GSP1227

Visão geral

Com a chamada de função, os desenvolvedores podem criar uma descrição de função no código e transmitir essa informação para um modelo de linguagem em uma solicitação. A resposta do modelo inclui o nome de uma função que corresponde à descrição e os argumentos para chamá-la.

Gemini

Gemini é uma família de modelos avançados de IA generativa desenvolvido pelo Google DeepMind. Ele é capaz de entender e gerar conteúdo em vários formatos, como texto, código, imagens, áudio e vídeo.

API Gemini na Agent Platform

A API Gemini na Agent Platform oferece uma interface unificada para interação com os modelos do Gemini. Assim, desenvolvedores podem integrar esses recursos avançados de IA aos próprios aplicativos com facilidade. Para conferir os detalhes mais recentes e recursos específicos dos últimos lançamentos, consulte a documentação oficial do Gemini.

Modelos do Gemini

• O Gemini Pro foi projetado para tarefas de raciocínio complexo, incluindo:
  • Análise e resumo de grandes quantidades de informações.
  • Raciocínio multimodal avançado (em texto, código, imagens etc.).
  • Solução eficaz de problemas em bases de código complexas.
• O Gemini Flash conta com velocidade e eficiência otimizadas, oferecendo:
  • Tempos de resposta com menos de um segundo e alta capacidade de processamento.
  • Alta qualidade com custos reduzidos para diversas tarefas.
  • Recursos multimodais avançados, incluindo melhor compreensão espacial, novas modalidades de saída (texto, áudio, imagens) e o uso de ferramentas nativas (Pesquisa Google, execução de código e funções de terceiros).

Pré-requisitos

Antes de fazer este laboratório, você precisa saber os seguintes conceitos:

• Noção básica de programação em Python.
• Conceitos gerais sobre APIs.
• Executar códigos Python em um notebook do Jupyter no Agent Platform Workbench.

Objetivos

Neste laboratório, você vai aprender a:

• Instalar o SDK de IA generativa do Google para Python.
• Usar a API Gemini na Agent Platform para interagir com o modelo :
  • Ajudar os clientes a conseguir informações sobre os produtos na Google Store
  • Chamar uma API externa para geocodificar endereços
  • Extrair entidades de dados de registro

Configuração e requisitos

Antes de clicar no botão Começar o Laboratório

Leia estas instruções. Os laboratórios são cronometrados e não podem ser pausados. O timer é ativado quando você clica em Iniciar laboratório e mostra por quanto tempo os recursos do Google Cloud vão ficar disponíveis.

Este laboratório prático permite que você realize as atividades em um ambiente real de nuvem, e não em uma simulação ou demonstração. Você vai receber novas credenciais temporárias para fazer login e acessar o Google Cloud durante o laboratório.

Confira os requisitos para concluir o laboratório:

• Acesso a um navegador de Internet padrão (recomendamos o Chrome).

• Tempo para concluir o laboratório: não se esqueça que, depois de começar, não será possível pausar o laboratório.

Como iniciar seu laboratório e fazer login no console do Google Cloud

1. Clique no botão Começar laboratório. Se for preciso pagar por ele, uma caixa de diálogo vai aparecer para você selecionar a forma de pagamento. À direita, você encontra o painel Configuração e acesso ao laboratório com as seguintes informações:

   • O botão Abrir console do Google Cloud
   • As credenciais temporárias (nome de usuário e senha) que você vai usar no laboratório
   • Outros dados, se necessários

   O timer do laboratório fica na parte de cima da página e mostra o tempo restante.

2. Se você estiver usando o navegador Chrome, clique em Abrir console do Google Cloud ou clique com o botão direito do mouse e selecione Abrir link em uma janela anônima.

   O laboratório ativa os recursos e depois abre a página "Login" em outra guia.

   Dica: coloque as guias em janelas separadas lado a lado.

   Observação: se aparecer a caixa de diálogo Escolher uma conta, clique em Usar outra conta.

3. Se necessário, copie o Nome de usuário abaixo e cole na caixa de diálogo Login.

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

   Você também encontra o nome de usuário no painel Configuração e acesso ao laboratório.

4. Clique em Avançar.

5. Copie a Senha abaixo e cole na caixa de diálogo Olá!.

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

   Você também encontra a senha no painel Configuração e acesso ao laboratório.

6. Clique em Avançar.

   Importante: você precisa usar as credenciais fornecidas no laboratório, e não as da sua conta do Google Cloud. Observação: se você usar sua própria conta do Google Cloud neste laboratório, talvez receba cobranças adicionais.

7. Acesse as próximas páginas:

   • Aceite os Termos e Condições.
   • Não adicione opções de recuperação nem autenticação de dois fatores (porque essa é uma conta temporária).
   • Não se inscreva em testes sem custo financeiro.

Depois de alguns instantes, o console do Google Cloud será aberto nesta guia.

Observação: para acessar os produtos e serviços do Google Cloud, clique no Menu de navegação ou digite o nome do serviço ou produto no campo Pesquisar.

Tarefa 1: abrir o notebook no Workbench da Agent Platform

1. No console do Google Cloud, no menu de navegação (), clique em Agent Platform > Notebooks > Workbench.

2. Ache a instância e clique no botão Abrir o JupyterLab.

A interface do JupyterLab para sua instância do Workbench é aberta em uma nova guia do navegador.

Tarefa 2: configurar o notebook

1. Abra o arquivo .

2. Na caixa de diálogo Selecionar Kernel, escolha Python 3 (local) na lista de kernels disponíveis.

3. Leia a seção Vamos começar do notebook. O ID do projeto e o local já estão pré-configurados.

Nas seções a seguir, você vai executar as células do notebook para entender como usar a API Gemini na Vertex AI com o SDK de IA generativa do Google para Python.

Clique em Verificar meu progresso para conferir o objetivo. Instalar o SDK da IA generativa para Python e importar bibliotecas

Tarefa 3: como usar a chamada de função em consultas estruturadas da Google Store

Ao trabalhar com um modelo de texto generativo, pode ser difícil fazer o LLM fornecer respostas consistentes em um formato estruturado como JSON. A chamada de função facilita o trabalho com LLMs usando comandos e entradas não estruturadas, e faz com que o LLM retorne uma resposta estruturada que pode ser usada para chamar uma função externa.

Pense na chamada de função como uma forma de receber uma saída estruturada que vem de comandos do usuário e definições de função. Ao usar essa saída estruturada para fazer uma solicitação de API a um sistema externo, ela retorna a resposta da função ao LLM para gerar uma resposta ao usuário. Em outras palavras, a chamada de função no Gemini extrai parâmetros estruturados de textos ou mensagens sem estrutura de usuários. Neste exemplo, você vai usar a chamada de função com a modalidade de chat no modelo do Gemini para ajudar os clientes a receber informações sobre produtos na Google Store.

1. Nesta tarefa, confira as células do notebook para saber como usar o modelo do Gemini para ajudar os clientes a conseguir informações sobre produtos na Google Store.

Clique em Verificar meu progresso para conferir o objetivo. Gerar uma chamada de função simples

Tarefa 4: usar a chamada de função para geocodificar endereços com a API Maps

Neste exemplo, você vai usar a modalidade de texto da API Gemini para definir uma função que usa vários parâmetros como entradas. Você vai usar a resposta da chamada de função para fazer uma chamada de API em tempo real e converter um endereço em coordenadas de latitude e longitude.

1. Nesta tarefa, execute as células do notebook para entender como usar o modelo Gemini Flash para gerar uma chamada de função que faz a geocodificação de um endereço.

Clique em Verificar meu progresso para conferir o objetivo. Gerar uma chamada de função complexa

Parabéns!

Parabéns! Neste laboratório, você aprendeu a usar a API Gemini na Agent Platform para gerar chamadas de função com base em comandos de texto. Você usou o modelo Gemini Flash para gerar chamadas de função e ajudar os clientes a receber informações sobre produtos na Google Store, geocodificar endereços e extrair entidades de dados de registro.

Próximas etapas / Saiba mais

Confira os recursos a seguir para saber mais sobre a IA generativa e a Gemini Enterprise Agent Platform:

• Confira a Visão geral dos modelos do Gemini do Google DeepMind para saber mais sobre os principais recursos do modelo.
• Confira a documentação oficial da Agent Platform para ver as diretrizes de design, escalonamento e implantação.
• Confira a Visão geral dos agentes na Agent Platform para entender como criar e gerenciar agentes personalizados.
• Assista à playlist de IA generativa no YouTube para conferir tutoriais em vídeo e demonstrações de produtos.
• Conheça outros notebooks e exemplos no Repositório da IA generativa do Google Cloud (em inglês).
• Confira o repositório de amostras do Kit de Desenvolvimento de Agente (ADK) do Google para ver os modelos de agentes personalizados.

Treinamento e certificação do Google Cloud

Esses treinamentos ajudam você a aproveitar as tecnologias do Google Cloud ao máximo. Nossas aulas incluem habilidades técnicas e práticas recomendadas para ajudar você a alcançar rapidamente o nível esperado e continuar sua jornada de aprendizado. Oferecemos treinamentos que vão do nível básico ao avançado, com opções de aulas virtuais, sob demanda e por meio de transmissões ao vivo para que você possa encaixá-las na correria do seu dia a dia. As certificações validam sua experiência e comprovam suas habilidades com as tecnologias do Google Cloud.

Manual atualizado em 18 de maio de 2026

Laboratório testado em 4 de maio de 2026

Copyright 2026 Google LLC. Todos os direitos reservados. Google e o logotipo do Google são marcas registradas da Google LLC. Todos os outros nomes de produtos e empresas podem ser marcas registradas das respectivas empresas a que estão associados.