Grounding with Google Search

En esta página, se explica cómo fundamentar las respuestas de un modelo con la Búsqueda de Google, que utiliza datos web disponibles a nivel público. Además, se explican las sugerencias de búsqueda, que se incluyen en tus respuestas.

Si deseas conectar tu modelo con conocimiento mundial, una amplia variedad de temas posibles o información actualizada en Internet, usa la fundamentación con la Búsqueda de Google.

Para obtener más información sobre los fundamentos de modelos en Vertex AI, consulta la descripción general de Grounding.

Modelos compatibles

En esta sección, se enumeran los modelos que admiten la fundamentación con la Búsqueda.

Idiomas compatibles

Para obtener una lista de los idiomas admitidos, consulta Idiomas.

Usa las siguientes instrucciones para fundamentar un modelo con datos web disponibles públicamente.

Consideraciones

  • Para usar la fundamentación con la Búsqueda de Google, debes habilitar las sugerencias de la Búsqueda de Google. Obtén más información en Cómo usar las sugerencias de la Búsqueda de Google.

  • Para obtener resultados ideales, usa una temperatura de 1.0. Para obtener más información sobre cómo establecer esta configuración, consulta el cuerpo de la solicitud a la API de Gemini de la referencia del modelo.

  • La verificación de la conexión a tierra con la Búsqueda de Google tiene un límite de un millón de consultas por día. Si necesitas más consultas, comunícate con el equipo de asistencia para obtener ayuda.Google Cloud

Console

Para usar Grounding with Google Search con Vertex AI Studio, sigue estos pasos:

  1. En la Google Cloud consola, ve a la página Vertex AI Studio.

    Ir a Vertex AI Studio

  2. Haz clic en la pestaña Freeform.
  3. En el panel lateral, haz clic en el botón de activación Fundamentar las respuestas del modelo.
  4. Haz clic en Personalizar y establece la Búsqueda de Google como la fuente.
  5. Ingresa el mensaje en el cuadro de texto y haz clic en Enviar.

Tus respuestas a las instrucciones ahora se basan en la Búsqueda de Google.

Python

Instalar

pip install --upgrade google-genai

Para obtener más información, consulta la documentación de referencia del SDK.

Establece variables de entorno para usar el SDK de IA generativa con Vertex AI: 

# Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
# with appropriate values for your project.
export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
export GOOGLE_CLOUD_LOCATION=global
export GOOGLE_GENAI_USE_VERTEXAI=True
 

from google import genai
from google.genai.types import (
    GenerateContentConfig,
    GoogleSearch,
    HttpOptions,
    Tool,
)

client = genai.Client(http_options=HttpOptions(api_version="v1"))

response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents="When is the next total solar eclipse in the United States?",
    config=GenerateContentConfig(
        tools=[
            # Use Google Search Tool
            Tool(google_search=GoogleSearch())
        ],
    ),
)

print(response.text)
# Example response:
# 'The next total solar eclipse in the United States will occur on ...'

Go

Obtén información para instalar o actualizar Go.

Para obtener más información, consulta la documentación de referencia del SDK.

Establece variables de entorno para usar el SDK de IA generativa con Vertex AI: 

# Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
# with appropriate values for your project.
export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
export GOOGLE_CLOUD_LOCATION=global
export GOOGLE_GENAI_USE_VERTEXAI=True
 

import (
	"context"
	"fmt"
	"io"

	genai "google.golang.org/genai"
)

// generateWithGoogleSearch shows how to generate text using Google Search.
func generateWithGoogleSearch(w io.Writer) error {
	ctx := context.Background()

	client, err := genai.NewClient(ctx, &genai.ClientConfig{
		HTTPOptions: genai.HTTPOptions{APIVersion: "v1"},
	})
	if err != nil {
		return fmt.Errorf("failed to create genai client: %w", err)
	}

	modelName := "gemini-2.0-flash-001"
	contents := []*genai.Content{
		{Parts: []*genai.Part{
			{Text: "When is the next total solar eclipse in the United States?"},
		},
			Role: "user"},
	}
	config := &genai.GenerateContentConfig{
		Tools: []*genai.Tool{
			{GoogleSearch: &genai.GoogleSearch{}},
		},
	}

	resp, err := client.Models.GenerateContent(ctx, modelName, contents, config)
	if err != nil {
		return fmt.Errorf("failed to generate content: %w", err)
	}

	respText := resp.Text()

	fmt.Fprintln(w, respText)

	// Example response:
	// The next total solar eclipse in the United States will occur on March 30, 2033, but it will only ...

	return nil
}

REST

Antes de usar cualquiera de los datos de solicitud a continuación, realiza los siguientes reemplazos:

  • LOCATION: La región para procesar la solicitud.
  • PROJECT_ID: El ID del proyecto.
  • MODEL_ID: El ID del modelo multimodal.
  • TEXT: las instrucciones de texto que se incluirán en el mensaje.

Método HTTP y URL: 

POST https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_ID:generateContent

Cuerpo JSON de la solicitud:

{
  "contents": [{
    "role": "user",
    "parts": [{
      "text": "TEXT"
    }]
  }],
  "tools": [{
    "googleSearch": {}
  }],
  "model": "projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_ID"
}

Para enviar tu solicitud, expande una de estas opciones:

Deberías recibir una respuesta JSON similar a la que se muestra a continuación:

{
  "candidates": [
    {
      "content": {
        "role": "model",
        "parts": [
          {
            "text": "The weather in Chicago this weekend, will be partly cloudy. The temperature will be between 49°F (9°C) and 55°F (13°C) on Saturday and between 51°F (11°C) and 56°F (13°C) on Sunday. There is a slight chance of rain on both days.\n"
          }
        ]
      },
      "finishReason": "STOP",
      "groundingMetadata": {
        "webSearchQueries": [
          "weather in Chicago this weekend"
        ],
        "searchEntryPoint": {
          "renderedContent": "..."
        },
        "groundingChunks": [
          {
            "web": {
              "uri": "https://www.google.com/search?q=weather+in+Chicago,+IL",
              "title": "Weather information for locality: Chicago, administrative_area: IL",
              "domain": "google.com"
            }
          },
          {
            "web": {
              "uri": "...",
              "title": "weatherbug.com",
              "domain": "weatherbug.com"
            }
          }
        ],
        "groundingSupports": [
          {
            "segment": {
              "startIndex": 85,
              "endIndex": 214,
              "text": "The temperature will be between 49°F (9°C) and 55°F (13°C) on Saturday and between 51°F (11°C) and 56°F (13°C) on Sunday."
            },
            "groundingChunkIndices": [
              0
            ],
            "confidenceScores": [
              0.8662828
            ]
          },
          {
            "segment": {
              "startIndex": 215,
              "endIndex": 261,
              "text": "There is a slight chance of rain on both days."
            },
            "groundingChunkIndices": [
              1,
              0
            ],
            "confidenceScores": [
              0.62836814,
              0.6488607
            ]
          }
        ],
        "retrievalMetadata": {}
      }
    }
  ],
  "usageMetadata": {
    "promptTokenCount": 10,
    "candidatesTokenCount": 98,
    "totalTokenCount": 108,
    "trafficType": "ON_DEMAND",
    "promptTokensDetails": [
      {
        "modality": "TEXT",
        "tokenCount": 10
      }
    ],
    "candidatesTokensDetails": [
      {
        "modality": "TEXT",
        "tokenCount": 98
      }
    ]
  },
  "modelVersion": "gemini-2.0-flash",
  "createTime": "2025-05-19T14:42:55.000643Z",
  "responseId": "b0MraIMFoqnf-Q-D66G4BQ"
}

Comprende tu respuesta

Si la instrucción de tu modelo se fundamenta correctamente en la Búsqueda de Google desde Vertex AI Studio o desde la API, las respuestas incluirán metadatos con vínculos de origen (URLs web). Sin embargo, existen varios motivos por los que es posible que no se proporcionen estos metadatos, y la respuesta a la instrucción no se basará en ellos. Entre estos motivos, se incluyen la baja relevancia de la fuente o la información incompleta en la respuesta del modelo.

Compatibilidad con la fundamentación

Se recomienda mostrar la compatibilidad con la fundamentación, ya que te ayuda a validar las respuestas de los editores y agrega vías para obtener más información.

La fundamentación de las respuestas de las fuentes de la Búsqueda de Google debe mostrarse intercalada y de manera no individualizada. Por ejemplo, consulta la siguiente imagen como sugerencia para hacerlo.

Ejemplos de asistencia para la fundamentación

Uso de opciones de motores de búsqueda alternativos

Cuando se usa la Fundamentación con la Búsqueda de Google, una Aplicación del Cliente puede hacer lo siguiente:

  • Ofrecer opciones de motores de búsqueda alternativos
  • Establecer otros motores de búsqueda como opción predeterminada
  • Mostrar sus propias sugerencias o resultados de la búsqueda, o los de terceros, siempre y cuando: Los resultados que no sean de Google se muestren por separado de los resultados fundamentados y las sugerencias de la Búsqueda de Google, y se muestren de una manera que no confunda a los usuarios ni sugiera que son de Google.

Beneficios

Cuando usas la Búsqueda de Google como herramienta, puedes realizar los siguientes flujos de trabajo y mensajes complejos que requieren planificación, razonamiento y pensamiento:

  • Puedes fundamentar las respuestas para asegurarte de que se basen en la información más reciente y precisa.
  • Puedes recuperar artefactos de la Web para realizar análisis.
  • Puedes encontrar imágenes, videos o contenido multimedia relevantes para ayudar en el razonamiento multimodal o la generación de tareas.
  • Puedes realizar tareas de programación, solucionar problemas técnicos y otras tareas especializadas.
  • Puedes encontrar información específica de la región o ayudar a traducir el contenido con precisión.
  • Puedes encontrar sitios web relevantes para navegar.

Cómo usar las sugerencias de la Búsqueda de Google

Cuando usas la fundamentación con la Búsqueda de Google y recibes sugerencias de búsqueda en tu respuesta, debes mostrar las sugerencias de búsqueda en producción y en tus aplicaciones.

Para obtener más información sobre la fundamentación con la Búsqueda de Google, consulta Fundamentación con la Búsqueda de Google.

Específicamente, debes mostrar las búsquedas que se incluyen en los metadatos de la respuesta fundamentada. En la respuesta, se incluye :

  • "content": Respuesta generada por LLM.
  • "webSearchQueries": Son las búsquedas que se usarán para las sugerencias de búsqueda.

Por ejemplo, en el siguiente fragmento de código, Gemini responde a una instrucción basada en la Búsqueda, que pregunta sobre un tipo de planta tropical.

"predictions": [
  {
    "content": "Monstera is a type of vine that thrives in bright indirect light…",
    "groundingMetadata": {
      "webSearchQueries": ["What's a monstera?"],
    }
  }
]

Puedes tomar este resultado y mostrarlo a través de las sugerencias de la Búsqueda.

Requisitos para las sugerencias de búsqueda

Estos son los requisitos para las sugerencias:

Requisito Descripción
Sí
  • Si bien cumple con los requisitos de visualización, la sugerencia de búsqueda se muestra exactamente como se proporciona, sin cambios.
  • Cuando interactúas con la sugerencia de búsqueda, se te dirige directamente a la página de resultados de búsqueda (SRP).
No
  • Incluir pantallas o pasos adicionales entre la selección del usuario y la visualización de la SRP
  • Muestra cualquier otro resultado de la búsqueda o sugerencia junto a la Sugerencia de Búsqueda o la respuesta de LLM fundamentada asociada.

Requisitos de visualización

Estos son los requisitos de visualización:

  • Muestra la sugerencia de búsqueda exactamente como se proporciona y no modifiques los colores, las fuentes ni la apariencia. Asegúrate de que la sugerencia de búsqueda se renderice como se especifica en las siguientes simulaciones, lo que incluye el modo claro y el oscuro:

  • Cada vez que se muestre una respuesta fundamentada, la sugerencia de la Búsqueda correspondiente debería permanecer visible.
  • Para el desarrollo de la marca, debes seguir estrictamente los lineamientos de Google para el uso de terceros de los recursos de la marca de Google que se encuentran en el Centro de recursos de la marca.
  • Cuando usas la fundamentación con la Búsqueda, se muestran chips de sugerencias de búsqueda. El campo que contiene los chips de sugerencias debe tener el mismo ancho que la respuesta fundamentada del LLM.

Comportamiento al presionar

Cuando un usuario presiona el chip, se lo dirige directamente a una página de resultados de la Búsqueda (SRP) correspondiente al término de búsqueda que se muestra en el chip. La SRP puede abrirse dentro del navegador integrado en la aplicación o en una aplicación del navegador independiente. Es importante no minimizar, quitar ni obstruir la pantalla de la SRP de ninguna manera. En la siguiente simulación animada, se ilustra la interacción de presionar para acceder a la SRP.

ejemplo de app/computadora de escritorio

Código para implementar una sugerencia de búsqueda

Cuando usas la API para fundamentar una respuesta a una búsqueda, la respuesta del modelo proporciona un estilo HTML y CSS compatible en el campo renderedContent, que implementas para mostrar sugerencias de búsqueda en tu aplicación. Para ver un ejemplo de la respuesta de la API, consulta la sección de respuesta en Fundamentos con la Búsqueda.

¿Qué sigue?