Mit der Funktion „Mit der Google Suche verknüpfen“ in der Gemini API und in AI Studio können Sie die Genauigkeit und Aktualität der Antworten des Modells verbessern. Wenn die Fundierung mit der Google Suche aktiviert ist, gibt die Gemini API neben sachlicheren Antworten auch Fundierungsquellen (in-line-Unterstützungslinks) und Google-Suchvorschläge zusammen mit dem Antwortinhalt zurück. Die Suchvorschläge verweisen Nutzer auf die Suchergebnisse, die der fundierten Antwort entsprechen.
Die Funktion „Mit der Google Suche fundieren“ unterstützt nur Textprompts. Multimodale Prompts (Text und Bild, Text und Audio usw.) werden nicht unterstützt. Die Funktion „Mit der Google Suche fundieren“ 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 Funktion „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 Informationen zu realen Arbeitsplätzen oder anderen spezifischen Kontexten liefern. Die Datengrundlage trägt dazu bei, die Genauigkeit, Zuverlässigkeit und Nützlichkeit von KI-Ergebnissen zu verbessern.
Das ist besonders wichtig für Prompts, für die aktuelle Informationen aus dem Web erforderlich sind. Durch die Fundierung kann das Modell auf Informationen zugreifen, die über das Wissen hinausgehen, das es zum Stichtag hat, Quellen für die Informationen abrufen und Fragen beantworten, die es sonst nicht korrekt beantworten könnte.
Mit Google AI Studio oder der Gemini API können Sie die Modellausgabe auf die Google Suche beziehen. Die 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 „Mit der Google Suche fundieren“ verwenden, verknüpfen 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 Zugriff auf neue Informationen bietet, können mit einer fundierten Prompt-Funktion aktuellere Antworten mit Quellenangaben generiert werden.
Hier ist ein Beispiel, in dem eine nicht fundierte Antwort mit einer fundierten Antwort verglichen wird, die mit der API generiert wurde. (Die Antworten wurden im Oktober 2024 generiert.)
| Fundiertes Gemini | Fundierung mit der Google Suche |
|---|---|
| Aufgabe: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.
Das folgende Bild 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 Dynamische Abfrage können Sie festlegen, wann die Funktion „Mit der Google Suche fundieren“ verwendet werden soll.
Wenn der Modus für die dynamische Abfrage nicht angegeben ist, wird die Funktion „Mit der Google Suche fundieren“ 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 Schwellenwert 0 ist, wird die Antwort immer mit der Google Suche fundiert. Bei 1 ist das nie der Fall.
Funktionsweise des dynamischen Abrufs
Mit der dynamischen Abfrage in Ihrer Anfrage können Sie festlegen, wann die Funktion „Mit der Google Suche fundieren“ 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 auf der Grundlage seines Wissens ohne Grundwahrheit liefern kann. 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 den folgenden Begriffen 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. „Empfehle mir ein Spielzeug für ein zweijähriges Kind“ 0,36 Das Modell kann auf sein Wissen zurückgreifen und die Antwort muss nicht fundiert werden. „Kannst du mir ein Rezept für eine asiatisch inspirierte Guacamole nennen?“ 0,55 Die Google Suche kann eine fundierte Antwort liefern, eine Fundierung ist aber nicht unbedingt erforderlich. Das Modellwissen reicht möglicherweise aus. „Was ist Agent Builder? Wie wird die Fundierung in Agent Builder abgerechnet?“ 0.72 Erfordert die Google Suche, um eine fundierte Antwort zu generieren. „Wer hat den letzten Formel-1-Grand-Prix gewonnen?“ 0,97 Erfordert die Google Suche, um eine fundierte Antwort zu generieren. Schwellenwert: In Ihrer API-Anfrage können Sie eine Konfiguration für den dynamischen Abruf mit einem Grenzwert angeben. Der Schwellenwert ist ein Gleitkommawert im Bereich [0,1] und standardmäßig auf 0,7 festgelegt. Wenn der Schwellenwert null ist, wird die Antwort immer mit der Google Suche fundiert. Für alle anderen Schwellenwerte gilt Folgendes:
- Wenn der Vorhersagewert größer oder gleich dem Schwellenwert ist, basiert die Antwort auf der Google Suche. Ein niedrigerer Schwellenwert bedeutet, dass für mehr Prompts Antworten mithilfe der Google Suche generiert werden.
- Wenn der Vorhersagewert unter dem Schwellenwert liegt, generiert das Modell möglicherweise trotzdem eine Antwort, die aber nicht auf der Google Suche basiert.
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 Schwellenwert für Ihre Geschäftsanforderungen zu finden, können Sie eine repräsentative Reihe von Suchanfragen erstellen, die Sie voraussichtlich erhalten werden. Anschließend können Sie die Abfragen nach dem Vorhersagewert in der Antwort sortieren und einen geeigneten 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.