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
热门内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
537
3.75 K
暂无简介
Dart
773
191
Ascend Extension for PyTorch
Python
343
406
🎉 (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
1.34 K
755
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.07 K
97
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
337
180
AscendNPU-IR
C++
86
141
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
248