Web Grounding para empresas

Nesta página, descrevemos o embasamento na Web para controles de compliance empresarial e como usar a API Web Grounding for Enterprise para gerar respostas embasadas 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 a opção Fundamentar com a Pesquisa Google, porque ela oferece acesso a um índice da Web mais amplo e atualizado.

Visão geral

O embasamento na Web para empresas usa um índice da Web para gerar respostas embasadas. O serviço não registra dados do cliente e é compatível com o 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.

Modelos compatíveis

Esta seção lista os modelos que oferecem suporte à fundamentação na Web para empresas.

Usar a API

Esta seção fornece exemplos de solicitações de uso da API de IA generativa Gemini 2 na Vertex AI para criar respostas embasadas com o 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 é fornecida, o Gemini pode usar o embasamento na Web para empresas.

Python

Instalar

pip install --upgrade google-genai

Para saber mais, consulte a documentação de referência do SDK.

Defina variáveis de ambiente para usar o SDK de IA generativa com a 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 (
    EnterpriseWebSearch,
    GenerateContentConfig,
    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 Enterprise Web Search Tool
            Tool(enterprise_web_search=EnterpriseWebSearch())
        ],
    ),
)

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

REST

Substitua as variáveis a seguir por valores:

  • PROJECT_NUMBER: o número do projeto.
  • LOCATION: a região para processar a solicitação. Para usar o endpoint global, exclua o local do nome do endpoint e configure o local do recurso como global.
  • PROMPT: seu comando.
  curl -X POST -H "Authorization: Bearer $(gcloud auth print-access-token)" -H "Content-Type: application/json" -H "x-server-timeout: 60" https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_NUMBER/locations/LOCATION/publishers/google/models/gemini-2.0-flash:generateContent -d '
  {
    "contents": [{
      "role": "user",
      "parts": [{
        "text": PROMPT
      }]
    }],
    "tools": [{
      "enterpriseWebSearch": {
      }
    }]
  }
  '

Usar as Sugestões da Pesquisa Google

Ao usar o embasamento na Web para empresas e receber sugestões de pesquisa na sua resposta, você precisa mostrar as sugestões de pesquisa na produção e nos seus aplicativos.

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

  • "content": a resposta gerada pelo 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:

Requisito Descrição
O que fazer
  • Em conformidade com os requisitos de exibição, a sugestão de pesquisa é mostrada exatamente como fornecida, sem alterações.
  • Quando você interage com a sugestão de pesquisa, é direcionado para a página de resultados da Pesquisa (SRP).
O que não fazer
  • Inclua telas ou etapas adicionais entre o toque do usuário e a exibição do SRP.
  • Mostre outros resultados ou sugestões da pesquisa ao lado da sugestão de pesquisa ou da resposta do LLM fundamentada associada.

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.
  • Quando você usa o embasamento na Web para empresas, os chips de sugestão de pesquisa são exibidos. 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.

exemplo de app/desktop

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.

A seguir