Google Gêmeos

Instale o Gemini IChatClient

O exemplo .NET demonstra o cliente oficial Google GenAI e a implementação da comunidadeMscc.GenerativeAI.Microsoft.

dotnet add package Google.GenAI
dotnet add package Mscc.GenerativeAI.Microsoft
dotnet add package Microsoft.Agents.AI --prerelease

Configuration

GOOGLE_GENAI_API_KEY="<google-ai-studio-api-key>"
GOOGLE_GENAI_MODEL="gemini-2.5-flash"

const string JokerInstructions = "You are good at telling jokes.";
const string JokerName = "JokerAgent";

string apiKey = Environment.GetEnvironmentVariable("GOOGLE_GENAI_API_KEY") ?? throw new InvalidOperationException("Please set the GOOGLE_GENAI_API_KEY environment variable.");
string model = Environment.GetEnvironmentVariable("GOOGLE_GENAI_MODEL") ?? "gemini-2.5-flash";

// Using a Google GenAI IChatClient implementation

ChatClientAgent agentGenAI = new(
    new Client(vertexAI: false, apiKey: apiKey).AsIChatClient(model),
    name: JokerName,
    instructions: JokerInstructions);

AgentResponse response = await agentGenAI.RunAsync("Tell me a joke about a pirate.");
Console.WriteLine($"Google GenAI client based agent response:\n{response}");

// Using a community driven Mscc.GenerativeAI.Microsoft package

ChatClientAgent agentCommunity = new(
    new GeminiChatClient(apiKey: apiKey, model: model),
    name: JokerName,
    instructions: JokerInstructions);

response = await agentCommunity.RunAsync("Tell me a joke about a pirate.");
Console.WriteLine($"Community client based agent response:\n{response}");

Escolha uma IChatClient implementação e configure a sua API de Desenvolvimento Gemini ou a autenticação Vertex AI.

Instale o pacote

pip install agent-framework-gemini --pre

Configuration

Utilize uma das seguintes opções: a API para Programadores Gemini:

GOOGLE_API_KEY="<api-key>"
GOOGLE_MODEL="gemini-2.5-flash"

Ou configure a Gemini Enterprise Agent Platform:

GOOGLE_GENAI_USE_ENTERPRISE="true"
GOOGLE_CLOUD_PROJECT="<project-id>"
GOOGLE_CLOUD_LOCATION="global"
GOOGLE_MODEL="gemini-2.5-flash"

A definição mais antiga GOOGLE_GENAI_USE_VERTEXAI=true continua a ser suportada. O conector já não lê GEMINI_API_KEY, GEMINI_MODEL, ou GEMINI_EMBEDDING_MODEL; utiliza as variáveis correspondentes GOOGLE_* ou passa valores explicitamente.

GeminiChatClient Suporta streaming, ferramentas funcionais, output estruturado, pensamento alargado e ferramentas alojadas pelo fornecedor.

    """Runs the agent and waits for the complete response before printing it."""
    print("=== Non-streaming ===")

    # 1. Create the agent with the Gemini chat client and local weather tool.
    agent = Agent(
        client=GeminiChatClient(),
        name="WeatherAgent",
        instructions="You are a helpful weather agent.",
        tools=[get_weather],
    )

    # 2. Ask the agent for a single weather lookup and print the final response.
    query = "What's the weather like in Karlsruhe, Germany?"
    print(f"User: {query}")
    result = await agent.run(query)
    print(f"Result: {result}\n")


async def streaming_example() -> None:
    """Runs the agent and prints each chunk as it is received."""
    print("=== Streaming ===")

    # 1. Create the same agent configuration for a streaming tool-call example.
    agent = Agent(
        client=GeminiChatClient(),
        name="WeatherAgent",
        instructions="You are a helpful weather agent.",
        tools=[get_weather],
    )

    # 2. Ask a multi-location question and stream the model output as it arrives.
    query = "What's the weather like in Portland and in Paris?"
    print(f"User: {query}")
    print("Agent: ", end="", flush=True)
    async for chunk in agent.run(query, stream=True):
        if chunk.text:
            print(chunk.text, end="", flush=True)
    print("\n")

Gerir falhas de pedidos

Para execuções com e sem streaming, as falhas nas solicitações do Gemini SDK são comunicadas através de exceções do Agent Framework. As falhas HTTP 401 e 403 geram ChatClientInvalidAuthException, as outras falhas HTTP 4xx geram ChatClientInvalidRequestException, e todas as outras falhas do fornecedor geram ChatClientException.

Perceba ChatClientException quando o mesmo tratamento de erros deve aplicar-se a todos os fornecedores de chat.

Inclua resumos de pensamento

O exemplo de pensamento estendido mostra como configurar ThinkingConfig. Para receber resumos do processo de pensamento do Gemini, defina include_thoughts=True na configuração de raciocínio:

options: GeminiChatOptions = {
    "thinking_config": ThinkingConfig(include_thoughts=True, thinking_budget=2048),
}

Quando Gemini devolve uma síntese do raciocínio, GeminiChatClient adiciona-a à resposta como Content com type == "text_reasoning". Leia o resumo de content.text.

Para uma execução sem streaming, filtre o contents de cada item em result.messages. Para uma execução de transmissão, filtre cada chunk.contents. Os acessórios de texto como result.text e chunk.text incluem apenas text conteúdo, por isso inspecione as coleções de conteúdos quando a sua aplicação precisar de resumos de raciocínio.

Gerar incorporações

GeminiEmbeddingClient usa gemini-embedding-2 por defeito. Substitua-o por GOOGLE_EMBEDDING_MODEL ou pelo parâmetro do construtor model. As entradas de texto requerem um tipo de tarefa em cada chamada; usar RETRIEVAL_DOCUMENT ao indexar e RETRIEVAL_QUERY ao procurar no mesmo espaço vetorial.

import asyncio

from agent_framework.gemini import GeminiEmbeddingClient
from dotenv import load_dotenv

load_dotenv()


async def main() -> None:
    """Embed a document and a search query for the same vector index."""
    # 1. Choose task instructions for each call, not for the client.
    client = GeminiEmbeddingClient()
    try:
        # 2. Use matching dimensions for stored documents and search queries.
        document = await client.get_embeddings(
            ["Agent Framework helps build and orchestrate AI agents."],
            options={"task_type": "RETRIEVAL_DOCUMENT", "title": "Agent Framework", "dimensions": 768},
        )
        query = await client.get_embeddings(
            ["How can I orchestrate AI agents?"],
            options={"task_type": "RETRIEVAL_QUERY", "dimensions": 768},
        )
        print(f"Document embedding: {document[0].dimensions} dimensions")
        print(f"Query embedding: {query[0].dimensions} dimensions")

Utilize o mesmo modelo e as mesmas dimensões para embeddings de documentos e consultas. O cliente também aceita valores de multimédia Part e Content do SDK da Google para embeddings de imagem, áudio, vídeo, PDF ou combinados de texto e multimédia. As entradas multimédia não utilizam um prefixo da tarefa de texto.

Quando uma coleção de vetores gera embeddings, passe a tarefa do documento através de upsert(..., embeddings_options=...) e a tarefa de consulta através de search(..., embeddings_options=...) ou create_vector_search_tool(..., embeddings_options=...). Para múltiplos campos vetoriais, use embeddings_options_by_field. O Agent Framework fornece as dimensões do campo selecionado e rejeita valores conflitantes.

O pacote inclui fábricas para aterramento da pesquisa Google, aterramento do Google Maps, execução de código, pesquisa de ficheiros e MCP.

Fundamentação na Pesquisa Google

from agent_framework import Agent
from agent_framework.gemini import GeminiChatClient
from dotenv import load_dotenv

load_dotenv()


async def main() -> None:
    """Run the Google Search grounding example."""
    print("=== Google Search grounding ===")

    # 1. Create the agent with Gemini and the built-in Google Search grounding tool.
    agent = Agent(
        client=GeminiChatClient(),
        name="SearchAgent",
        instructions="You are a helpful assistant. Use Google Search to provide accurate, up-to-date answers.",
        tools=[GeminiChatClient.get_web_search_tool()],
    )

    # 2. Ask a current-events style question and stream the grounded answer.
    query = "What is the latest stable release of the .NET SDK?"
    print(f"User: {query}")
    print("Agent: ", end="", flush=True)
    async for chunk in agent.run(query, stream=True):
        if chunk.text:
            print(chunk.text, end="", flush=True)
    print("\n")


if __name__ == "__main__":
    asyncio.run(main())

O SDK Go disponibiliza geminiprovider para inferência com o Gemini. Crie um padrão *agent.Agent utilizando o construtor específico do fornecedor.

Veja o pacote do fornecedor Gemini e exemplos.