Bard-API项目应对Google Bard更名为Gemini的技术调整指南
2025-06-08 16:28:51作者:卓艾滢Kingsley
Google近期将其聊天机器人Bard正式更名为Gemini,这一品牌变更对基于Bard API开发的第三方应用产生了直接影响。作为流行的非官方Python接口库,Bard-API需要进行相应调整才能继续正常工作。本文将详细介绍这一变更带来的技术影响及解决方案。
核心变更点分析
Google此次品牌重塑主要涉及以下技术层面的变更:
- 域名变更:原bard.google.com域名已更新为gemini.google.com
- 认证机制强化:现在需要四个关键cookie值而不仅是一个
- 请求头验证:Host字段必须同步更新为新域名
完整解决方案
基础修改方案
开发者需要修改项目中的三个核心文件:
- constants.py:更新POST_ENDPOINT为新的Gemini服务地址
- core.py:调整会话头部信息中的Host字段
- core_cookies.py:完善cookie验证逻辑
具体修改内容应包括:
- 将所有bard.google.com引用替换为gemini.google.com
- 更新POST_ENDPOINT为"https://gemini.google.com/_/BardChatUi/data/assistant.lamda.BardFrontendService/StreamGenerate"
- 确保会话头部中的Host字段指向新域名
认证机制升级
新的认证流程需要以下四个cookie值:
- __Secure-1PSID:主会话标识
- __Secure-1PSIDTS:带时效的会话令牌
- __Secure-1PSIDCC:跨域控制令牌
- NID:Google的通用认证cookie
自动化cookie获取方案
推荐使用Firefox浏览器配合browser_cookie3库实现自动化认证:
import browser_cookie3
import requests
from bardapi import SESSION_HEADERS, BardCookies
# 从Firefox获取Google域名下的cookie
firefox_cookies = browser_cookie3.firefox(domain_name='.google.com')
# 提取四个关键cookie值
cookies = {
psid: next((c.value for c in firefox_cookies if c.name == psid), None),
dts: next((c.value for c in firefox_cookies if c.name == dts), None),
dcc: next((c.value for c in firefox_cookies if c.name == dcc), None),
nid: next((c.value for c in firefox_cookies if c.name == nid), None)
}
# 配置会话
session = requests.Session()
for name, value in cookies.items():
if value: session.cookies.set(name, value)
session.headers = SESSION_HEADERS
# 初始化Bard/Gemini客户端
bard = BardCookies(session=session, cookie_dict=cookies)
常见问题解决方案
- 重定向过多错误:检查Referer头是否设置为"/"而非"/app"
- 429状态码:确保提供完整的四个cookie值
- cookie格式变更:新版1PSID可能不再以点结尾,需调整验证逻辑
- 浏览器兼容性:目前仅Firefox能稳定获取所需cookie
最佳实践建议
- 实现cookie自动刷新机制,特别是对时效性的1PSIDTS
- 考虑添加异常处理和重试逻辑
- 监控Google可能进行的后续API变更
- 对于生产环境,建议封装独立的认证管理模块
此次变更反映了Google对其AI服务的技术架构调整,开发者应及时跟进这些变化以确保服务连续性。随着Gemini生态的完善,预计未来会有更多功能更新和接口优化。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
573
3.87 K
Ascend Extension for PyTorch
Python
392
472
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
898
694
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
358
217
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
123
160
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.38 K
784
昇腾LLM分布式训练框架
Python
122
148
暂无简介
Dart
811
199
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
533
235
React Native鸿蒙化仓库
JavaScript
312
363