Perujukan dengan Google Penelusuran

Halaman ini menjelaskan cara men-grounding respons model menggunakan Google Penelusuran, yang menggunakan data web yang tersedia secara publik. Selain itu, Saran penelusuran dijelaskan, yang disertakan dalam respons Anda.

Grounding dengan Google Penelusuran

Jika Anda ingin menghubungkan model dengan informasi global, rentang potensi topik yang luas, atau informasi terbaru di Internet, gunakan Grounding dengan Google Penelusuran.

Untuk mempelajari lebih lanjut perujukan model di Vertex AI, lihat Ringkasan perujukan.

Model yang didukung

Bagian ini mencantumkan model yang mendukung perujukan dengan Penelusuran.

• Gemini 2.5 Flash-Lite
  previewPratinjau
• Gemini 2.5 Flash dengan audio native Live API
  previewPratinjau
• Gemini 2.0 Flash dengan Live API
  previewPratinjau
• Gemini 2.5 Pro
• Gemini 2.5 Flash
• Gemini 2.0 Flash

Bahasa yang didukung

Untuk mengetahui daftar bahasa yang didukung, lihat Bahasa.

Melakukan grounding model Anda dengan Google Penelusuran

Gunakan petunjuk berikut untuk men-grounding model dengan data web yang tersedia secara publik.

Pertimbangan

• Untuk menggunakan perujukan dengan Google Penelusuran, Anda harus mengaktifkan Saran Google Penelusuran. Lihat selengkapnya di Menggunakan saran Google Penelusuran.

• Untuk hasil yang ideal, gunakan suhu 1.0. Untuk mempelajari lebih lanjut cara menyetel konfigurasi ini, lihat isi permintaan Gemini API dari referensi model.

• Perujukan dengan Google Penelusuran memiliki batas satu juta kueri per hari. Jika Anda memerlukan kueri lainnya, hubungi Google Cloud dukungan untuk mendapatkan bantuan.

pip install --upgrade google-genai

# 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 ...'

# 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
}

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

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

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_ID:generateContent"

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_ID:generateContent" | Select-Object -Expand Content

{
  "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"
}

Memahami respons Anda

Jika perintah model Anda berhasil melakukan grounding ke Google Penelusuran dari Vertex AI Studio atau dari API, maka respons akan menyertakan metadata dengan link sumber (URL web). Namun, ada beberapa alasan mengapa metadata ini mungkin tidak diberikan, dan respons perintah tidak akan memiliki rujukan. Alasan ini mencakup relevansi sumber yang rendah atau informasi yang tidak lengkap dalam respons model.

Dukungan perujukan

Menampilkan dukungan perujukan direkomendasikan, karena membantu Anda memvalidasi respons dari penayang dan menambahkan cara untuk mempelajari lebih lanjut.

Dukungan perujukan untuk respons dari sumber Google Penelusuran harus ditampilkan baik secara inline maupun gabungan. Misalnya, lihat gambar berikut sebagai saran tentang cara melakukannya.

Penggunaan opsi mesin telusur alternatif

Saat menggunakan Grounding dengan Google Penelusuran, Aplikasi Pelanggan dapat:

• Menawarkan opsi mesin telusur alternatif,
• Menjadikan mesin telusur lain sebagai opsi default,
• Menampilkan saran penelusuran atau hasil penelusuran mereka sendiri atau pihak ketiga selama: semua hasil non-Google harus ditampilkan secara terpisah dari Hasil yang Sesuai dan Saran Penelusuran Google, serta ditampilkan dengan cara yang tidak membingungkan pengguna atau menyarankan bahwa hasil tersebut berasal dari Google.

Manfaat

Perintah dan alur kerja kompleks berikut yang memerlukan perencanaan, penalaran, dan pemikiran dapat dilakukan saat Anda menggunakan Google Penelusuran sebagai alat:

• Anda dapat melakukan perujukan untuk membantu memastikan respons didasarkan pada informasi terbaru dan paling akurat.
• Anda dapat mengambil artefak dari web untuk melakukan analisis.
• Anda dapat menemukan gambar, video, atau media lain yang relevan untuk membantu penalaran multimodal atau pembuatan tugas.
• Anda dapat melakukan coding, pemecahan masalah teknis, dan tugas khusus lainnya.
• Anda dapat menemukan informasi khusus wilayah, atau membantu menerjemahkan konten secara akurat.
• Anda dapat menemukan situs yang relevan untuk dijelajahi.

Menggunakan saran Google Penelusuran

Saat Anda menggunakan perujukan dengan Google Penelusuran, dan Anda menerima saran Penelusuran dalam respons Anda, Anda harus menampilkan saran Penelusuran dalam produksi dan di aplikasi Anda.

Untuk mengetahui informasi selengkapnya tentang perujukan dengan Google Penelusuran, lihat Perujukan dengan Google Penelusuran.

Secara khusus, Anda harus menampilkan kueri penelusuran yang disertakan dalam metadata respons yang memiliki rujukan. Responsnya mencakup:

• "content": Respons yang dihasilkan LLM.
• "webSearchQueries": Kueri yang akan digunakan untuk Saran penelusuran.

Misalnya, dalam cuplikan kode berikut, Gemini merespons perintah berbasis Penelusuran, yang menanyakan tentang jenis tanaman tropis.

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

Anda dapat mengambil output ini, dan menampilkannya menggunakan saran Penelusuran.

Persyaratan untuk Saran penelusuran

Berikut adalah persyaratan untuk saran:

Persyaratan tampilan

Berikut adalah persyaratan tampilan:

• Tampilkan saran Penelusuran persis seperti yang diberikan, dan jangan lakukan modifikasi apa pun pada warna, font, atau tampilan. Pastikan saran Penelusuran dirender seperti yang ditentukan dalam mockup berikut seperti mode terang dan gelap:

• Setiap kali respons berbasis perujukan ditampilkan, saran Penelusuran yang sesuai harus tetap terlihat.
• Untuk branding, Anda harus mematuhi pedoman Google secara ketat terkait penggunaan fitur merek Google oleh pihak ketiga di Selamat datang di Pusat Referensi Merek kami.
• Saat Anda menggunakan perujukan dengan Penelusuran, chip saran Penelusuran akan ditampilkan. Kolom yang berisi chip saran harus memiliki lebar yang sama dengan respons yang dirujuk dari LLM.

Perilaku saat diketuk

Saat pengguna mengetuk chip, mereka akan langsung diarahkan ke halaman hasil Penelusuran (SRP) untuk istilah penelusuran yang ditampilkan di chip. SRP dapat dibuka di dalam browser dalam aplikasi atau di aplikasi browser terpisah. Anda tidak boleh meminimalkan, menghapus, atau menghalangi tampilan SRP dengan cara apa pun. Mockup animasi berikut menggambarkan interaksi ketuk untuk membuka SRP.

Kode untuk menerapkan saran Penelusuran

Saat Anda menggunakan API untuk memberi landasan pada respons penelusuran, respons model akan memberikan gaya HTML dan CSS yang sesuai di kolom renderedContent, yang Anda terapkan untuk menampilkan saran Penelusuran di aplikasi Anda. Untuk melihat contoh respons API, lihat bagian respons di Merujuk dengan Penelusuran.

Langkah berikutnya

• Untuk mempelajari lebih lanjut perujukan, lihat Ringkasan perujukan.
• Untuk mempelajari cara mengirim permintaan prompt chat, lihat Chat multi-giliran.
• Untuk mempelajari praktik terbaik AI yang bertanggung jawab dan filter keamanan Vertex AI, lihat Praktik terbaik keamanan.
• Pelajari cara mengirim permintaan prompt chat.
• Pelajari praktik terbaik AI yang bertanggung jawab dan filter keamanan Vertex AI.