Google Generative AI Python SDK 中Grounding工具的配置问题解析
2025-07-03 06:17:10作者:翟萌耘Ralph
在使用Google AI Studio时,开发者可能会遇到一个关于Grounding工具配置的典型问题。本文将从技术角度深入分析这个问题及其解决方案。
问题背景
当开发者在Google AI Studio中启用Grounding功能并设置阈值0.3时,系统自动生成的代码会导致运行时错误。这个问题的核心在于GoogleSearchRetrieval类的构造函数参数传递方式不正确。
错误代码分析
系统生成的原始代码如下:
tools = [
genai.protos.Tool(
google_search_retrieval = genai.protos.GoogleSearchRetrieval(
genai.protos.DynamicRetrievalConfig(
mode = genai.protos.DynamicRetrievalConfig.Mode.MODE_DYNAMIC,
dynamic_threshold = 0.3,
),
),
),
]
这段代码会抛出TypeError,因为GoogleSearchRetrieval类期望接收一个命名参数dynamic_retrieval_config,而不是直接传入DynamicRetrievalConfig对象。
正确的配置方式
正确的代码实现应该显式指定dynamic_retrieval_config参数:
tools = [
genai.protos.Tool(
google_search_retrieval = genai.protos.GoogleSearchRetrieval(
dynamic_retrieval_config = genai.protos.DynamicRetrievalConfig(
mode = genai.protos.DynamicRetrievalConfig.Mode.MODE_DYNAMIC,
dynamic_threshold = 0.3,
),
),
),
]
技术细节解析
-
参数传递规范:在Protocol Buffers生成的Python类中,构造函数通常需要明确的命名参数,而不是位置参数。
-
配置结构:Grounding工具的配置是一个嵌套结构:
- Tool包含google_search_retrieval
- GoogleSearchRetrieval包含dynamic_retrieval_config
- DynamicRetrievalConfig包含具体的mode和threshold设置
-
模式选择:MODE_DYNAMIC表示使用动态阈值检索模式,开发者可以设置dynamic_threshold来控制检索的严格程度。
最佳实践建议
-
当使用SDK的配置功能时,建议查阅最新的官方文档或使用IDE的代码提示功能来确认正确的参数名称。
-
对于复杂的嵌套配置,可以分层构建对象,最后再组合,提高代码可读性:
dynamic_config = genai.protos.DynamicRetrievalConfig(
mode = genai.protos.DynamicRetrievalConfig.Mode.MODE_DYNAMIC,
dynamic_threshold = 0.3
)
search_retrieval = genai.protos.GoogleSearchRetrieval(
dynamic_retrieval_config = dynamic_config
)
tool = genai.protos.Tool(google_search_retrieval = search_retrieval)
- 定期更新SDK版本,Google团队已经确认会在后续版本中修复这个自动生成代码的问题。
总结
本文详细分析了Google Generative AI Python SDK中Grounding工具配置的常见问题,提供了正确的实现方式和技术细节说明。理解Protocol Buffers生成的Python类的参数传递规范对于正确使用这类SDK非常重要。开发者在使用自动生成代码时仍需保持警惕,必要时参考官方文档或社区资源确认实现方式。
登录后查看全文
热门项目推荐
相关项目推荐
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
535
3.75 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
67
20
暂无简介
Dart
773
191
Ascend Extension for PyTorch
Python
343
406
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++
886
596
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
303
355
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
336
178