Fundierung mit der Google Suche

Durch die Fundierung mit der Google Suche wird das Gemini-Modell mit Webinhalten in Echtzeit verbunden. Die Funktion ist in allen verfügbaren Sprachen verfügbar. So kann Gemini genauere Antworten geben und überprüfbare Quellen zitieren, die über den Wissensstand des Modells hinausgehen.

Mithilfe von Grounding können Sie Anwendungen erstellen, die Folgendes können:

• Faktische Richtigkeit erhöhen:Modellhalluzinationen werden reduziert, indem Antworten auf realen Informationen basieren.
• Echtzeitinformationen abrufen:Fragen zu aktuellen Ereignissen und Themen beantworten.

• Zitierungen angeben:Sie können das Vertrauen der Nutzer stärken, indem Sie die Quellen für die Behauptungen des Modells angeben.

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-3-flash-preview",
    input="Who won the euro 2024?",
    tools=[{"type": "google_search"}]
)

# Print the model's text response
for step in interaction.steps:
    if step.type == "model_output":
        for content_block in step.content:
            if content_block.type == "text":
                print(content_block.text)

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

const client = new GoogleGenAI({});

const interaction = await client.interactions.create({
    model: "gemini-3-flash-preview",
    input: "Who won the euro 2024?",
    tools: [{ type: "google_search" }]
});

const modelStep = interaction.steps.find(s => s.type === 'model_output');
if (modelStep) {
  for (const contentBlock of modelStep.content) {
    if (contentBlock.type === 'text') console.log(contentBlock.text);
  }
}

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

So funktioniert die Fundierung mit der Google Suche

Wenn Sie das Tool google_search aktivieren, übernimmt das Modell den gesamten Workflow der Suche, Verarbeitung und Quellenangabe von Informationen automatisch.

1. Nutzer-Prompt:Ihre Anwendung sendet den Prompt eines Nutzers an die Gemini API, wobei das google_search-Tool aktiviert ist.
2. Prompt-Analyse:Das Modell analysiert den Prompt und ermittelt, ob eine Google-Suche die Antwort verbessern kann.
3. Google Suche:Bei Bedarf generiert das Modell automatisch eine oder mehrere Suchanfragen und führt sie aus.
4. Verarbeitung der Suchergebnisse:Das Modell verarbeitet die Suchergebnisse, fasst die Informationen zusammen und formuliert eine Antwort.
5. Fundierte Antwort:Die API gibt eine endgültige, nutzerfreundliche Antwort zurück, die auf den Suchergebnissen basiert. Diese Antwort enthält die Textantwort des Modells mit Inline-annotations, die die Quellenangaben enthalten, sowie die Schritte google_search_call und google_search_result mit den Suchanfragen und Suchvorschlägen.

Fundierungsantworten verstehen

Wenn eine Antwort erfolgreich fundiert ist, enthält die Textausgabe des Modells Inline-annotations direkt im Textinhaltsblock. Diese Anmerkungen enthalten Zitationsinformationen, die Teile der Antwort mit ihren Quellen verknüpfen.

{
  "steps": [
    {
      "type": "thought",
      "summary": [
        {
          "type": "text",
          "text": "The user is asking for the winner of Euro 2024. I need to search for the result of the Euro 2024 final."
        }
      ],
      "signature": "CoMDAXLI2nynRYojJIy6B1Jh9os2crpWLfB0..."
    },
    {
      "type": "google_search_call",
      "arguments": {
        "queries": ["UEFA Euro 2024 winner"]
      }
    },
    {
      "type": "google_search_result",
      "call_id": "search_001",
      "result": [
        {
          "search_suggestions": "<!-- HTML and CSS for the search widget -->"
        }
      ]
    },
    {
      "type": "model_output",
      "content": [
        {
          "type": "text",
          "text": "Spain won Euro 2024, defeating England 2-1 in the final. This victory marks Spain's record fourth European Championship title.",
          "annotations": [
            {
              "type": "url_citation",
              "url": "https://www.aljazeera.com/sports/euro-2024-final",
              "title": "aljazeera.com",
              "start_index": 0,
              "end_index": 56
            },
            {
              "type": "url_citation",
              "url": "https://www.uefa.com/euro2024/news/spain-wins-euro-2024",
              "title": "uefa.com",
              "start_index": 57,
              "end_index": 124
            }
          ]
        }
      ]
    }
  ]
}

Die wichtigsten Felder in der Antwort:

• google_search_call : Enthält die Suche queries, die vom Modell ausgeführt wurde.
• google_search_result : Enthält search_suggestions, ein HTML-Snippet zum Rendern von Suchvorschlägen in Ihrer Benutzeroberfläche. Die vollständigen Nutzungsbedingungen finden Sie in den Nutzungsbedingungen.
• text mit annotations : Die synthetisierte Antwort des Modells mit Inline-Zitaten. Jede url_citation-Annotation verknüpft ein Textsegment (definiert durch start_index und end_index) mit einer Quell-URL. Das ist der Schlüssel zum Erstellen von Inline-Zitaten.

Die Fundierung mit der Google Suche kann auch in Kombination mit dem URL-Kontexttool verwendet werden, um Antworten sowohl auf öffentlichen Webdaten als auch auf den von Ihnen angegebenen URLs zu fundieren.

Quellen mit Inline-Zitationen angeben

Die API gibt Inline-url_citation-Anmerkungen für den Textinhaltsblock zurück. So haben Sie die vollständige Kontrolle darüber, wie Sie Quellen in Ihrer Benutzeroberfläche präsentieren. Jede Anmerkung enthält start_index und end_index, um den Teil des Textes zu identifizieren, auf den sie sich bezieht. So extrahieren und präsentieren Sie sie.

for step in interaction.steps:
    if step.type == "model_output":
        for content_block in step.content:
            if content_block.type == "text":
                print(content_block.text)
                if content_block.annotations:
                    print("\nCitations:")
                    for annotation in content_block.annotations:
                        if annotation.type == "url_citation":
                            cited_text = content_block.text[annotation.start_index:annotation.end_index]
                            print(f"  [{annotation.title}]({annotation.url})")
                            print(f"    Cited text: \"{cited_text}\"")

for (const step of interaction.steps) {
  if (step.type === 'model_output') {
    for (const contentBlock of step.content) {
      if (contentBlock.type === 'text') {
        console.log(contentBlock.text);
        if (contentBlock.annotations) {
          console.log("\nCitations:");
          for (const annotation of contentBlock.annotations) {
            if (annotation.type === 'url_citation') {
              const citedText = contentBlock.text.slice(annotation.startIndex, annotation.endIndex);
              console.log(`  [${annotation.title}](${annotation.url})`);
              console.log(`    Cited text: "${citedText}"`);
            }
          }
        }
      }
    }
  }
}

In der Ausgabe wird der Text gefolgt von den zugehörigen Quellenangaben angezeigt:

Spain won Euro 2024, defeating England 2-1 in the final. This victory marks Spain's record fourth European Championship title.

Citations:
  [aljazeera.com](https://www.aljazeera.com/sports/euro-2024-final)
    Cited text: "Spain won Euro 2024, defeating England 2-1 in the final."
  [uefa.com](https://www.uefa.com/euro2024/news/spain-wins-euro-2024)
    Cited text: "This victory marks Spain's record fourth European Championship title."

Preise

Wenn Sie die Fundierung mit der Google Suche mit Gemini 3 verwenden, wird Ihr Projekt für jede Suchanfrage abgerechnet, die das Modell ausführt. Wenn das Modell mehrere Suchanfragen ausführt, um eine einzelne Aufforderung zu beantworten (z. B. wenn in demselben API-Aufruf nach "UEFA Euro 2024 winner" und "Spain vs England Euro 2024 final score" gesucht wird), zählt dies für diese Anfrage als zwei abrechenbare Nutzungen des Tools. Für Abrechnungszwecke werden leere Websuchanfragen beim Zählen eindeutiger Anfragen ignoriert. Dieses Abrechnungsmodell gilt nur für Gemini 3-Modelle. Wenn Sie die Suche mit Fundierung mit Gemini 2.5 oder älteren Modellen verwenden, wird Ihr Projekt pro Prompt abgerechnet.

Ausführliche Preisinformationen finden Sie auf der Seite Gemini API-Preise.

Unterstützte Modelle

Eine vollständige Liste der Funktionen finden Sie auf der Modellübersichtsseite.

Unterstützte Tool-Kombinationen

Sie können Fundierung mit der Google Suche zusammen mit anderen Tools wie Codeausführung und URL-Kontext verwenden, um komplexere Anwendungsfälle zu ermöglichen.

Gemini 3-Modelle unterstützen die Kombination von integrierten Tools (z. B. Fundierung mit der Google Suche) mit benutzerdefinierten Tools (Funktionsaufrufe). Weitere Informationen zu Tool-Kombinationen

Nächste Schritte

• Weitere verfügbare Tools
• Informationen zum Erweitern von Prompts mit bestimmten URLs