Esta página foi traduzida pela API Cloud Translation.

Web Grounding para empresas
Mantenha tudo organizado com as coleções Salve e categorize o conteúdo com base nas suas preferências.

Esta página descreve os controles de compliance do Web Grounding for Enterprise e como usar a API Web Grounding for Enterprise para gerar respostas baseadas na Web. O conteúdo indexado é um subconjunto do que está disponível na Pesquisa Google e é adequado para clientes em setores altamente regulamentados, como finanças, saúde e setor público.

Se você não precisar dos controles de compliance, use o Embasamento com a Pesquisa Google, porque ele oferece acesso a um índice da Web mais amplo.

Visão geral

O Web Grounding para Enterprise usa um índice da Web que é usado para gerar respostas com base. O índice da Web oferece suporte para:

Processamento de ML em multirregiões dos EUA ou da Europa
Nenhum registro de dados do cliente
VPC Service Controls

Como nenhum dado do cliente é mantido, as chaves de criptografia gerenciadas pelo cliente (CMEK) e a transparência no acesso (AxT) não são aplicáveis.

Usar a API

Esta seção fornece exemplos de solicitações de uso da API de IA generativa Gemini 2 na Vertex AI para criar respostas com base no Gemini. Para usar a API, você precisa definir os seguintes campos:

Contents.parts.text: a consulta de texto que os usuários querem enviar para a API.
tools.enterpriseWebSearch: quando essa ferramenta for fornecida, o Web Grounding for Enterprise poderá ser usado pelo Gemini.

Selecione um exemplo de código para saber como usar a API:

Python

Substitua as seguintes variáveis por valores:

PROJECT_NUMBER: o número do projeto.
LOCATION: a região em que o modelo é executado.
MODEL_NAME: seu modelo.

import requests
import subprocess
import json

def generate_content_with_gemini():
    """
    Sends a request to the Gemini 2.0 Flash model to generate content using Google's AI Platform.
    """

    # Replace with your actual project number and model name if different.
    project_id = PROJECT_NUMBER
    region = LOCATION
    model_name = MODEL_NAME  # Or the correct model ID, including any version specifier

    endpoint = f"https://{region}-aiplatform.googleapis.com/v1/projects/{project_id}/locations/{region}/publishers/google/models/{model_name}:generateContent"

    # Get the access token using gcloud.  Requires gcloud to be installed and configured.
    try:
        result = subprocess.run(["gcloud", "auth", "print-access-token"], capture_output=True, text=True, check=True)
        access_token = result.stdout.strip()
    except subprocess.CalledProcessError as e:
        print(f"Error getting access token: {e}")
        return None

    headers = {
        "Authorization": f"Bearer {access_token}",
        "Content-Type": "application/json",
        "x-server-timeout": "60"  # in seconds
    }

    data = {
      "contents": [{
        "role": "user",
        "parts": [{
          "text": "Who won the 2024 Eurocup?"
        }]
      }],
      "tools": [{
        "enterpriseWebSearch": {
        }
      }]
    }

    try:
        response = requests.post(endpoint, headers=headers, json=data)
        response.raise_for_status()  # Raise HTTPError for bad responses (4xx or 5xx)
        return response.json()
    except requests.exceptions.RequestException as e:
        print(f"Request failed: {e}")
        return None

# Example usage:
if __name__ == "__main__":
    result = generate_content_with_gemini()

    if result:
        print(json.dumps(result, indent=2))
    else:
        print("Failed to generate content.")

curl