搭配 Gemini API 使用工具和代理程式

工具和代理程式可擴充 Gemini 模型的功能，讓模型在現實世界中採取行動、存取即時資訊，以及執行複雜的運算工作。模型可透過即時 API，在標準要求/回應互動和即時串流工作階段中使用工具。

Gemini API 提供一系列全代管的內建工具和代理程式，可針對 Gemini 模型進行最佳化調整，您也可以使用函式呼叫定義自訂工具。

可用的內建工具

工具	說明	應用實例
Google 搜尋	以網路上的時事和事實做為回覆基準，減少幻覺。	- 回答近期活動相關問題 - 根據各種來源驗證事實
Google 地圖	建構位置辨識助理，尋找地點、規劃路線及提供豐富的當地資訊。	- 規劃包含多個停靠點的旅遊行程 - 根據使用者條件尋找當地商家
程式碼執行	允許模型撰寫及執行 Python 程式碼，準確解決數學問題或處理資料。	- 解出複雜的數學方程式 - 準確處理及分析文字資料
網址內容	指示模型讀取及分析特定網頁或文件中的內容。	- 根據特定網址或文件回答問題 - 擷取不同網頁的資訊
電腦使用情況 (預覽版)	啟用 Gemini 來查看畫面，並生成與網頁瀏覽器 UI 互動的操作 (用戶端執行)。	- 自動執行重複的網頁工作流程 - 測試網頁應用程式使用者介面
檔案搜尋	為自有文件建立索引並進行搜尋，啟用檢索增強生成 (RAG)。	- 搜尋技術手冊 - 根據專有資料回答問題

如要瞭解特定工具的相關費用，請參閱「定價」頁面。

代理	說明	應用實例
Deep Research	自主規劃、執行及整合多步驟研究工作。	- 市場分析 - 盡職調查 - 文獻回顧

模型可在對話期間透過工具要求執行動作。視工具是內建 (由 Google 管理) 還是自訂 (由您管理) 而定，流程會有所不同。

如果是 Google 搜尋或程式碼執行等內建工具，整個程序會在一次 API 呼叫中完成：

如果是自訂工具和電腦使用，則由應用程式處理執行作業：

你會連同函式 (工具) 宣告傳送提示。
Gemini 可能會傳回結構化 JSON，以呼叫特定函式 (例如 {"name": "get_order_status", "args": {"order_id": "123"}})。
您可以在應用程式或環境中執行函式。
你將函式結果傳回給 Gemini。
Gemini 會使用結果生成最終回覆或進行其他工具呼叫。

Gemini 提供兩種產生結構化輸出的方法。當模型需要連線至您自己的工具或資料系統，執行中繼步驟時，請使用函式呼叫。如果需要模型嚴格遵循特定結構 (例如用於算繪自訂 UI)，請使用「結構化輸出」。

您可以將結構化輸出與內建工具結合使用，確保模型回覆以外部資料或運算結果為依據，同時嚴格遵守結構定義。

如需程式碼範例，請參閱「使用工具產生結構化輸出內容」。

代理是使用模型和工具完成多步驟工作的系統。Gemini 提供推理能力 (「大腦」) 和基本工具 (「雙手」)，但您通常需要協調架構來管理代理程式的記憶體、規劃迴圈，以及執行複雜的工具鍊結。

如要盡量提高多步驟工作流程的可靠性，請編寫明確控制模型推論和規劃方式的指令。雖然 Gemini 的一般推論能力很強大，但複雜的代理程式需要提示來強制執行特定行為，例如在遇到問題時保持不懈、評估風險及主動規劃。

如需設計這些提示的策略，請參閱代理程式工作流程。以下是系統指令範例，可將多個代理程式基準的效能提升約 5%。

Gemini 整合了領先業界的開放原始碼代理架構，例如：