gemini-api-dev
Créer des applications avec l'API Google Gemini
Les développeurs ont besoin d'orientations claires pour intégrer les modèles d'IA avancés de Google dans leurs applications. Cette compétence fournit une documentation complète avec des exemples SDK pour Python, JavaScript et Go afin d'accélérer le développement avec l'API Gemini.
Télécharger le ZIP du skill
Importer dans Claude
Allez dans Paramètres → Capacités → Skills → Importer un skill
Activez et commencez à utiliser
Tester
Utilisation de "gemini-api-dev". Générer une description de produit pour un casque sans fil avec réduction de bruit
Résultat attendu:
Découvrez un son immersif avec notre casque sans fil haut de gamme doté de la réduction de bruit active. Des pilotes avancés de 40 mm offrent des basses profondes et des aigus cristallins tandis que la technologie ANC adaptative bloque le bruit ambiant pour une écoute concentrée.
Utilisation de "gemini-api-dev". Analysez cette image de graphique et résumez la tendance
Résultat attendu:
Le graphique linéaire montre la croissance du revenu trimestriel du Q1 au Q4. Le revenu a augmenté régulièrement de 2,3M à 4,1M, représentant une croissance de 78% en glissement annuel. L'augmentation la plus forte s'est produite entre Q2 et Q3.
Utilisation de "gemini-api-dev". Extrayez les entités de cet article de presse au format JSON
Résultat attendu:
- Réponse JSON structurée avec les champs : article_title, publication_date, key_people (tableau), organizations (tableau), locations (tableau), et summary
Audit de sécurité
SûrStatic analyzer flagged 45 patterns that are all false positives. This is a documentation-only skill (SKILL.md) containing code examples in markdown format. Backticks are markdown code fences, not shell execution. URLs are documentation references to official Google sources. No executable code or security risks present.
Score de qualité
Ce que vous pouvez construire
Développement d'applications alimentées par l'IA
Créez des chatbots, des générateurs de contenu et des assistants intelligents en utilisant les capacités linguistiques avancées de Gemini avec des modèles SDK prêts pour la production
Analyse de contenu multimodal
Traitez et analysez des images, documents, fichiers audio et vidéo alongside des invites textuelles pour une compréhension complète
Intégration de flux de travail automatisés
Implémentez l'appel de fonction pour permettre aux modèles Gemini de déclencher automatiquement des API externes, des requêtes de base de données et de la logique métier
Essayez ces prompts
Utilisez l'API Gemini pour générer une réponse. Initialisez le client avec votre clé API, appelez generate_content avec le modèle 'gemini-3-flash-preview', et passez votre invite textuelle. Gérez la sortie de la réponse textuelle.
Configurez une entrée multimodale en combinant du texte et des données d'image. Utilisez les parties de contenu appropriées pour les données d'image (base64 ou URI), ajoutez votre question textuelle sur l'image, et envoyez à un modèle capable de multimodal comme gemini-3-pro-preview.
Définissez votre schéma de fonction avec le nom, la description et les paramètres. Passez function_declarations à la configuration de l'API. Lorsque le modèle répond avec function_call, exécutez votre fonction et renvoyez les résultats. Continuez la conversation avec la réponse de la fonction.
Configurez response_mime_type à 'application/json' et fournissez un response_schema définissant votre structure JSON attendue. Le modèle générera un JSON valide correspondant à votre schéma avec des types appropriés et des champs requis.
Bonnes pratiques
- Utilisez toujours la version d'API v1beta par défaut sauf si l'utilisation de v1 est spécifiquement requise
- Référez-vous à la spécification de découverte de l'API REST officielle comme source de vérité pour les noms et types de champs
- Récupérez l'index de documentation llms.txt pour découvrir les fonctionnalités et points de terminaison d'API disponibles
- Migrez depuis les SDK dépréciés (google-generativeai, @google/generativeai) vers les nouveaux packages
Éviter
- Utiliser des noms de modèles hérités comme gemini-2.0 ou gemini-1.5 qui sont dépréciés
- Coder en dur les clés API directement dans le code source au lieu d'utiliser des variables d'environnement
- Supposer que tous les modèles Gemini prennent en charge les mêmes fonctionnalités sans vérifier les capacités du modèle
- Ignorer les limites de débit et les contraintes de quota lors des appels API en production