GSP1227

Panoramica

Le chiamate di funzione consentono agli sviluppatori di creare una descrizione di una funzione nel loro codice, per poi passare questa descrizione a un modello linguistico in una richiesta. La risposta da parte del modello include il nome di una funzione che corrisponde alla descrizione e agli argomenti con cui chiamarla.

Le chiamate di funzione sono simili alle estensioni di Agent Platform in quanto entrambe generano informazioni sulle funzioni. La differenza è che le chiamate di funzione restituiscono dati in formato JSON con il nome di una funzione e gli argomenti da utilizzare nel codice, mentre le estensioni di Agent Platform restituiscono la funzione e la chiamano per tuo conto.

Gemini

Gemini è una famiglia di potenti modelli di AI generativa sviluppati da Google DeepMind, in grado di comprendere e generare diversi tipi di contenuti, tra cui testo, codice, immagini, audio e video.

API Gemini in Agent Platform

L'API Gemini in Agent Platform fornisce un'interfaccia unificata per interagire con i modelli Gemini. Ciò consente agli sviluppatori di integrare facilmente queste potenti funzionalità di AI nelle loro applicazioni. Per i dettagli più aggiornati e le funzionalità specifiche delle ultime versioni, consulta la documentazione ufficiale di Gemini.

Modelli Gemini

• Gemini Pro è progettato per ragionamenti complessi, tra cui:
  • Analisi e riepilogo di grandi quantità di informazioni.
  • Ragionamento multimodale avanzato (su testo, codice, immagini e così via).
  • Risoluzione dei problemi efficace con codebase complessi.
• Gemini Flash è ottimizzato in termini di velocità ed efficienza e offre:
  • Tempi di risposta inferiori al secondo e throughput elevato.
  • Alta qualità a un costo inferiore per un'ampia gamma di attività.
  • Funzionalità multimodali avanzate, tra cui una migliore comprensione spaziale, nuove modalità di output (testo, audio, immagini) e l'utilizzo di strumenti nativi (Ricerca Google, esecuzione del codice e funzioni di terze parti).

Prerequisiti

Prima di iniziare questo lab, dovresti acquisire familiarità con:

• Concetti di base della programmazione in Python.
• Concetti generali delle API.
• Esecuzione di codice Python in un notebook Jupyter su Agent Platform Workbench.

Obiettivi

In questo lab imparerai a:

• Installare l'SDK Google Gen AI per Python
• Utilizzare l'API Gemini in Agent Platform per interagire con il modello :
  • Generare chiamate di funzione da un prompt di testo per aiutare i clienti a ottenere informazioni sui prodotti del Google Store
  • Generare chiamate di funzione da un prompt di testo e chiamare un'API esterna per geocodificare gli indirizzi
  • Generare chiamate di funzione da un prompt di testo per estrarre entità dai dati di log

Configurazione e requisiti

Prima di fare clic sul pulsante Avvia lab

Leggi le seguenti istruzioni. I lab sono a tempo e non possono essere messi in pausa. Il timer si avvia quando fai clic su Inizia il lab e ti mostra per quanto tempo avrai a disposizione le risorse Google Cloud.

Con questo lab pratico avrai la possibilità di completare le attività in un ambiente cloud reale e non di simulazione o demo. Riceverai delle nuove credenziali temporanee che potrai utilizzare per accedere a Google Cloud per la durata del lab.

Per completare il lab, avrai bisogno di:

• Accesso a un browser internet standard (Chrome è il browser consigliato).

• È ora di completare il lab: ricorda che, una volta iniziato, non puoi metterlo in pausa.

Come iniziare il lab e accedere alla console Google Cloud

1. Fai clic sul pulsante Inizia il lab. Se devi effettuare il pagamento per il lab, si aprirà una finestra di dialogo per permetterti di selezionare il metodo di pagamento. A destra, trovi il riquadro Configurazione e accesso al lab con le seguenti informazioni:

   • Il pulsante Apri console Google Cloud
   • Le credenziali temporanee (nome utente e password) da utilizzare per il lab
   • Altre informazioni per seguire questo lab, se necessario

   Tieni presente che il timer del lab si trova nella parte superiore della pagina e mostra il tempo rimanente.

2. Fai clic su Apri console Google Cloud (o fai clic con il tasto destro del mouse e seleziona Apri link in finestra Incognito se utilizzi il browser Chrome).

   Il lab avvia le risorse e apre un'altra scheda con la pagina di accesso.

   Suggerimento: disponi le schede in finestre separate posizionate fianco a fianco.

   Nota: se visualizzi la finestra di dialogo Scegli un account, fai clic su Usa un altro account.

3. Se necessario, copia il Nome utente di seguito e incollalo nella finestra di dialogo Accedi.

   {{{user_0.username | "Username"}}}

   Puoi trovare il Nome utente anche nel riquadro Configurazione e accesso al lab.

4. Fai clic su Avanti.

5. Copia la Password di seguito e incollala nella finestra di dialogo Ti diamo il benvenuto.

   {{{user_0.password | "Password"}}}

   Puoi trovare la Password anche nel riquadro Configurazione e accesso al lab.

6. Fai clic su Avanti.

   Importante: devi utilizzare le credenziali fornite dal lab. Non utilizzare le credenziali del tuo account Google Cloud. Nota: utilizzare il tuo account Google Cloud per questo lab potrebbe comportare addebiti aggiuntivi.

7. Fai clic nelle pagine successive:

   • Accetta i termini e le condizioni.
   • Non inserire opzioni di recupero o l'autenticazione a due fattori, perché si tratta di un account temporaneo.
   • Non registrarti per le prove senza costi.

Dopo qualche istante, la console Google Cloud si apre in questa scheda.

Nota: per accedere ai prodotti e ai servizi Google Cloud, fai clic sul menu di navigazione o digita il nome del servizio o del prodotto nel campo Cerca.

Attività 1: apri il notebook in Agent Platform Workbench

1. Nella console Google Cloud, nel menu di navigazione (), fai clic su Agent Platform > Notebook > Workbench.

2. Trova l'istanza e fai clic sul pulsante Apri JupyterLab.

L'interfaccia JupyterLab per la tua istanza Workbench si apre in una nuova scheda del browser.

Attività 2: configura il notebook

1. Apri il file .

2. Nella finestra di dialogo Seleziona kernel, scegli Python 3 (locale) dall'elenco dei kernel disponibili.

3. Esamina la sezione Per iniziare del notebook. L'ID progetto e la località sono preconfigurati.

Nelle sezioni seguenti, analizzerai le celle del notebook per vedere come utilizzare l'API Gemini in Agent Platform con l'SDK Google Gen AI per Python.

Fai clic su Controlla i miei progressi per verificare l'obiettivo. Installa l'SDK Gen AI per Python e importa le librerie

Attività 3: utilizza le chiamate di funzione per le query strutturate sul Google Store

Quando si utilizza un modello di testo generativo, può essere difficile costringere l'LLM a fornire risposte coerenti in un formato strutturato come JSON. Le chiamate di funzione semplificano l'utilizzo degli LLM tramite input non strutturati e prompt e fanno in modo che l'LLM restituisca una risposta strutturata utilizzabile per chiamare una funzione esterna.

Puoi considerare le chiamate di funzione come un modo per ottenere un output strutturato dai prompt dell'utente e dalle definizioni delle funzioni, utilizzare questo output strutturato per effettuare una richiesta API a un sistema esterno, quindi restituire la risposta della funzione all'LLM per generare una risposta all'utente. In altre parole, le chiamate di funzione in Gemini estraggono parametri strutturati da testo o messaggi non strutturati degli utenti. In questo esempio, utilizzerai le chiamate di funzione insieme alla modalità di chat nel modello Gemini per aiutare i clienti a ottenere informazioni sui prodotti del Google Store.

1. In questa attività, esamina le celle del blocco note per vedere come utilizzare il modello Gemini per aiutare i clienti a ottenere informazioni sui prodotti del Google Store.

Fai clic su Controlla i miei progressi per verificare l'obiettivo. Genera una chiamata di funzione semplice

Attività 4: utilizza le chiamate di funzione per geocodificare gli indirizzi con un'API di Google Maps

In questo esempio, utilizzerai la modalità di testo nell'API Gemini per definire una funzione che prende più parametri come input. Utilizzerai la risposta alla chiamata di funzione per effettuare una chiamata API live e convertire un indirizzo in coordinate di latitudine e longitudine.

1. In questa attività, esamina le celle del notebook per vedere come utilizzare il modello Gemini Flash allo scopo di generare una chiamata di funzione per geocodificare un indirizzo.

Fai clic su Controlla i miei progressi per verificare l'obiettivo. Genera una chiamata di funzione complessa.

Attività 5: utilizza chiamate di funzione per l'estrazione delle entità

Negli esempi precedenti, hai utilizzato la funzionalità di estrazione delle entità all'interno della chiamata di funzione di Gemini per passare i parametri risultanti a un'API REST o a una libreria client. Tuttavia, potresti voler eseguire soltanto il passaggio di estrazione delle entità con la chiamata di funzione di Gemini senza chiamare effettivamente un'API. Puoi considerare questa funzionalità come un modo conveniente per trasformare i dati di testo non strutturati in campi strutturati.

In questo esempio, creerai un estrattore di log che prende i dati di log non elaborati e li trasforma in dati strutturati con dettagli sui messaggi di errore.

1. In questa attività, esamina le celle del notebook per vedere come utilizzare il modello Gemini Flash per generare chiamate di funzione per estrarre entità dai dati di log.

Fai clic su Controlla i miei progressi per verificare l'obiettivo. Genera chiamate di funzione da un prompt di chat

Complimenti!

Complimenti! In questo lab hai imparato a utilizzare l'API Gemini in Agent Platform per generare chiamate di funzione da prompt di testo. Hai utilizzato il modello Gemini Flash per generare chiamate di funzione al fine di aiutare i clienti a ottenere informazioni sui prodotti del Google Store, per geocodificare gli indirizzi ed estrarre entità dai dati di log.

Prossimi passi/Scopri di più

Dai un'occhiata alle seguenti risorse per scoprire di più sull'AI generativa e su Gemini Enterprise Agent Platform:

• Leggi la panoramica dei modelli Gemini di Google DeepMind per scoprire le funzionalità principali del modello.
• Esplora la documentazione ufficiale di Agent Platform per le linee guida su progettazione, scalabilità e deployment.
• Consulta la panoramica degli agenti su Agent Platform per capire come creare e gestire agenti personalizzati.
• Guarda la playlist AI generativa su YouTube per video tutorial e demo dei prodotti.
• Esplora altri notebook ed esempi nel repository dell'AI generativa di Google Cloud.
• Esplora il repository di esempi di Google Agent Development Kit (ADK) per i template di agenti personalizzati.

Formazione e certificazione Google Cloud

… per utilizzare al meglio le tecnologie Google Cloud. I nostri corsi ti consentono di sviluppare competenze tecniche e best practice per aiutarti a metterti subito al passo e avanzare nel tuo percorso di apprendimento. Offriamo vari livelli di formazione, dal livello base a quello avanzato, con opzioni di corsi on demand, dal vivo e virtuali, in modo da poter scegliere il più adatto in base ai tuoi impegni. Le certificazioni ti permettono di confermare e dimostrare le tue abilità e competenze relative alle tecnologie Google Cloud.

Ultimo aggiornamento del manuale: 29 ottobre 2025

Ultimo test del lab: 6 novembre 2025

Copyright 2026 Google LLC. Tutti i diritti riservati. Google e il logo Google sono marchi di Google LLC. Tutti gli altri nomi di società e prodotti sono marchi delle rispettive società a cui sono associati.