[Python] 如何调用Google Gemini API - 手撸谷歌AI客户端

前面我们申请了Google的AI Gemini Pro的API，那么如何来使用API访问Gemini 的大语言模型呢。谷歌其实给出了很多入门文档，包括Python，Go，Node.js，Android等等。我自己也不怎么会python，但还是跟着文档试了一下，用Python访问谷歌的Gemini，中间遇到不会的我就问Copilot。

谷歌其实给了个例子，直接在Google Colab上就能跑起来。我就是参考它实践了一下，中间遇到的问题主要是连不上谷歌服务器（需要代理）。最后的结果也是个比较糙的，自己就是试试手，毕竟也不是干这个的，但是还挺有成就感。

成果展示
准备工作
正式开始

成果展示

准备工作

需要美国全局，不然中间运行代码会报错。而且申请API KEY也是要美国节点的。
Python 3.11 以上
VS Code。本例子是用VS Code作为编辑器，同时也是作为Gemini的客户端来用。

配置 Python 环境

去下载安装Python，这个就不多说了。我是用VS Code来编辑Python的。反正用啥看你自己习惯。

本例中还用到了Jupyter Notebook，不过因为现在VS Code的Python插件中已经内置了Jupyter Notebook，所以不用额外安装了。

这里插一句，Jupyter Notebook是一个可以在网页上运行的程序，它可以让你在同一个界面中编写、查看和执行代码，从而使得在进行更改并立即查看结果变得更加容易。它支持多种编程语言，包括Python、R、Julia等。刚好可以用这个来当做Gemini的客户端来用了。

申请Google Gemini API 密钥（已申请的跳过）

复制你的Gemini API Key，如果还没有申请的可以先去看看前面的文章。

设置环境变量

然后右键点击我的电脑（此电脑） → 属性 → 高级系统设置 → 环境变量。

点击新建，然后输入你的API KEY：

变量名：GOOGLE_GEMINI_API_KEY （这个你自己定）
变量值：你申请的API KEY

点击确定保存设置。

看是否成功可以打开cmd，输入 echo %你设置的变量名% 来看看是不是输出了对应的KEY。

正式开始

自己在本地创建一个ipynb文件，例如：gemini.ipynb。用VS code打开。也可以直接在VS Code里按Ctrl + Shift + P，输入Jupyter，然后选择 Create: New Jupyter Notebook。

然后就是往里面贴代码了，得益于Jupyter，我们可以写文章一样，把步骤写清楚，而且还能一段一段的执行代码。

安装 google-generativeai 包

第一步是使用 pip 命令安装google-generativeai包。在谷歌的文档中已经有了，只要点击一下该代码前面的运行标志即可。

!pip install -q -U google-generativeai

可能会有一个提示：DEPRECATION: Loading egg at c:\python\python311\lib\site-packages\pip-22.3.1-py3.11.egg is deprecated. pip 24.3 will enforce this behaviour change. A possible replacement is to use pip for package installation.. Discussion can be found at https://github.com/pypa/pip/issues/12330。

这个不用管它，其实就是说你的 pip 版本较旧，而新版本的 pip 已经不再支持加载 egg 文件。这个不会影响你代码的运行。

导入需要的包

在notebook里运行一下下面的代码，导入几个需要的python package。然后因为我们在国内，只有美国的IP才能访问Gemini，所以需要加入代理。另外为了美观，将输出的文本转换成Markdown格式。

这里127.0.0.1:7890 是我本地的代理软件Clash的端口。我是简单的用requests搞了个代理，问了AI，说还能用grpc 来实现。

import textwrap
import os
import requests
import google.generativeai as genai

from IPython.display import display
from IPython.display import Markdown

proxies = {
    "http": "http://127.0.0.1:7890",
    "https": "https://127.0.0.1:7890",
}

def to_markdown(text):
  text = text.replace('•', '  *')
  return Markdown(textwrap.indent(text, '> ', predicate=lambda _: True))

安装 API KEY

因为直接将API Key写在代码里不太安全，所以这里谷歌是把它存在了google colab的user data里（红色部分），我们现在是在本地，所以使用环境变量来访问API Key是个不错的做法。（这些都是AI 告诉我的，哈哈）

GOOGLE_API_KEY = os.environ.get("GOOGLE_GEMINI_API_KEY")
genai.configure(api_key=GOOGLE_API_KEY)
print("Google API Key:", GOOGLE_API_KEY)  # 打印API KEY

列出当前的模型

列出当前的谷歌gemini的模型。感觉应该是可以省掉的，我注释掉反正也能跑。

for m in genai.list_models():
  if 'generateContent' in m.supported_generation_methods:
    print(m.name)

打印结果：

models/gemini-pro
models/gemini-pro-vision

调用模型

接下来就是调用模型生成回答了，把你要问的写在model.generate_content里，主要要有双引号。然后Gemini就会回答你的问题了。

model = genai.GenerativeModel('gemini-pro')
%%time 
response = model.generate_content("怎么禁止Wordpress的auto embeds")
to_markdown(response.text)

这个只是输入文字的模型，想要多模态输入，要调用gemini-pro-vision。这个我没弄了，可以照着谷歌的文档自己弄。需要用到PIL包，大概就是在上面的基础上把下面的代码加进去：

import PIL.Image

img = PIL.Image.open('图片的路径或者URL')
img
model = genai.GenerativeModel('gemini-pro-vision')

response = model.generate_content(["你的prompt", img], stream=True)
response.resolve()

to_markdown(response.text)

5/5 - (2 votes)

Series Navigation<< 谷歌 Gemini Pro 开放 API，可免费使用（附申请步骤）一个开源的多平台 Gemini Pro App >>

Google Gemini 专题