Google Gen AI Python SDK：完整指南

生成式 AI 模型正在改变我们创建内容的方式，无论是文本、图片、视频还是代码。借助 Google 的 Gen AI Python SDK，除了使用 Gemini Developer API 和 Vertex AI API 之外，您现在还可以更轻松地在 Python 应用程序中访问和使用 Google 的生成式 AI 模型。这意味着开发者可以更轻松地创建应用程序，包括聊天机器人、内容生成器或创意工具。在本文中，我们将介绍开始使用 Google Gen AI Python SDK 所需的所有知识。

什么是Google Gen AI Python SDK？

Google Gen AI Python SDK 是一个客户端库，开发者可以通过 Python 轻松使用 Google 的生成式 AI 功能。它提供：

• 支持 Gemini Developer API（Google 的高级文本和多模态生成模型）
• 与 Vertex AI API 集成，用于企业级 AI 工作负载
• 支持生成文本、图像、视频、嵌入、聊天对话等
• 文件管理、缓存和异步支持工具
• 高级函数调用和模式强制功能

此 SDK 还抽象了 API 调用的大部分复杂性，让您专注于构建 AI 驱动的应用程序。

安装

安装 SDK 非常简单。运行：

pip install google-genai

上述命令将使用 pip 安装 Google Gen AI Python SDK 软件包。此命令会下载启动 Google 生成式 AI 服务所需的 Python 环境的所有资源，包括资源和所有依赖项。

导入和客户端设置

安装 SDK 后，创建一个 Python 文件并导入 SDK：

from google import genai
from google.genai import types

该 SDK 包含两个模块：genai 和 types。genai 模块创建用于 API 交互的客户端，而 types 模块包含数据结构和类，它们可作为辅助程序，用于构建请求和配置请求参数。

您将为与 Google 生成式 AI 模型的每次交互创建一个客户端实例。您将根据所使用的 API，使用不同的方法来实例化客户端。

对于 Gemini 开发者 API，您可以通过传递 API 密钥来实例化客户端：

client = genai.Client(api_key='YOUR_GEMINI_API_KEY')

实例化客户端后，您可以通过传入 API 密钥与 Gemini 开发者 API 进行交互。该客户端将负责访问令牌和请求管理。

可选：使用Google Cloud Vertex AI

client = genai.Client(
vertexai=True,
project='your-project-id',
location='us-central1'
)

如果您要使用 Google Cloud Vertex AI，则需要通过指定项目 ID 和位置来以不同的方式初始化客户端。

注意：使用 Vertex AI 是可选的。您可以在此处创建项目 ID。

如果您不使用 Vertex AI，则可以直接使用上面的 API 密钥方法。

API版本和配置

默认情况下，SDK 使用 Beta 版端点来访问 Beta 版功能。但是，如果您想使用稳定版 API，可以使用 http_options 参数指定 API 版本：

from google.genai import types
client = genai.Client(
vertexai=True,
project='your-project-id',
location='us-central1',
http_options=types.HttpOptions(api_version='v1')
)

如何平衡稳定性与前沿功能，完全取决于您。

使用环境变量（可选）

与其直接传递密钥，不如先设置环境变量：

Gemini 开发者 API：

export GEMINI_API_KEY='your-api-key'

Vertex AI:

export GOOGLE_GENAI_USE_VERTEXAI=true
export GOOGLE_CLOUD_PROJECT='your-project-id'
export GOOGLE_CLOUD_LOCATION='us-central1'

然后，简单地初始化客户端：

client = genai.Client()

Google Gen AI Python SDK用例

设置完成后，您可以通过多种方式使用 Google Gen AI Python SDK 的功能。

内容生成

该 SDK 的主要功能是生成 AI 内容。您可以以各种形式提供提示，例如简单的字符串、结构化内容或复杂的多模态输入。

基本文本生成

response = client.models.generate_content(
model='gemini-2.0-flash-001',
contents='Why Does the sun rises from east'
)
print(response.text)

输出

这会向模型发送提示并返回生成的答案。

结构化内容输入

您可以跨各种角色插入结构化内容，例如，在聊天机器人、对话或多轮对话的语境中，插入用户或模型。

from google.genai import types
content = types.Content(
role='user',
parts=[types.Part.from_text(text='Tell me a fun fact about work.')]
)
response = client.models.generate_content(model='gemini-2.0-flash-001', contents=content)
print(response.text)

输出

SDK 内部将多种不同的输入类型转换为模型所需的结构化数据格式。

文件上传和使用

Gemini Developers API 允许您上传文件供模型处理。这对于摘要或内容提取非常有用：

file = client.files.upload(file='/content/sample_file.txt')
response = client.models.generate_content(
model='gemini-2.0-flash-001',
contents=[file, 'Please summarize this file.']
)
print(response.text)

输出

这是将 AI 功能添加到基于文档的任务的理想方法。

函数调用

一项独特的功能是能够将 Python 函数作为“工具”传递给模型，以便在生成补全时自动调用。

def get_current_weather(location: str) -> str:
return 'sunny'
response = client.models.generate_content(
model='gemini-2.0-flash-001',
contents='What is the weather like in Ranchi?',
config=types.GenerateContentConfig(tools=[get_current_weather])
)
print(response.text)

输出

这使得 AI 响应中的动态实时数据集成成为可能。

高级配置

您可以使用温度、max_output_tokens 等参数以及安全设置来自定义生成，以管理随机性、长度并过滤有害内容。

config = types.GenerateContentConfig(
temperature=0.3,
max_output_tokens=100,
safety_settings=[types.SafetySetting(category='HARM_CATEGORY_HATE_SPEECH', threshold='BLOCK_ONLY_HIGH')]
)
response = client.models.generate_content(
model='gemini-2.0-flash-001',
contents='''Offer some encouraging words for someone starting a new journey.''',
config=config
)
print(response.text)

输出

这可以更细致地控制内容质量和安全性。

多媒体支持：图片和视频

该 SDK 允许您生成和编辑图片以及生成视频（预览版）。

• 使用文本提示生成图片。
• 放大或调整生成的图片。
• 从文本或图片生成视频。

图片生成示例：

response = client.models.generate_images(
model='imagen-3.0-generate-002',
prompt='A tranquil beach with crystal-clear water and colorful seashells on the shore.',
config=types.GenerateImagesConfig(number_of_images=1)
)
response.generated_images[0].image.show()

输出

视频生成示例：

import time
operation = client.models.generate_videos(
model='veo-2.0-generate-001',
prompt='A cat DJ spinning vinyl records at a futuristic nightclub with holographic beats.',
config=types.GenerateVideosConfig(number_of_videos=1, duration_seconds=5)
)
while not operation.done:
time.sleep(20)
operation = client.operations.get(operation)
video = operation.response.generated_videos[0].video
video.show()

输出：

这可以实现富有创意的多模式 AI 应用。

聊天和对话

您可以发起聊天会话，并在聊天过程中保留上下文：

chat = client.chats.create(model='gemini-2.0-flash-001')
response = chat.send_message('Tell me a story')
print(response.text)

response = chat.send_message('Summarize that story in one sentence')
print(response.text)

这对于创建能够记住先前对话的对话式 AI 非常有用。

异步支持

所有主要 API 方法都包含异步函数，以便更好地集成到异步 Python 应用中：

response = await client.aio.models.generate_content(
model='gemini-2.0-flash-001',
contents='Tell a Horror story in 200 words.'
)
print(response.text)

Token计数

Token 计数可以追踪输入中包含的词元（文本片段）数量。这有助于您控制在模型限制范围内，并做出经济高效的决策。

token_count = client.models.count_tokens(
model='gemini-2.0-flash-001',
contents='Why does the sky have a blue hue instead of other colors?'
)
print(token_count)

嵌入

嵌入将文本转换为表示其含义的数字向量，可用于搜索、聚类和 AI 评估。

embedding = client.models.embed_content(
model='text-embedding-004',
contents='Why does the sky have a blue hue instead of other colors?'
)
print(embedding)

使用 SDK，您可以轻松统计 token 数量并进行嵌入，从而改进和增强您的 AI 应用程序。

小结

Google Gen AI Python SDK 是一款功能强大且用途广泛的工具，可帮助开发者在其 Python 项目中访问 Google 的顶级生成式 AI 模型。从文本生成、聊天和聊天机器人，到图像/视频生成、函数调用等等，它提供了强大的功能集和简洁的界面。凭借便捷的软件包安装、简单的客户端配置流程以及对异步编程和多媒体的支持，该 SDK 使构建利用 AI 的应用程序变得非常容易。无论您是初学者还是经验丰富的开发者，使用该 SDK 都相对轻松，但在将生成式 AI 融入您的工作流程时却非常强大。