Mit der Funktion „Verknüpfung mit der Google Suche“ in der Gemini API und in AI Studio können Sie die Genauigkeit und Aktualität der Antworten des Modells verbessern. Wenn die Funktion „Fundierung mit der Google Suche“ aktiviert ist, gibt die Gemini API neben sachlicheren Antworten auch Fundierungsquellen (in-line-Unterstützungslinks) und Google-Suchvorschläge zurück. Die Suchvorschläge verweisen Nutzer auf die Suchergebnisse, die der fundierten Antwort entsprechen.
Für die Kontextualisierung mit der Google Suche werden nur Textprompts unterstützt. Multimodale Prompts (Text und Bild, Text und Audio usw.) werden nicht unterstützt. Die Funktion „Erdung mit der Google Suche“ unterstützt alle verfügbaren Sprachen für Gemini-Modelle.
In dieser Anleitung erfahren Sie, wie Sie mit einem der Gemini API SDKs oder der REST API die Funktion „Grounding with Google Search“ verwenden.
Modell für die Verwendung der Google Suche konfigurieren
Warum ist die Fundierung mit der Google Suche nützlich?
Bei der generativen KI bezieht sich die Fundierung auf den Prozess, das Modell mit überprüfbaren Informationsquellen zu verbinden. Diese Quellen können reale Informationen zum Arbeitsplatz oder anderen spezifischen Kontext liefern. Eine Fundierung trägt dazu bei, die Genauigkeit, Zuverlässigkeit und Nützlichkeit von KI-Ausgaben zu verbessern.
Das ist besonders wichtig für Prompts, für die aktuelle Informationen aus dem Web erforderlich sind. Mithilfe von Fundierung kann das Modell auf Informationen über das Datum hinaus zugreifen, an dem es keine Informationen gibt, Quellen für die Informationen abrufen und Fragen beantworten, die es andernfalls nicht richtig hätte beantworten können.
Mit Google AI Studio oder der Gemini API können Sie die Modellausgabe auf die Google Suche beziehen. Die Fundierung mit der Google Suche bietet folgende Vorteile:
- Ermöglicht Modellantworten, die an bestimmte Inhalte gebunden sind.
- Reduziert die Modellhalluzinationen, also Fälle, bei denen das Modell Inhalte generiert, die nicht faktisch sind.
- Verankert Modellantworten auf Quellen, auf die Nutzer klicken und die sie öffnen können.
- Verbessert die Vertrauenswürdigkeit und Anwendbarkeit der generierten Inhalte.
Wenn Sie die Funktion „Fundierung mit der Google Suche“ verwenden, verbinden Sie das Modell effektiv mit zuverlässigen Suchergebnissen aus dem Internet. Da die Antworten nicht fundierter Modelle auf gelernten Mustern basieren, erhalten Sie möglicherweise keine sachlichen Antworten auf Prompts zu aktuellen Ereignissen, z. B. wenn Sie nach einer Wettervorhersage oder dem Endergebnis eines Fußballspiels fragen. Da das Internet Zugang zu neuen Informationen bietet, kann ein fundierter Prompt aktuellere Antworten mit zitierten Quellen generieren.
Hier ist ein Beispiel, in dem eine nicht fundierte Antwort mit einer fundierten Antwort verglichen wird, die mit der API generiert wurden. (Die Antworten wurden im Oktober 2024 generiert.)
| Fundiertes Gemini | Fundierung mit der Google Suche |
|---|---|
| Prompt: Wer hat dieses Jahr den Super Bowl gewonnen? Antwort: Die Kansas City Chiefs haben 2023 den Super Bowl LVII gewonnen. |
Aufgabe:Wer hat dieses Jahr den Super Bowl gewonnen? Antwort: Die Kansas City Chiefs haben dieses Jahr den Super Bowl LVIII gewonnen, indem sie die San Francisco 49ers in der Verlängerung mit 25:22 besiegt haben. |
In der nicht fundierten Antwort bezieht sich das Modell auf den Super Bowl-Sieg der Kansas City Chiefs 2023. In der fundierten Antwort verweist das Modell korrekt auf den neueren Sieg von 2024.
Die folgende Abbildung zeigt, wie eine fundierte Antwort in AI Studio aussieht.
Suchvorschläge in der Google Suche
Wenn Sie die Funktion „Fundierung mit der Google Suche“ verwenden möchten, müssen Sie Google-Suchvorschläge anzeigen. Das sind Suchanfragen, die in den Metadaten der fundierten Antwort enthalten sind. Weitere Informationen zu den Anzeigeanforderungen finden Sie unter Google-Suchvorschläge verwenden.
Dynamische Abfrage
Bei einigen Suchanfragen ist die Fundierung mit der Google Suche wahrscheinlich effektiver als bei anderen. Mit der Funktion dynamischer Abruf können Sie zusätzlich steuern, wann die Fundierung für die Google Suche verwendet werden soll.
Wenn der Modus für die dynamische Abfrage nicht angegeben ist, wird die Funktion „Fundierung mit der Google Suche“ immer ausgelöst. Wenn der Modus auf „dynamisch“ gesetzt ist, entscheidet das Modell anhand eines konfigurierbaren Grenzwerts, wann die Erdung verwendet werden soll. Der Schwellenwert ist ein Gleitkommawert im Bereich [0,1] und standardmäßig 0,3. Wenn der Grenzwert 0 ist, basiert die Antwort immer auf der Google Suche. Bei einem Wert von 1 ist das nie der Fall.
Funktionsweise des dynamischen Abrufs
Mithilfe des dynamischen Abrufs in Ihrer Anfrage können Sie festlegen, wann die Funktion „Fundierung mit der Google Suche“ aktiviert werden soll. Das ist nützlich, wenn für den Prompt keine Antwort erforderlich ist, die auf der Google Suche basiert, und das Modell eine Antwort liefern kann, die auf dem eigenen Wissen basiert, aber nicht begründet. So lassen sich Latenz, Qualität und Kosten effektiver verwalten.
Bevor Sie die Konfiguration für den dynamischen Abruf in Ihrer Anfrage aufrufen, sollten Sie sich mit der folgenden Terminologie vertraut machen:
Vorhersagewert: Wenn Sie eine fundierte Antwort anfordern, weist Gemini dem Prompt einen Vorhersagewert zu. Der Vorhersagewert ist ein Gleitkommawert im Bereich [0,1]. Der Wert hängt davon ab, ob die Antwort auf den Prompt durch die aktuellsten Informationen aus der Google Suche fundiert werden kann. Wenn für einen Prompt also eine Antwort erforderlich ist, die auf den neuesten Fakten im Web basiert, hat er eine höhere Prädiktionsbewertung. Ein Prompt, für den eine vom Modell generierte Antwort ausreicht, hat einen niedrigeren Vorhersagewert.
Hier sind einige Beispiele für Prompts und ihre Vorhersagewerte.
Prompt Vorhersagewert Kommentar „Schreib ein Gedicht über Pfingstrosen“ 0,13 Das Modell kann auf sein Wissen zurückgreifen und die Antwort muss nicht fundiert werden. „Empfiehl mir ein Spielzeug für ein zweijähriges Kind“ 0,36 Das Modell kann sich auf sein Wissen verlassen und die Antwort erfordert keine Fundierung. „Können Sie mir ein Rezept für eine asiatisch inspirierte Guacamole geben?“ 0,55 Die Google Suche kann eine fundierte Antwort liefern, aber eine Fundierung ist nicht unbedingt erforderlich. Möglicherweise reichen die Kenntnisse über das Modell aus. „Was ist Agent Builder? Wie wird die Erdung in Agent Builder abgerechnet?“ 0.72 Erfordert, dass die Google Suche eine fundierte Antwort liefert. „Wer hat den letzten Formel-1-Grand-Prix gewonnen?“ 0,97 Erfordert, dass die Google Suche eine fundierte Antwort generiert. Schwellenwert: In der API-Anfrage können Sie eine Konfiguration für den dynamischen Abruf mit einem Schwellenwert angeben. Der Schwellenwert ist ein Gleitkommawert im Bereich [0,1] und hat den Standardwert 0,7. Wenn der Schwellenwert null ist, basiert die Antwort immer auf der Google Suche. Für alle anderen Grenzwerte gilt Folgendes:
- Wenn der Vorhersagewert den Schwellenwert erreicht oder überschreitet, wird die Antwort auf der Google Suche gestützt. Ein niedrigerer Grenzwert bedeutet, dass für mehr Prompts Antworten generiert werden, die mit der Fundierung mit der Google Suche erstellt wurden.
- Wenn der Vorhersagewert unter dem Grenzwert liegt, generiert das Modell die Antwort möglicherweise trotzdem, sie basiert aber nicht auf der Google Suche.
Informationen zum Festlegen des dynamischen Abrufgrenzwerts mit einem SDK oder der REST API finden Sie im entsprechenden Codebeispiel.
Wenn Sie AI Studio verwenden, können Sie den Schwellenwert für die dynamische Abruffunktion festlegen, indem Sie auf Grundlagen bearbeiten klicken.
Um einen geeigneten Grenzwert für Ihre geschäftlichen Anforderungen zu finden, können Sie eine repräsentative Reihe von Suchanfragen erstellen, die Sie voraussichtlich erhalten werden. Anschließend können Sie die Abfragen gemäß dem Vorhersagewert in der Antwort sortieren und einen guten Schwellenwert für Ihren Anwendungsfall auswählen.
Eine fundierte Antwort
Wenn Ihr Prompt erfolgreich in der Google Suche fundiert wird, enthält die Antwort groundingMetadata. Eine fundierte Antwort könnte so aussehen (aus Gründen der Übersichtlichkeit wurden Teile der Antwort ausgelassen):
{
"candidates": [
{
"content": {
"parts": [
{
"text": "Carlos Alcaraz won the Gentlemen's Singles title at the 2024 Wimbledon Championships. He defeated Novak Djokovic in the final, winning his second consecutive Wimbledon title and fourth Grand Slam title overall. \n"
}
],
"role": "model"
},
...
"groundingMetadata": {
"searchEntryPoint": {
"renderedContent": "\u003cstyle\u003e\n.container {\n align-items: center;\n border-radius: 8px;\n display: flex;\n font-family: Google Sans, Roboto, sans-serif;\n font-size: 14px;\n line-height: 20px;\n padding: 8px 12px;\n}\n.chip {\n display: inline-block;\n border: solid 1px;\n border-radius: 16px;\n min-width: 14px;\n padding: 5px 16px;\n text-align: center;\n user-select: none;\n margin: 0 8px;\n -webkit-tap-highlight-color: transparent;\n}\n.carousel {\n overflow: auto;\n scrollbar-width: none;\n white-space: nowrap;\n margin-right: -12px;\n}\n.headline {\n display: flex;\n margin-right: 4px;\n}\n.gradient-container {\n position: relative;\n}\n.gradient {\n position: absolute;\n transform: translate(3px, -9px);\n height: 36px;\n width: 9px;\n}\n@media (prefers-color-scheme: light) {\n .container {\n background-color: #fafafa;\n box-shadow: 0 0 0 1px #0000000f;\n }\n .headline-label {\n color: #1f1f1f;\n }\n .chip {\n background-color: #ffffff;\n border-color: #d2d2d2;\n color: #5e5e5e;\n text-decoration: none;\n }\n .chip:hover {\n background-color: #f2f2f2;\n }\n .chip:focus {\n background-color: #f2f2f2;\n }\n .chip:active {\n background-color: #d8d8d8;\n border-color: #b6b6b6;\n }\n .logo-dark {\n display: none;\n }\n .gradient {\n background: linear-gradient(90deg, #fafafa 15%, #fafafa00 100%);\n }\n}\n@media (prefers-color-scheme: dark) {\n .container {\n background-color: #1f1f1f;\n box-shadow: 0 0 0 1px #ffffff26;\n }\n .headline-label {\n color: #fff;\n }\n .chip {\n background-color: #2c2c2c;\n border-color: #3c4043;\n color: #fff;\n text-decoration: none;\n }\n .chip:hover {\n background-color: #353536;\n }\n .chip:focus {\n background-color: #353536;\n }\n .chip:active {\n background-color: #464849;\n border-color: #53575b;\n }\n .logo-light {\n display: none;\n }\n .gradient {\n background: linear-gradient(90deg, #1f1f1f 15%, #1f1f1f00 100%);\n }\n}\n\u003c/style\u003e\n\u003cdiv class=\"container\"\u003e\n \u003cdiv class=\"headline\"\u003e\n \u003csvg class=\"logo-light\" width=\"18\" height=\"18\" viewBox=\"9 9 35 35\" fill=\"none\" xmlns=\"http://www.w3.org/2000/svg\"\u003e\n \u003cpath fill-rule=\"evenodd\" clip-rule=\"evenodd\" d=\"M42.8622 27.0064C42.8622 25.7839 42.7525 24.6084 42.5487 23.4799H26.3109V30.1568H35.5897C35.1821 32.3041 33.9596 34.1222 32.1258 35.3448V39.6864H37.7213C40.9814 36.677 42.8622 32.2571 42.8622 27.0064V27.0064Z\" fill=\"#4285F4\"/\u003e\n \u003cpath fill-rule=\"evenodd\" clip-rule=\"evenodd\" d=\"M26.3109 43.8555C30.9659 43.8555 34.8687 42.3195 37.7213 39.6863L32.1258 35.3447C30.5898 36.3792 28.6306 37.0061 26.3109 37.0061C21.8282 37.0061 18.0195 33.9811 16.6559 29.906H10.9194V34.3573C13.7563 39.9841 19.5712 43.8555 26.3109 43.8555V43.8555Z\" fill=\"#34A853\"/\u003e\n \u003cpath fill-rule=\"evenodd\" clip-rule=\"evenodd\" d=\"M16.6559 29.8904C16.3111 28.8559 16.1074 27.7588 16.1074 26.6146C16.1074 25.4704 16.3111 24.3733 16.6559 23.3388V18.8875H10.9194C9.74388 21.2072 9.06992 23.8247 9.06992 26.6146C9.06992 29.4045 9.74388 32.022 10.9194 34.3417L15.3864 30.8621L16.6559 29.8904V29.8904Z\" fill=\"#FBBC05\"/\u003e\n \u003cpath fill-rule=\"evenodd\" clip-rule=\"evenodd\" d=\"M26.3109 16.2386C28.85 16.2386 31.107 17.1164 32.9095 18.8091L37.8466 13.8719C34.853 11.082 30.9659 9.3736 26.3109 9.3736C19.5712 9.3736 13.7563 13.245 10.9194 18.8875L16.6559 23.3388C18.0195 19.2636 21.8282 16.2386 26.3109 16.2386V16.2386Z\" fill=\"#EA4335\"/\u003e\n \u003c/svg\u003e\n \u003csvg class=\"logo-dark\" width=\"18\" height=\"18\" viewBox=\"0 0 48 48\" xmlns=\"http://www.w3.org/2000/svg\"\u003e\n \u003ccircle cx=\"24\" cy=\"23\" fill=\"#FFF\" r=\"22\"/\u003e\n \u003cpath d=\"M33.76 34.26c2.75-2.56 4.49-6.37 4.49-11.26 0-.89-.08-1.84-.29-3H24.01v5.99h8.03c-.4 2.02-1.5 3.56-3.07 4.56v.75l3.91 2.97h.88z\" fill=\"#4285F4\"/\u003e\n \u003cpath d=\"M15.58 25.77A8.845 8.845 0 0 0 24 31.86c1.92 0 3.62-.46 4.97-1.31l4.79 3.71C31.14 36.7 27.65 38 24 38c-5.93 0-11.01-3.4-13.45-8.36l.17-1.01 4.06-2.85h.8z\" fill=\"#34A853\"/\u003e\n \u003cpath d=\"M15.59 20.21a8.864 8.864 0 0 0 0 5.58l-5.03 3.86c-.98-2-1.53-4.25-1.53-6.64 0-2.39.55-4.64 1.53-6.64l1-.22 3.81 2.98.22 1.08z\" fill=\"#FBBC05\"/\u003e\n \u003cpath d=\"M24 14.14c2.11 0 4.02.75 5.52 1.98l4.36-4.36C31.22 9.43 27.81 8 24 8c-5.93 0-11.01 3.4-13.45 8.36l5.03 3.85A8.86 8.86 0 0 1 24 14.14z\" fill=\"#EA4335\"/\u003e\n \u003c/svg\u003e\n \u003cdiv class=\"gradient-container\"\u003e\u003cdiv class=\"gradient\"\u003e\u003c/div\u003e\u003c/div\u003e\n \u003c/div\u003e\n \u003cdiv class=\"carousel\"\u003e\n \u003ca class=\"chip\" href=\"https://vertexaisearch.cloud.google.com/grounding-api-redirect/AWhgh4x8Epe-gzpwRBvp7o3RZh2m1ygq1EHktn0OWCtvTXjad4bb1zSuqfJd6OEuZZ9_SXZ_P2SvCpJM7NaFfQfiZs6064MeqXego0vSbV9LlAZoxTdbxWK1hFeqTG6kA13YJf7Fbu1SqBYM0cFM4zo0G_sD9NKYWcOCQMvDLDEJFhjrC9DM_QobBIAMq-gWN95G5tvt6_z6EuPN8QY=\"\u003ewho won wimbledon 2024\u003c/a\u003e\n \u003c/div\u003e\n\u003c/div\u003e\n"
},
"groundingChunks": [
{
"web": {
"uri": "https://vertexaisearch.cloud.google.com/grounding-api-redirect/AWhgh4whET1ta3sDETZvcicd8FeNe4z0VuduVsxrT677KQRp2rYghXI0VpfYbIMVI3THcTuMwggRCbFXS_wVvW0UmGzMe9h2fyrkvsnQPJyikJasNIbjJLPX0StM4Bd694-ZVle56MmRA4YiUvwSqad1w6O2opmWnw==",
"title": "wikipedia.org"
}
},
{
"web": {
"uri": "https://vertexaisearch.cloud.google.com/grounding-api-redirect/AWhgh4wR1M-9-yMPUr_KdHlnoAmQ8ZX90DtQ_vDYTjtP2oR5RH4tRP04uqKPLmesvo64BBkPeYLC2EpVDxv9ngO3S1fs2xh-e78fY4m0GAtgNlahUkm_tBm_sih5kFPc7ill9u2uwesNGUkwrQlmP2mfWNU5lMMr23HGktr6t0sV0QYlzQq7odVoBxYWlQ_sqWFH",
"title": "wikipedia.org"
}
},
{
"web": {
"uri": "https://vertexaisearch.cloud.google.com/grounding-api-redirect/AWhgh4wsDmROzbP-tmt8GdwCW_pqISTZ4IRbBuoaMyaHfcQg8WW-yKRQQvMDTPAuLxJh-8_U8_iw_6JKFbQ8M9oVYtaFdWFK4gOtL4RrC9Jyqc5BNpuxp6uLEKgL5-9TggtNvO97PyCfziDFXPsxylwI1HcfQdrz3Jy7ZdOL4XM-S5rC0lF2S3VWW0IEAEtS7WX861meBYVjIuuF_mIr3spYPqWLhbAY2Spj-4_ba8DjRvmevIFUhRuESTKvBfmpxNSM",
"title": "cbssports.com"
}
},
{
"web": {
"uri": "https://vertexaisearch.cloud.google.com/grounding-api-redirect/AWhgh4yzjLkorHiUKjhOPkWaZ9b4cO-cLG-02vlEl6xTBjMUjyhK04qSIclAa7heR41JQ6AAVXmNdS3WDrLOV4Wli-iezyzW8QPQ4vgnmO_egdsuxhcGk3-Fp8-yfqNLvgXFwY5mPo6QRhvplOFv0_x9mAcka18QuAXtj0SPvJfZhUEgYLCtCrucDS5XFc5HmRBcG1tqFdKSE1ihnp8KLdaWMhrUQI21hHS9",
"title": "jagranjosh.com"
}
},
{
"web": {
"uri": "https://vertexaisearch.cloud.google.com/grounding-api-redirect/AWhgh4y9L4oeNGWCatFz63b9PpP3ys-Wi_zwnkUT5ji9lY7gPUJQcsmmE87q88GSdZqzcx5nZG9usot5FYk2yK-FAGvCRE6JsUQJB_W11_kJU2HVV1BTPiZ4SAgm8XDFIxpCZXnXmEx5HUfRqQm_zav7CvS2qjA2x3__qLME6Jy7R5oza1C5_aqjQu422le9CaigThS5bvJoMo-ZGcXdBUCj2CqoXNVjMA==",
"title": "apnews.com"
}
}
],
"groundingSupports": [
{
"segment": {
"endIndex": 85,
"text": "Carlos Alcaraz won the Gentlemen's Singles title at the 2024 Wimbledon Championships."
},
"groundingChunkIndices": [
0,
1,
2,
3
],
"confidenceScores": [
0.97380733,
0.97380733,
0.97380733,
0.97380733
]
},
{
"segment": {
"startIndex": 86,
"endIndex": 210,
"text": "He defeated Novak Djokovic in the final, winning his second consecutive Wimbledon title and fourth Grand Slam title overall."
},
"groundingChunkIndices": [
1,
0,
4
],
"confidenceScores": [
0.96145374,
0.96145374,
0.96145374
]
}
],
"webSearchQueries": [
"who won wimbledon 2024"
]
}
}
],
...
}
Wenn die Antwort nicht groundingMetadata enthält, wurde die Antwort nicht erfolgreich geerdet. Das kann verschiedene Gründe haben, z. B. eine geringe Quellenrelevanz oder unvollständige Informationen in der Modellantwort.
Wenn ein fundiertes Ergebnis generiert wird, enthalten die Metadaten URIs, die zum Verlag bzw. Webpublisher der Inhalte weiterleiten, die zum Generieren des fundierten Ergebnisses verwendet wurden.
Diese URIs enthalten die Subdomain vertexaisearch, wie in diesem gekürzten Beispiel:
https://vertexaisearch.cloud.google.com/grounding-api-redirect/.... Die Metadaten enthalten auch die Domains der Publisher. Die angegebenen URIs sind 30 Tage lang nach der Generierung des gefundeten Ergebnisses zugänglich.
Das Feld renderedContent in searchEntryPoint ist der bereitgestellte Code zur Implementierung von Google-Suchvorschlägen. Weitere Informationen finden Sie unter Google-Suchvorschläge verwenden.