使用 Google 搜索建立依据

“使用 Google 搜索建立依据”功能可将 Gemini 模型与实时网络内容相关联，并支持所有可用语言。这样一来，Gemini 就可以提供更准确的回答，并引用知识截止日期之后的可验证来源。

接地有助于您构建可执行以下操作的应用：

提高事实准确性：通过以真实世界的信息为依据来减少模型幻觉。
获取实时信息：回答有关近期事件和主题的问题。
提供引用：通过显示模型声明的来源来建立用户信任。

Python

from google import genai
from google.genai import types

client = genai.Client()

grounding_tool = types.Tool(
    google_search=types.GoogleSearch()
)

config = types.GenerateContentConfig(
    tools=[grounding_tool]
)

response = client.models.generate_content(
    model="gemini-3-flash-preview",
    contents="Who won the euro 2024?",
    config=config,
)

print(response.text)

JavaScript

import { GoogleGenAI } from "@google/genai";

const ai = new GoogleGenAI({});

const groundingTool = {
  googleSearch: {},
};

const config = {
  tools: [groundingTool],
};

const response = await ai.models.generateContent({
  model: "gemini-3-flash-preview",
  contents: "Who won the euro 2024?",
  config,
});

console.log(response.text);

REST

curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-3-flash-preview:generateContent" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -X POST \
  -d '{
    "contents": [
      {
        "parts": [
          {"text": "Who won the euro 2024?"}
        ]
      }
    ],
    "tools": [
      {
        "google_search": {}
      }
    ]
  }'

如需了解详情，请尝试使用搜索工具笔记本。

“依托 Google 搜索进行接地”功能的运作方式

启用 google_search 工具后，模型会自动处理搜索、处理和引用信息的整个工作流程。

用户提示：您的应用在启用 google_search 工具的情况下，将用户提示发送到 Gemini API。
提示分析：模型分析提示，确定 Google 搜索是否可以改进回答。
Google 搜索：如果需要，模型会自动生成一个或多个搜索查询并执行这些查询。
搜索结果处理：模型处理搜索结果，整合信息并生成回答。
以搜索结果为依据的回答：API 会返回以搜索结果为依据的最终且用户友好的回答。此回答包含模型给出的文本答案，以及包含搜索查询、网页结果和引用的 groundingMetadata。

了解接地响应

如果成功进行了事实依据核查，响应中会包含 groundingMetadata 字段。此结构化数据对于验证声明和在应用中打造丰富的引用体验至关重要。

{
  "candidates": [
    {
      "content": {
        "parts": [
          {
            "text": "Spain won Euro 2024, defeating England 2-1 in the final. This victory marks Spain's record fourth European Championship title."
          }
        ],
        "role": "model"
      },
      "groundingMetadata": {
        "webSearchQueries": [
          "UEFA Euro 2024 winner",
          "who won euro 2024"
        ],
        "searchEntryPoint": {
          "renderedContent": "<!-- HTML and CSS for the search widget -->"
        },
        "groundingChunks": [
          {"web": {"uri": "https://vertexaisearch.cloud.google.com.....", "title": "aljazeera.com"}},
          {"web": {"uri": "https://vertexaisearch.cloud.google.com.....", "title": "uefa.com"}}
        ],
        "groundingSupports": [
          {
            "segment": {"startIndex": 0, "endIndex": 85, "text": "Spain won Euro 2024, defeatin..."},
            "groundingChunkIndices": [0]
          },
          {
            "segment": {"startIndex": 86, "endIndex": 210, "text": "This victory marks Spain's..."},
            "groundingChunkIndices": [0, 1]
          }
        ]
      }
    }
  ]
}

Gemini API 会通过 groundingMetadata 返回以下信息：

webSearchQueries：所用搜索查询的数组。这有助于调试和了解模型的推理过程。
searchEntryPoint：包含用于呈现所需搜索建议的 HTML 和 CSS。如需了解完整的使用要求，请参阅《服务条款》。
groundingChunks：包含 Web 来源（uri 和 title）的对象数组。
groundingSupports：用于将模型回答 text 与 groundingChunks 中的来源相关联的块数组。每个块都将文本 segment（由 startIndex 和 endIndex 定义）与一个或多个 groundingChunkIndices 相关联。这是构建内嵌引文的关键。

依托 Google 搜索进行接地还可以与网址上下文工具搭配使用，以便根据公开的 Web 数据和您提供的特定网址来生成回答。

使用内嵌引用注明来源

该 API 会返回结构化引用数据，让您可以完全控制在界面中显示来源的方式。您可以使用 groundingSupports 和 groundingChunks 字段将模型中的陈述直接关联到其来源。以下是一种常见模式，用于处理元数据以创建包含内嵌可点击引用的回答。

Python

def add_citations(response):
    text = response.text
    supports = response.candidates[0].grounding_metadata.grounding_supports
    chunks = response.candidates[0].grounding_metadata.grounding_chunks

    # Sort supports by end_index in descending order to avoid shifting issues when inserting.
    sorted_supports = sorted(supports, key=lambda s: s.segment.end_index, reverse=True)

    for support in sorted_supports:
        end_index = support.segment.end_index
        if support.grounding_chunk_indices:
            # Create citation string like [1](link1)[2](link2)
            citation_links = []
            for i in support.grounding_chunk_indices:
                if i < len(chunks):
                    uri = chunks[i].web.uri
                    citation_links.append(f"[{i + 1}]({uri})")

            citation_string = ", ".join(citation_links)
            text = text[:end_index] + citation_string + text[end_index:]

    return text

# Assuming response with grounding metadata
text_with_citations = add_citations(response)
print(text_with_citations)

JavaScript

function addCitations(response) {
    let text = response.text;
    const supports = response.candidates[0]?.groundingMetadata?.groundingSupports;
    const chunks = response.candidates[0]?.groundingMetadata?.groundingChunks;

    // Sort supports by end_index in descending order to avoid shifting issues when inserting.
    const sortedSupports = [...supports].sort(
        (a, b) => (b.segment?.endIndex ?? 0) - (a.segment?.endIndex ?? 0),
    );

    for (const support of sortedSupports) {
        const endIndex = support.segment?.endIndex;
        if (endIndex === undefined || !support.groundingChunkIndices?.length) {
        continue;
        }

        const citationLinks = support.groundingChunkIndices
        .map(i => {
            const uri = chunks[i]?.web?.uri;
            if (uri) {
            return `[${i + 1}](${uri})`;
            }
            return null;
        })
        .filter(Boolean);

        if (citationLinks.length > 0) {
        const citationString = citationLinks.join(", ");
        text = text.slice(0, endIndex) + citationString + text.slice(endIndex);
        }
    }

    return text;
}

const textWithCitations = addCitations(response);
console.log(textWithCitations);

包含内嵌引用的新回答将如下所示：

Spain won Euro 2024, defeating England 2-1 in the final.[1](https:/...), [2](https:/...), [4](https:/...), [5](https:/...) This victory marks Spain's record-breaking fourth European Championship title.[5]((https:/...), [2](https:/...), [3](https:/...), [4](https:/...)

价格

如果您将“依托 Google 搜索进行接地”功能与 Gemini 3 搭配使用，则系统会针对模型决定执行的每项搜索查询向您的项目收取费用。如果模型决定执行多个搜索查询来回答单个提示（例如，在同一 API 调用中搜索 "UEFA Euro 2024 winner" 和 "Spain vs England Euro 2024 final score"），则该请求会产生两次工具使用费。出于结算目的，我们在统计唯一查询时会忽略空白的网页搜索查询。此结算模式仅适用于 Gemini 3 模型；如果您将搜索作为 Gemini 2.5 或更旧模型的依据，则系统会按提示向您的项目收取费用。

如需详细了解价格信息，请参阅 Gemini API 价格页面。

支持的模型

不包括实验性模型和预览版模型。您可以在模型概览页面上找到它们的功能。

型号	使用 Google 搜索建立依据
Gemini 2.5 Pro	✔️
Gemini 2.5 Flash	✔️
Gemini 2.5 Flash-Lite	✔️
Gemini 2.0 Flash	✔️

支持的工具组合

您可以将“依托 Google 搜索进行接地”与其他工具（例如代码执行和网址上下文）搭配使用，以实现更复杂的用例。

后续步骤

不妨试试 Gemini API 实战宝典中的“使用 Google 搜索建立依据”。
了解其他可用工具，例如函数调用。
了解如何使用网址上下文工具通过特定网址扩充提示。