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
kernelopenEuler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。C092
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
最新内容推荐
【免费下载】 国际学术会议Poster海报模板集合【免费下载】 正点原子串口调试助手 XCOM V2.6 下载【亲测免费】 探索Vmlinux至ELF转换器:一项提升Linux内核理解的利器【亲测免费】 探索优雅的时间日期选择器:Bootstrap-Datetimepicker【亲测免费】 Vault 项目使用教程 Webpack Obfuscator 使用教程 推荐开源项目:Regl-CNN —— 高效的神经网络渲染库【亲测免费】 推荐开源项目:Checklist - 精细化任务管理利器 推荐一款强大的解析库:parser-lib The Silver Searcher: 快速、强大的文件搜索工具
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
474
3.54 K
React Native鸿蒙化仓库
JavaScript
287
339
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
224
92
Ascend Extension for PyTorch
Python
283
316
暂无简介
Dart
723
174
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
10
1
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++
849
441
🎉 (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
1.27 K
699
🔥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
65
19