可选）
媒体的分辨率。
可能的值：
-
low -
medium -
high -
ultra_high
示例
文字
{ "type": "text", "text": "Hello, how are you?" }
图片
{ "type": "image", "data": "BASE64_ENCODED_IMAGE", "mime_type": "image/png" }
音频
{ "type": "audio", "data": "BASE64_ENCODED_AUDIO", "mime_type": "audio/wav" }
文档
{ "type": "document", "data": "BASE64_ENCODED_DOCUMENT", "mime_type": "application/pdf" }
视频
{ "type": "video", "uri": "https://www.youtube.com/watch?v=9hE5-98ZeCg" }
工具
可供模型使用的工具。
可能的类型
多态鉴别器：type
函数
可供模型使用的工具。
没有提供说明。
一律设置为 "function"
函数的名称。
函数的说明。
函数的参数的 JSON 架构。
CodeExecution
一种可供模型用来执行代码的工具。
没有提供说明。
一律设置为 "code_execution"
UrlContext
一种可供模型用来提取网址上下文的工具。
没有提供说明。
一律设置为 "url_context"
ComputerUse
一种可供模型用于与计算机互动的工具。
没有提供说明。
一律设置为 "computer_use"
正在运行的环境。
可能的值：
-
browser
从模型调用中排除的预定义函数列表。
McpServer
MCPServer 是一种可供模型调用以执行操作的服务器。
没有提供说明。
一律设置为 "mcp_server"
MCPServer 的名称。
MCPServer 端点的完整网址。 示例：“https://api.example.com/mcp”
可选：身份验证标头、超时等字段（如果需要）。
allowed_tools AllowedTools （可选）
允许使用的工具。
字段
mode ToolChoiceType （可选）
工具选择的模式。
可能的值：
-
auto -
any -
none -
validated
允许使用的工具的名称。
GoogleSearch
模型可用于搜索 Google 的工具。
没有提供说明。
一律设置为 "google_search"
要启用的搜索接地类型。
可能的值：
-
web_search -
image_search -
enterprise_web_search
FileSearch
一种可供模型用来搜索文件的工具。
没有提供说明。
一律设置为 "file_search"
要搜索的文件搜索存储区名称。
要检索的语义检索块数量。
要应用于语义检索文档和块的元数据过滤条件。
GoogleMaps
一种可供模型用来调用 Google 地图的工具。
没有提供说明。
一律设置为 "google_maps"
是否在响应的工具调用结果中返回 widget 上下文令牌。
用户所在位置的纬度。
用户所在位置的经度。
检索
一种可供模型用来检索文件的工具。
没有提供说明。
一律设置为 "retrieval"
要启用的文件检索类型。
可能的值：
-
vertex_ai_search
vertex_ai_search_config VertexAISearchConfig （可选）
用于指定 VertexAISearch 的配置。
字段
可选。用于指定 Vertex AI Search 引擎。
可选。用于指定 Vertex AI Search 数据存储区。
示例
函数
CodeExecution
UrlContext
ComputerUse
McpServer
GoogleSearch
FileSearch
GoogleMaps
检索
此类型没有可用的示例。
InteractionSseEvent
可能的类型
多态鉴别器：event_type
InteractionCreatedEvent
没有提供说明。
一律设置为 "interaction.created"
没有提供说明。
用于从相应事件恢复互动流的 event_id 令牌。
InteractionCompletedEvent
没有提供说明。
一律设置为 "interaction.completed"
必需。已完成的互动，输出为空，以减小载荷大小。 使用前面的 ContentDelta 事件作为实际输出。
用于从相应事件恢复互动流的 event_id 令牌。
InteractionStatusUpdate
没有提供说明。
一律设置为 "interaction.status_update"
没有提供说明。
没有提供说明。
可能的值：
-
in_progress -
requires_action -
completed -
failed -
cancelled -
incomplete
用于从相应事件恢复互动流的 event_id 令牌。
ErrorEvent
没有提供说明。
一律设置为 "error"
error Error (optional)
没有提供说明。
字段
用于标识错误类型的 URI。
人类可读的错误消息。
用于从相应事件恢复互动流的 event_id 令牌。
StepStart
没有提供说明。
一律设置为 "step.start"
没有提供说明。
step Step （必需）
没有提供说明。
可能的类型
多态鉴别器：type
UserInputStep
ModelOutputStep
ThoughtStep
思考步骤。
没有提供说明。
一律设置为 "thought"
用于后端验证的签名哈希。
总结 ThoughtSummaryContent （可选）
想法的总结。
可能的类型
多态鉴别器：type
TextContent
文本内容块。
没有提供说明。
一律设置为 "text"
必需。文本内容。
注释 注释 （可选）
模型生成的内容的引用信息。
可能的类型
多态鉴别器：type
UrlCitation
网址引用注释。
没有提供说明。
一律设置为 "url_citation"
网址。
相应网址的标题。
归因于相应来源的响应部分的起始位置。 索引指示段落的开始，以字节为单位衡量。
归因段落的结束，不包括此索引。
FileCitation
文件引用注释。
没有提供说明。
一律设置为 "file_citation"
文件的 URI。
相应文件的名称。
文本部分的归因来源。
用户提供的有关检索到的上下文的元数据。
所引用文档的页码（如适用）。
图片引用对应的媒体 ID（如果适用）。
归因于相应来源的响应部分的起始位置。 索引指示段落的开始，以字节为单位衡量。
归因段落的结束，不包括此索引。
PlaceCitation
地点引用注释。
没有提供说明。
一律设置为 "place_citation"
地点的 ID，格式为 `places/{place_id}`。
地点的名称。
地点的 URI 引用。
review_snippets ReviewSnippet （可选）
用于生成有关 Google 地图中指定地点的特征的回答的评价摘要。
字段
评价的标题。
与 Google 地图上的用户评价对应的链接。
评价摘要的 ID。
归因于相应来源的响应部分的起始位置。 索引指示段落的开始，以字节为单位衡量。
归因段落的结束，不包括此索引。
ImageContent
图片内容块。
没有提供说明。
一律设置为 "image"
图片内容。
图片的 URI。
图片的 MIME 类型。
可能的值：
-
image/png -
image/jpeg -
image/webp -
image/heic -
image/heif -
image/gif -
image/bmp -
image/tiff
分辨率 MediaResolution （可选）
媒体的分辨率。
可能的值：
-
low -
medium -
high -
ultra_high
FunctionCallStep
函数工具调用步骤。
没有提供说明。
一律设置为 "function_call"
必需。要调用的工具的名称。
必需。要传递给函数的实参。
必需。此特定工具调用的唯一 ID。
用于后端验证的签名哈希。
CodeExecutionCallStep
代码执行调用步骤。
没有提供说明。
一律设置为 "code_execution_call"
实参 CodeExecutionCallStepArguments （必需）
必需。要传递给代码执行的实参。
字段
相应 `code` 的编程语言。
可能的值：
-
python
要执行的代码。
必需。此特定工具调用的唯一 ID。
用于后端验证的签名哈希。
UrlContextCallStep
网址上下文调用步骤。
没有提供说明。
一律设置为 "url_context_call"
arguments UrlContextCallStepArguments （必需）
必需。要传递给网址上下文的实参。
字段
要提取的网址。
必需。此特定工具调用的唯一 ID。
用于后端验证的签名哈希。
McpServerToolCallStep
MCPServer 工具调用步骤。
没有提供说明。
一律设置为 "mcp_server_tool_call"
必需。被调用的工具的名称。
必需。所用 MCP 服务器的名称。
必需。函数的实参 JSON 对象。
必需。此特定工具调用的唯一 ID。
用于后端验证的签名哈希。
GoogleSearchCallStep
Google 搜索通话步骤。
没有提供说明。
一律设置为 "google_search_call"
实参 GoogleSearchCallStepArguments （必需）
必需。要传递给 Google 搜索的实参。
字段
后续网络搜索的网页搜索查询。
已启用的搜索接地类型。
可能的值：
-
web_search -
image_search -
enterprise_web_search
必需。此特定工具调用的唯一 ID。
用于后端验证的签名哈希。
FileSearchCallStep
文件搜索调用步骤。
没有提供说明。
一律设置为 "file_search_call"
必需。此特定工具调用的唯一 ID。
用于后端验证的签名哈希。
GoogleMapsCallStep
Google 地图通话步骤。
没有提供说明。
一律设置为 "google_maps_call"
arguments GoogleMapsCallStepArguments （可选）
要传递给 Google 地图工具的实参。
字段
要执行的查询。
必需。此特定工具调用的唯一 ID。
用于后端验证的签名哈希。
FunctionResultStep
函数工具调用的结果。
没有提供说明。
一律设置为 "function_result"
所调用工具的名称。
工具调用是否导致了错误。
必需。用于与函数调用块中的 ID 相匹配的 ID。
用于后端验证的签名哈希。
工具调用的结果。
CodeExecutionResultStep
代码执行结果步骤。
没有提供说明。
一律设置为 "code_execution_result"
必需。代码执行的输出。
代码执行是否导致了错误。
必需。用于与函数调用块中的 ID 相匹配的 ID。
用于后端验证的签名哈希。
UrlContextResultStep
网址上下文结果步骤。
没有提供说明。
一律设置为 "url_context_result"
result UrlContextResultItem （必需）
必需。网址上下文的结果。
字段
提取的网址。
网址检索的状态。
可能的值：
-
success -
error -
paywall -
unsafe
网址上下文是否导致了错误。
必需。用于与函数调用块中的 ID 相匹配的 ID。
用于后端验证的签名哈希。
GoogleSearchResultStep
Google 搜索结果步骤。
没有提供说明。
一律设置为 "google_search_result"
result GoogleSearchResultItem （必需）
必需。Google 搜索的结果。
字段
可嵌入网页或应用 WebView 中的 Web 内容代码段。
Google 搜索是否导致了错误。
必需。用于与函数调用块中的 ID 相匹配的 ID。
用于后端验证的签名哈希。
McpServerToolResultStep
MCPServer 工具结果步骤。
没有提供说明。
一律设置为 "mcp_server_tool_result"
针对此特定工具调用而调用的工具的名称。
所用 MCP 服务器的名称。
必需。用于与函数调用块中的 ID 相匹配的 ID。
用于后端验证的签名哈希。
MCP 服务器调用的输出。可以是纯文本，也可以是富媒体内容。
FileSearchResultStep
文件搜索结果步骤。
没有提供说明。
一律设置为 "file_search_result"
必需。用于与函数调用块中的 ID 相匹配的 ID。
用于后端验证的签名哈希。
GoogleMapsResultStep
Google 地图结果步骤。
没有提供说明。
一律设置为 "google_maps_result"
result GoogleMapsResultItem （必需）
没有提供说明。
字段
places GoogleMapsResultPlaces （可选）
没有提供说明。
字段
没有提供说明。
没有提供说明。
没有提供说明。
review_snippets ReviewSnippet （可选）
没有提供说明。
字段
评价的标题。
与 Google 地图上的用户评价对应的链接。
评价摘要的 ID。
没有提供说明。
必需。用于与函数调用块中的 ID 相匹配的 ID。
用于后端验证的签名哈希。
用于从相应事件恢复互动流的 event_id 令牌。
StepDelta
没有提供说明。
一律设置为 "step.delta"
没有提供说明。
delta StepDeltaData （必需）
没有提供说明。
可能的类型
多态鉴别器：type
TextDelta
没有提供说明。
一律设置为 "text"
没有提供说明。
ImageDelta
没有提供说明。
一律设置为 "image"
没有提供说明。
没有提供说明。
没有提供说明。
可能的值：
-
image/png -
image/jpeg -
image/webp -
image/heic -
image/heif -
image/gif -
image/bmp -
image/tiff
分辨率 MediaResolution （可选）
媒体的分辨率。
可能的值：
-
low -
medium -
high -
ultra_high
AudioDelta
没有提供说明。
一律设置为 "audio"
没有提供说明。
没有提供说明。
没有提供说明。
可能的值：
-
audio/wav -
audio/mp3 -
audio/aiff -
audio/aac -
audio/ogg -
audio/flac -
audio/mpeg -
audio/m4a -
audio/l16 -
audio/opus -
audio/alaw -
audio/mulaw
已弃用。请改用 sample_rate。系统会忽略该值。
音频的采样率。
音频声道数。
DocumentDelta
没有提供说明。
一律设置为 "document"
没有提供说明。
没有提供说明。
没有提供说明。
可能的值：
-
application/pdf
VideoDelta
没有提供说明。
一律设置为 "video"
没有提供说明。
没有提供说明。
没有提供说明。
可能的值：
-
video/mp4 -
video/mpeg -
video/mpg -
video/mov -
video/avi -
video/x-flv -
video/webm -
video/wmv -
video/3gpp
分辨率 MediaResolution （可选）
媒体的分辨率。
可能的值：
-
low -
medium -
high -
ultra_high
ThoughtSummaryDelta
没有提供说明。
一律设置为 "thought_summary"
content ThoughtSummaryContent （可选）
要添加到想法中的新总结项。
可能的类型
多态鉴别器：type
TextContent
文本内容块。
没有提供说明。
一律设置为 "text"
必需。文本内容。
注释 注释 （可选）
模型生成的内容的引用信息。
可能的类型
多态鉴别器：type
UrlCitation
网址引用注释。
没有提供说明。
一律设置为 "url_citation"
网址。
相应网址的标题。
归因于相应来源的响应部分的起始位置。 索引指示段落的开始，以字节为单位衡量。
归因段落的结束，不包括此索引。
FileCitation
文件引用注释。
没有提供说明。
一律设置为 "file_citation"
文件的 URI。
相应文件的名称。
文本部分的归因来源。
用户提供的有关检索到的上下文的元数据。
所引用文档的页码（如适用）。
图片引用对应的媒体 ID（如果适用）。
归因于相应来源的响应部分的起始位置。 索引指示段落的开始，以字节为单位衡量。
归因段落的结束，不包括此索引。
PlaceCitation
地点引用注释。
没有提供说明。
一律设置为 "place_citation"
地点的 ID，格式为 `places/{place_id}`。
地点的名称。
地点的 URI 引用。
review_snippets ReviewSnippet （可选）
用于生成有关 Google 地图中指定地点的特征的回答的评价摘要。
字段
评价的标题。
与 Google 地图上的用户评价对应的链接。
评价摘要的 ID。
归因于相应来源的响应部分的起始位置。 索引指示段落的开始，以字节为单位衡量。
归因段落的结束，不包括此索引。
ImageContent
图片内容块。
没有提供说明。
一律设置为 "image"
图片内容。
图片的 URI。
图片的 MIME 类型。
可能的值：
-
image/png -
image/jpeg -
image/webp -
image/heic -
image/heif -
image/gif -
image/bmp -
image/tiff
分辨率 MediaResolution （可选）
媒体的分辨率。
可能的值：
-
low -
medium -
high -
ultra_high
ThoughtSignatureDelta
没有提供说明。
一律设置为 "thought_signature"
用于匹配要纳入生成范围的后端来源的签名。
TextAnnotationDelta
没有提供说明。
一律设置为 "text_annotation_delta"
注释 注释 （可选）
模型生成的内容的引用信息。
可能的类型
多态鉴别器：type
UrlCitation
网址引用注释。
没有提供说明。
一律设置为 "url_citation"
网址。
相应网址的标题。
归因于相应来源的响应部分的起始位置。 索引指示段落的开始，以字节为单位衡量。
归因段落的结束，不包括此索引。
FileCitation
文件引用注释。
没有提供说明。
一律设置为 "file_citation"
文件的 URI。
相应文件的名称。
文本部分的归因来源。
用户提供的有关检索到的上下文的元数据。
所引用文档的页码（如适用）。
图片引用对应的媒体 ID（如果适用）。
归因于相应来源的响应部分的起始位置。 索引指示段落的开始，以字节为单位衡量。
归因段落的结束，不包括此索引。
PlaceCitation
地点引用注释。
没有提供说明。
一律设置为 "place_citation"
地点的 ID，格式为 `places/{place_id}`。
地点的名称。
地点的 URI 引用。
review_snippets ReviewSnippet （可选）
用于生成有关 Google 地图中指定地点的特征的回答的评价摘要。
字段
评价的标题。
与 Google 地图上的用户评价对应的链接。
评价摘要的 ID。
归因于相应来源的响应部分的起始位置。 索引指示段落的开始，以字节为单位衡量。
归因段落的结束，不包括此索引。
ArgumentsDelta
没有提供说明。
一律设置为 "arguments_delta"
没有提供说明。
用于从相应事件恢复互动流的 event_id 令牌。
StepStop
没有提供说明。
一律设置为 "step.stop"
没有提供说明。
用于从相应事件恢复互动流的 event_id 令牌。
示例
创建了互动
{ "event_type": "interaction.created", "interaction": { "id": "v1_ChdXS0l4YWZXTk9xbk0xZThQczhEcmlROBIXV0tJeGFmV05PcW5NMWU4UHM4RHJpUTg", "model": "gemini-3-flash-preview", "status": "in_progress", "created": "2025-12-04T15:01:45Z", "updated": "2025-12-04T15:01:45Z" }, "event_id": "evt_123" }
互动完成
{ "event_type": "interaction.completed", "interaction": { "id": "v1_ChdXS0l4YWZXTk9xbk0xZThQczhEcmlROBIXV0tJeGFmV05PcW5NMWU4UHM4RHJpUTg", "model": "gemini-3-flash-preview", "status": "completed", "created": "2025-12-04T15:01:45Z", "updated": "2025-12-04T15:01:45Z" }, "event_id": "evt_123" }
互动状态更新
{ "event_type": "interaction.status_update", "interaction_id": "v1_ChdTMjQ0YWJ5TUF1TzcxZThQdjRpcnFRcxIXUzI0NGFieU1BdU83MWU4UHY0aXJxUXM", "status": "in_progress" }
错误事件
{ "event_type": "error", "error": { "message": "Failed to get completed interaction: Result not found.", "code": "not_found" } }
步骤开始
{ "event_type": "step.start", "index": 0, "step": { "type": "model_output" } }
步数增量
{ "event_type": "step.delta", "index": 0, "delta": { "type": "text", "text": "Hello" } }
步进停止
{ "event_type": "step.stop", "index": 0 }