Embasamento com a Pesquisa Google

Nesta página, explicamos como embasar as respostas de um modelo usando a Pesquisa Google, que usa dados da Web disponíveis publicamente. Além disso, as sugestões de pesquisa são explicadas e incluídas nas suas respostas.

Embasamento com a Pesquisa Google

Se quiser conectar seu modelo ao conhecimento mundial, a uma ampla variedade de tópicos ou a informações atualizadas na Internet, use o embasamento com a Pesquisa Google.

Para saber mais sobre o embasamento de modelo na Vertex AI, consulte a Visão geral de embasamento.

Modelos compatíveis

Esta seção lista os modelos que oferecem suporte ao embasamento com a Pesquisa.

• Gemini 2.5 Flash-Lite
  previewpré-lançamento
• Gemini 2.5 Flash com áudio nativo da API Live
  previewPré-lançamento
• Gemini 2.0 Flash com API Live
  previewpré-lançamento
• Gemini 2.5 Pro
• Gemini 2.5 Flash
• Gemini 2.0 Flash

Idiomas disponíveis

Para uma lista de idiomas compatíveis, consulte Idiomas.

Basear seu modelo na Pesquisa Google

Use as instruções a seguir para embasar um modelo com dados da Web disponíveis publicamente.

Considerações

• Para usar o embasamento com a Pesquisa Google, ative as Sugestões de pesquisa. Saiba mais em Usar as sugestões da Pesquisa Google.

• Para resultados ideais, use uma temperatura de 1.0. Para saber mais sobre como definir essa configuração, consulte o Corpo da solicitação da API Gemini na referência do modelo.

• O embasamento na Pesquisa Google tem um limite de um milhão de consultas por dia. Se precisar de mais consultas, entre em contato com o suporte doGoogle Cloud para receber ajuda.

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"
}

Entender a resposta

Se o comando do modelo embasar corretamente com a Pesquisa Google pelo Vertex AI Studio ou pela API, as respostas incluirão metadados com links de origem (URLs da Web). No entanto, há vários motivos para esses metadados não serem fornecidos e a resposta ao comando não ser embasada. Esses motivos incluem baixa relevância de fonte ou informações incompletas na resposta do modelo.

Suporte de embasamento

Recomendamos mostrar o suporte de embasamento porque ele ajuda a validar as respostas dos editores e oferece caminhos para mais aprendizado.

O suporte de embasamento para respostas de fontes da Pesquisa Google precisa ser mostrado inline e de forma agregada. Confira a imagem abaixo como uma sugestão de como fazer isso.

Uso de opções alternativas de mecanismo de pesquisa

Ao usar o Embasamento com a Pesquisa Google, um aplicativo do cliente pode:

• Oferecer opções alternativas de mecanismo de pesquisa
• Definir outros mecanismos de pesquisa como padrão
• Mostrar sugestões ou resultados de pesquisa próprios ou de terceiros, desde que: todos os resultados que não sejam do Google sejam exibidos separadamente dos resultados embasados e das sugestões de pesquisa do Google e mostrados de uma forma que não confunda os usuários nem sugira que são do Google.

Vantagens

Os comandos e fluxos de trabalho complexos a seguir, que exigem planejamento, raciocínio e pensamento, podem ser feitos ao usar a Pesquisa Google como uma ferramenta:

• Você pode usar o embasamento para garantir que as respostas sejam baseadas nas informações mais recentes e precisas.
• Você pode recuperar artefatos da Web para fazer análises.
• Você pode encontrar imagens, vídeos ou outras mídias relevantes para ajudar no raciocínio multimodal ou na geração de tarefas.
• Você pode realizar programação, solução de problemas técnicos e outras tarefas especializadas.
• Você pode encontrar informações específicas da região ou ajudar a traduzir conteúdo com precisão.
• Você pode encontrar sites relevantes para navegar.

Usar as Sugestões da Pesquisa Google

Ao usar o embasamento com a Pesquisa Google e receber sugestões de pesquisa na sua resposta, você precisa mostrar as sugestões de pesquisa na produção e nos seus aplicativos.

Para mais informações sobre o embasamento com a Pesquisa Google, consulte Embasamento com a Pesquisa Google.

Especificamente, é preciso mostrar as consultas de pesquisa incluídas nos metadados da resposta embasada. A resposta inclui:

• "content": resposta gerada por LLM.
• "webSearchQueries": as consultas a serem usadas para sugestões de pesquisa.

Por exemplo, no snippet de código a seguir, o Gemini responde a um comando baseado na Pesquisa que pergunta sobre um tipo de planta tropical.

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

Use sugestões da Pesquisa para mostrar essa saída.

Requisitos para sugestões de pesquisa

Estes são os requisitos para sugestões:

Requisitos de exibição

Confira os requisitos de exibição:

• Mostre a sugestão de pesquisa exatamente como ela foi fornecida e não faça modificações nas cores, fontes ou aparência. Confira se a sugestão de pesquisa é renderizada conforme especificado nas simulações a seguir, como os modos claro e escuro:

• Sempre que uma resposta fundamentada for exibida, a sugestão de pesquisa correspondente deverá permanecer visível.
• Para branding, siga rigorosamente as diretrizes do Google para uso de características da marca do Google por terceiros na Central de recursos da marca.
• Ao usar o embasamento com a Pesquisa, os ícones de sugestão de pesquisa são mostrados. O campo que contém os chips de sugestão precisa ter a mesma largura da resposta embasada do LLM.

Comportamento ao tocar

Quando um usuário toca no ícone, ele é direcionado para uma página de resultados da Pesquisa (SRP) com o termo de pesquisa exibido no ícone. O SRP pode ser aberto no navegador do aplicativo ou em um aplicativo de navegador separado. É importante não minimizar, remover ou obstruir a exibição do SRP de maneira alguma. O modelo animado a seguir ilustra a interação do toque para o SRP.

Código para implementar uma sugestão de pesquisa

Quando você usa a API para fundamentar uma resposta para a pesquisa, a resposta do modelo fornece estilo HTML e CSS compatível no campo renderedContent, que você implementa para mostrar sugestões de pesquisa no seu aplicativo. Para ver um exemplo de resposta da API, consulte a seção de resposta em Embasamento com a Pesquisa.

A seguir

• Para saber mais sobre o embasamento, consulte Visão geral do embasamento.
• Para saber como enviar solicitações de comando de chat, consulte Chat com vários turnos.
• Para saber mais sobre as práticas recomendadas de IA responsável e os filtros de segurança da Vertex AI, consulte Práticas recomendadas de segurança.
• Saiba como enviar solicitações de comandos de chat.
• Saiba mais sobre as Práticas recomendadas de IA responsável e os filtros de segurança da Vertex AI.