此页面由 Cloud Translation API 翻译。

使用 Google 搜索建立依据

本页介绍了如何使用 Google 搜索（使用公开提供的 Web 数据）为模型回答建立依据。此外，还说明了响应中包含的搜索建议。

使用 Google 搜索建立依据

如果您想将模型与世界知识、各种可能的主题或互联网上的最新信息相关联，请使用“依托 Google 搜索进行接地”功能。

如需详细了解 Vertex AI 中的模型接地功能，请参阅接地概览。

支持的模型

本部分列出了支持通过 Google 搜索进行接地操作的模型。

支持的语言

如需查看支持的语言列表，请参阅语言。

借助 Google 搜索让模型接地

按照以下说明借助公开提供的网络数据让模型接地。

注意事项

如需使用“依托 Google 搜索进行接地”，您必须启用 Google 搜索建议。如需了解详情，请参阅使用 Google 搜索建议。
为了获得理想的结果，请使用 1.0 温度。如需详细了解如何设置此配置，请参阅模型参考文档中的 Gemini API 请求正文。
“借助 Google 搜索接地”功能的查询次数上限为每天 100 万次。如果您需要更多查询，请与Google Cloud 支持团队联系以寻求帮助。

控制台

如需将“使用 Google 搜索建立依据”与 Vertex AI Studio 搭配使用，请按照以下步骤操作：

在 Google Cloud 控制台中，前往 Vertex AI Studio 页面。
进入 Vertex AI Studio
点击自由形式标签页。
在侧边栏中，点击根据模型回答问题切换开关。
点击自定义，并将 Google 搜索设置为来源。
在文本框中输入提示，然后点击提交。

您的提示回答现在会以 Google 搜索为基础。

Python

安装

pip install --upgrade google-genai

如需了解详情，请参阅 SDK 参考文档。

设置环境变量以将 Gen AI SDK 与 Vertex AI 搭配使用：

# 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

了解如何安装或更新 Go。

如需了解详情，请参阅 SDK 参考文档。

设置环境变量以将 Gen AI SDK 与 Vertex AI 搭配使用：

# 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

在使用任何请求数据之前，请先进行以下替换：

LOCATION：处理请求的区域。
PROJECT_ID：您的项目 ID。
MODEL_ID：多模态模型的模型 ID。
TEXT：要包含在提示中的文本说明。

HTTP 方法和网址：

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

请求 JSON 正文：

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

如需发送您的请求，请展开以下选项之一：

curl（Linux、macOS 或 Cloud Shell）

注意：以下命令假定您已使用您的用户账号通过运行 gcloud init 或 gcloud auth login 登录 gcloud CLI，或者使用了 Cloud Shell，这会使您自动登录 gcloud CLI。您可以运行 gcloud auth list 来检查当前活跃的账号。

将请求正文保存在名为 request.json 的文件中，然后执行以下命令：

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"

PowerShell (Windows)

注意：以下命令假定您已使用您的用户账号通过运行 gcloud init 或 gcloud auth login 登录 gcloud CLI。您可以运行 gcloud auth list 来检查当前活跃的账号。

将请求正文保存在名为 request.json 的文件中，然后执行以下命令：

$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

您应该收到类似以下内容的 JSON 响应：

{
  "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"
}

理解回答

如果您的模型提示从 Vertex AI Studio 或 API 成功连接到 Google 搜索，则回答会包含带有来源链接（网址）的元数据。不过，有多种原因可能会导致此元数据无法提供，并且提示回答不会落地。这些原因包括模型回答中的来源相关性低或信息不完整。

标准答案关联支持

建议显示事实依据支持，因为这有助于您验证发布方的回答，并为用户提供更多学习途径。

对来自 Google 搜索来源的回答的接地支持应以内嵌和汇总形式显示。例如，请参阅下图，了解如何执行此操作。

接地支持示例

使用备用搜索引擎选项

使用“依托 Google 搜索进行接地”时，客户应用可以：

提供备用搜索引擎选项，
将其他搜索引擎设为默认选项，
展示自有或第三方搜索建议或搜索结果，但前提是：任何非 Google 结果都必须与 Google 的 Grounded Results 和搜索建议分开展示，并且展示方式不会让用户感到困惑，也不会暗示这些结果来自 Google。

优势

当您将 Google 搜索用作工具时，可以执行以下需要规划、推理和思考的复杂提示和工作流：

您可以进行接地，以帮助确保回答基于最新且最准确的信息。
您可以从 Web 检索制品以进行分析。
您可以找到相关图片、视频或其他媒体，以帮助进行多模态推理或生成任务。
您可以执行编码、技术问题排查和其他专业任务。
查找特定于某个区域的信息或协助准确翻译内容。
您可以找到相关网站以供浏览。

使用 Google 搜索建议

使用“依托 Google 搜索进行接地”时，如果您在响应中收到搜索建议，则必须在生产环境和应用中显示搜索建议。

如需详细了解如何依托 Google 搜索进行接地，请参阅依托 Google 搜索进行接地。

具体而言，您必须显示有依据的回答的元数据中包含的搜索查询。回答包括：

"content"：LLM 生成的回答。
"webSearchQueries"：用于搜索建议的查询。

例如，在以下代码段中，Gemini 会回答 Google 搜索连接提示，该提示询问一种热带植物。

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

您可以使用搜索建议获取此输出并进行显示。

搜索建议的要求

以下是建议的要求：

要求	说明
正确做法	在遵守显示要求的前提下，完全按照所提供的方式显示搜索建议，不进行任何更改。当您与搜索建议互动时，系统会直接将您带到搜索结果页 (SRP)。
错误做法：	在用户点按与 SRP 显示之间包含任何屏幕或其他步骤。在搜索建议或关联的接地 LLM 回答旁边显示任何其他搜索结果或建议。

显示要求

以下是展示要求：

完全按照所提供的方式显示搜索建议，不对颜色、字体或外观进行任何修改。确保搜索建议按照以下模拟中指定的方式进行渲染，包括针对浅色和深色模式：

每当显示接地回答时，其相应的搜索建议都应保持可见。
在品牌塑造方面，您必须严格遵循 Google 的指南（第三方使用 Google 品牌特征时适用），详见欢迎访问我们的品牌资源中心。
使用“依托 Google 搜索进行接地”时，系统会显示搜索建议条状标签。包含建议块的字段必须与 LLM 提供的连接回答宽度相同。

点按时的行为

用户点按条状标签后，会直接前往条状标签中显示的搜索字词的对应搜索结果页 (SRP)。SRP 可以在应用内浏览器或单独的浏览器应用中打开。请务必不要以任何方式最小化、移除或遮挡 SRP 的显示内容。以下动画模拟展示了点按与 SRP 的交互。

应用/桌面示例

实现搜索建议的代码

当您使用 API 为搜索响应建立依据时，模型响应会在 renderedContent 字段中提供合规的 HTML 和 CSS 样式，您可以实现该字段以在应用中显示搜索建议。如需查看 API 响应示例，请参阅使用搜索建立依据中的响应部分。

后续步骤

如需详细了解接地，请参阅接地概览。
如需了解如何发送聊天提示请求，请参阅多回合聊天。
如需了解 Responsible AI 最佳实践和 Vertex AI 的安全过滤条件，请参阅安全最佳实践。
了解如何发送聊天提示请求。
了解 Responsible AI 最佳实践和 Vertex AI 安全过滤条件。

使用 Google 搜索建立依据 使用集合让一切井井有条 根据您的偏好保存内容并对其进行分类。