Google 模型

基础对话

POST /v1beta/models/<Model ID>:generateContent

cURL

curl --location --request POST 'https://neolink.com/api/v1beta/models/<Model ID>:generateContent' \
     --header 'Authorization: Bearer <API Key>' \
     --header 'Content-Type: application/json' \
     --data-raw '{
         "contents": [
             {
                 "parts": [
                     {
                         "text": "How does AI work?"
                     }
                 ]
             }
         ]
     }'

Python

import requests

url = "https://neolink.com/api/v1beta/models/<Model ID>:generateContent"

headers = {
    "x-goog-api-key": "<API Key>",
    "Content-Type": "application/json",
}

payload = {
    "contents": [
        {
            "parts": [
                {
                    "text": "How does AI work?"
                }
            ]
        }
    ]
}

resp = requests.post(url, headers=headers, json=payload, timeout=30)
resp.raise_for_status()
data = resp.json()
print(data)

鉴权说明： Google 模型请求 header 中默认使用 Authorization: Bearer <API Key>，如遇到不能识别 Authorization 参数的情形，可将 "Authorization": "Bearer <API Key>" 替换为 "x-goog-api-key": "<API Key>"。

请求体字段

参数名	类型	必填	说明
model	string	是	模型 ID，如 gemini-2.5-flash。通过 URL 路径 /v1beta/models/<Model ID>:generateContent 指定
contents	array	是	当前对话内容，结构见数据模型 Content。单轮请求为单个实例；多轮请求（如多轮对话）包含对话历史和最新请求
systemInstruction	object	否	系统指令（Content 结构），用于设定模型的行为与角色，目前仅支持文本
generationConfig	object	否	生成配置，控制采样、输出格式、思考能力等，详见下方可选参数
safetySettings	array	否	安全设置列表，每个安全类别最多一条。每条包含 category（如 HARM_CATEGORY_HATE_SPEECH）与 threshold（如 BLOCK_MEDIUM_AND_ABOVE），未设置的类别使用默认过滤级别
tools	array	否	模型可调用的工具列表，如 googleSearch、urlContext、codeExecution、functionDeclarations，见数据模型 Tool
toolConfig	object	否	工具配置。functionCallingConfig.mode 控制函数调用模式：AUTO（模型自行决定）、ANY（必须调用函数）、NONE（不调用函数）、VALIDATED（模型决定但校验函数调用）；allowedFunctionNames 限定可调用的函数名（仅在 ANY/VALIDATED 模式下生效）
cachedContent	string	否	用作上下文的缓存内容名称，格式 cachedContents/{cachedContent}
serviceTier	string	否	请求的服务层级，取值：unspecified（默认，等同标准层）、standard、flex、priority
labels	object	否	用户自定义元数据标签。键需以字母开头，最长 63 字符，仅含小写字母、数字、下划线和短横线
continuationToken	string	否	不透明续写令牌，用于从因 CONTINUATION 停止的响应继续生成。提供时 contents 必须与初始请求完全一致，maxOutputTokens 需单调递增或不传

可选参数

Google 模型的可调参数集中在 generationConfig 对象中。

参数名	类型	必填	默认值	说明
generationConfig.temperature	float	否	1.0	采样温度，取值范围 0.0~2.0。较高的值（如 1.5）使输出更随机和创造性，较低的值（如 0.3）使输出更确定和聚焦。0 表示几乎确定性的输出。注意：在 Gemini 3.6 Flash 及更新模型上已弃用，传入会被静默忽略
generationConfig.topP	float	否	-	核采样（nucleus sampling）阈值，取值范围 0.0~1.0。模型会考虑概率累积达到 topP 的 token。例如 0.95 表示只考虑概率累积达到 95% 的最可能的 token。注意：在 Gemini 3.6 Flash 及更新模型上已弃用，传入会被静默忽略
generationConfig.topK	int	否	-	仅从前 K 个最可能的 token 中采样。例如设置为 40 表示模型每次只从概率最高的 40 个 token 中选择。注意：在 Gemini 3.6 Flash 及更新模型上已弃用，传入会被静默忽略
generationConfig.maxOutputTokens	int	否	-	生成响应的最大 token 数。设置此参数可以控制响应长度和成本。不同模型有不同的最大限制，超过限制的值会被自动调整
generationConfig.candidateCount	int	否	1	生成的响应候选数量。设置大于 1 时，API 会返回多个不同的响应候选，每个都会计费。适用于需要多个不同答案的场景（Gemini 1.0 系列不支持）
generationConfig.stopSequences	array	否	-	停止序列列表，最多 5 个字符串。当模型生成的文本中出现任一停止序列时，将立即停止生成。停止序列本身不会包含在输出中。适用于控制输出格式
generationConfig.seed	int	否	-	解码使用的随机种子。不设置时，每次请求使用随机生成的种子；固定种子可获得更可复现的输出
generationConfig.presencePenalty	float	否	0.0	存在惩罚系数，取值范围 -2.0~2.0。正值会惩罚已经出现过的 token，鼓励模型谈论新主题；负值则鼓励重复已有主题
generationConfig.frequencyPenalty	float	否	0.0	频率惩罚系数，取值范围 -2.0~2.0。正值会根据 token 在文本中的出现频率进行惩罚，降低重复相同词汇的可能性；负值则增加重复可能性
generationConfig.responseLogprobs	bool	否	false	是否返回输出 token 的对数概率信息。启用后，响应中会包含每个 token 的对数概率，可用于分析模型的确定性和置信度
generationConfig.logprobs	int	否	-	每个 token 位置返回的候选 token 数量，取值范围 0~20，仅在 responseLogprobs: true 时有效。设置后，每个输出 token 位置会返回指定数量的备选 token 及其概率
generationConfig.responseMimeType	string	否	text/plain	响应的 MIME 类型。取值 text/plain（默认文本）、application/json（JSON 输出）、text/x.enum（枚举字符串输出）。使用 JSON 模式时，建议配合 responseJsonSchema 定义 JSON 结构
generationConfig.responseJsonSchema	object	否	-	响应的 JSON Schema，用于结构化输出，需配合 responseMimeType: "application/json" 使用。定义后模型会严格按照 Schema 生成 JSON 响应，结构见数据模型 Schema。官方推荐使用此字段替代旧的 responseSchema
generationConfig.responseModalities	array	否	["TEXT"]	期望的响应模态，取值 TEXT、IMAGE、AUDIO 的组合。空列表等同仅请求文本；图像生成需设置为 ["IMAGE"] 或 ["TEXT", "IMAGE"]（仅图像模型支持）
generationConfig.speechConfig	object	否	-	语音输出配置（仅支持音频输出的模型）。voiceConfig.prebuiltVoiceConfig.voiceName 指定预置音色；languageCode 指定 BCP-47 语言代码（如 en-US、cmn-CN）；多说话人场景使用 multiSpeakerVoiceConfig.speakerVoiceConfigs
generationConfig.mediaResolution	string	否	-	输入媒体的分辨率档位，影响媒体理解的 token 开销。取值：MEDIA_RESOLUTION_LOW（64 tokens）、MEDIA_RESOLUTION_MEDIUM（256 tokens）、MEDIA_RESOLUTION_HIGH（256 tokens，含缩放重采样）
generationConfig.enableEnhancedCivicAnswers	bool	否	false	是否启用增强的公民类问题回答能力，部分模型可能不可用
generationConfig.enableAffectiveDialog	bool	否	false	是否启用情感对话，启用后模型会检测用户情绪并相应调整回复
generationConfig.thinkingConfig	object	否	-	思考配置，用于控制推理能力（仅支持思考的模型生效，不支持的模型设置后会报错）。配置后，模型会在回答前进行内部推理
generationConfig.thinkingConfig.thinkingBudget	int	否	-	思考过程可用的 token 预算。设置为 0 可完全关闭思考功能。较高的值允许模型进行更深入的推理，但会增加延迟和成本
generationConfig.thinkingConfig.thinkingLevel	string	否	-	思考深度等级，控制模型内部推理的最大深度。取值：MINIMAL（几乎不思考）、LOW、MEDIUM、HIGH。推荐用于 Gemini 3 及更新模型，旧模型使用会报错
generationConfig.thinkingConfig.includeThoughts	bool	否	false	是否在响应中返回模型的思考过程（thought 部分），仅在模型产生思考内容时返回
generationConfig.imageConfig	object	否	-	图像生成配置（仅图像模型）。aspectRatio 设置宽高比（如 1:1、16:9），imageSize 设置分辨率（512、1K、2K、4K），详见图像生成文档
safetySettings	array	否	-	安全设置数组，用于控制有害内容过滤级别。每个设置包含 category（如 HARM_CATEGORY_HATE_SPEECH）和 threshold（如 BLOCK_MEDIUM_AND_ABOVE）。可根据应用场景调整过滤强度
tools	array	否	-	模型可调用的工具列表。Google 模型支持特定工具如 googleSearch（网络搜索）、urlContext（URL 内容提取）、codeExecution（代码执行）等，见数据模型 Tool
toolConfig	object	否	-	工具配置，控制工具调用行为。可设置 functionCallingConfig.mode 为 AUTO（模型自行决定）、ANY（必须调用工具）、NONE（不调用工具）或 VALIDATED（模型决定并校验）

说明：

• Google 模型的推理与生成控制参数均需放在 generationConfig 对象内，这与 OpenAI 和 Anthropic 的扁平化参数结构不同。
• temperature、topP、topK 已在 Gemini 3.6 Flash 及更新模型上弃用，传入会被静默忽略，不会报错但不再影响输出；对旧模型仍生效，且建议三个参数只调整一个，同时调整可能导致不可预测的采样行为。
• thinkingConfig 仅对支持思考的模型生效；Gemini 3 及更新模型推荐使用 thinkingLevel 控制思考深度，旧模型使用 thinkingBudget。
• presencePenalty 和 frequencyPenalty 可以同时使用，组合使用可以更精细地控制输出的重复性和多样性。

完整参数示例

cURL

curl --location --request POST 'https://neolink.com/api/v1beta/models/<Model ID>:generateContent' \
     --header 'Authorization: Bearer <API Key>' \
     --header 'Content-Type: application/json' \
     --data-raw '{
         "contents": [
             {
                 "parts": [
                     {
                         "text": "How does AI work?"
                     }
                 ]
             }
         ],
         "generationConfig": {
             "temperature": 1.0,
             "topP": 0.95,
             "maxOutputTokens": 2048,
             "thinkingConfig": {
                 "thinkingBudget": 1024
             }
         }
     }'

Python

import requests

url = "https://neolink.com/api/v1beta/models/<Model ID>:generateContent"

headers = {
    "x-goog-api-key": "<API Key>",
    "Content-Type": "application/json",
}

payload = {
    "contents": [
        {
            "parts": [
                {
                    "text": "How does AI work?"
                }
            ]
        }
    ],
    "generationConfig": {
        "temperature": 1.0,
        "topP": 0.95,
        "maxOutputTokens": 2048,
        "thinkingConfig": {
            "thinkingBudget": 1024
        }
    }
}

resp = requests.post(url, headers=headers, json=payload, timeout=30)
resp.raise_for_status()
data = resp.json()
print(data)

多轮对话

多轮对话通过 contents 数组传入完整对话历史，每条消息使用 role 区分角色（user 表示用户，model 表示模型）。

cURL

curl --location --request POST 'https://neolink.com/api/v1beta/models/<Model ID>:generateContent' \
     --header 'Authorization: Bearer <API Key>' \
     --header 'Content-Type: application/json' \
     --data-raw '{
         "contents": [
             {
                 "role": "user",
                 "parts": [
                     {
                         "text": "你好，我想了解北京的主要景点。"
                     }
                 ]
             },
             {
                 "role": "model",
                 "parts": [
                     {
                         "text": "北京有许多著名景点，例如故宫、天安门广场、颐和园和长城等。您有几天时间游览？"
                     }
                 ]
             },
             {
                 "role": "user",
                 "parts": [
                     {
                         "text": "只有一天，请帮我安排游览顺序。"
                     }
                 ]
             }
         ]
     }'

Python

import requests

url = "https://neolink.com/api/v1beta/models/<Model ID>:generateContent"

headers = {
    "Authorization": "Bearer <API Key>",
    "Content-Type": "application/json",
}

payload = {
    "contents": [
        {
            "role": "user",
            "parts": [{"text": "你好，我想了解北京的主要景点。"}],
        },
        {
            "role": "model",
            "parts": [
                {"text": "北京有许多著名景点，例如故宫、天安门广场、颐和园和长城等。您有几天时间游览？"}
            ],
        },
        {
            "role": "user",
            "parts": [{"text": "只有一天，请帮我安排游览顺序。"}],
        },
    ]
}

resp = requests.post(url, headers=headers, json=payload, timeout=30)
resp.raise_for_status()
data = resp.json()
print(data["candidates"][0]["content"]["parts"][0]["text"])

说明： role 仅支持 user 和 model 两个取值；单轮请求可省略 role（默认 user）。多轮对话必须以 user 消息结尾。

结构化输出

通过 responseMimeType: "application/json" 配合 responseJsonSchema 定义输出结构，模型会严格按照 Schema 生成 JSON 响应。Schema 支持字段见数据模型 Schema。

cURL

curl --location --request POST 'https://neolink.com/api/v1beta/models/<Model ID>:generateContent' \
     --header 'Authorization: Bearer <API Key>' \
     --header 'Content-Type: application/json' \
     --data-raw '{
         "contents": [
             {
                 "parts": [
                     {
                         "text": "列出三位著名的科幻作家及其代表作。"
                     }
                 ]
             }
         ],
         "generationConfig": {
             "responseMimeType": "application/json",
             "responseJsonSchema": {
                 "type": "object",
                 "properties": {
                     "authors": {
                         "type": "array",
                         "items": {
                             "type": "object",
                             "properties": {
                                 "name": {
                                     "type": "string",
                                     "description": "作家姓名"
                                 },
                                 "representativeWork": {
                                     "type": "string",
                                     "description": "代表作名称"
                                 }
                             },
                             "required": ["name", "representativeWork"]
                         }
                     }
                 },
                 "required": ["authors"]
             }
         }
     }'

Python

import requests

url = "https://neolink.com/api/v1beta/models/<Model ID>:generateContent"

headers = {
    "Authorization": "Bearer <API Key>",
    "Content-Type": "application/json",
}

payload = {
    "contents": [
        {
            "parts": [
                {"text": "列出三位著名的科幻作家及其代表作。"}
            ]
        }
    ],
    "generationConfig": {
        "responseMimeType": "application/json",
        "responseJsonSchema": {
            "type": "object",
            "properties": {
                "authors": {
                    "type": "array",
                    "items": {
                        "type": "object",
                        "properties": {
                            "name": {"type": "string", "description": "作家姓名"},
                            "representativeWork": {
                                "type": "string",
                                "description": "代表作名称",
                            },
                        },
                        "required": ["name", "representativeWork"],
                    },
                }
            },
            "required": ["authors"],
        },
    },
}

resp = requests.post(url, headers=headers, json=payload, timeout=30)
resp.raise_for_status()
data = resp.json()
# 返回的 text 即为符合 Schema 的 JSON 字符串
print(data["candidates"][0]["content"]["parts"][0]["text"])

搜索请求

原生模型搜索请求

POST /v1beta/models/<Model ID>:generateContent

cURL

curl --location --request POST 'https://neolink.com/api/v1beta/models/<Model ID>:generateContent' \
     --header 'Authorization: Bearer <API Key>' \
     --header 'Content-Type: application/json' \
     --data-raw '{
         "contents": [
             {
                 "parts": [
                     {
                         "text": "北京今天天气怎么样？"
                     }
                 ]
             }
         ],
         "tools": [
             {
                 "googleSearch": {}
             },
             {
                 "urlContext": {}
             }
         ]
     }'

Python

import requests

url = "https://neolink.com/api/v1beta/models/<Model ID>:generateContent"

headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer <API Key>",
}

payload = {
    "contents": [
        {
            "parts": [
                {
                    "text": "北京今天天气怎么样？"
                }
            ]
        }
    ],
    "tools": [
        {
            "googleSearch": {}
        },
        {
            "urlContext": {}
        }
    ]
}

response = requests.post(url, headers=headers, json=payload, timeout=30)
response.raise_for_status()
result = response.json()
print(result)

默认搜索请求

POST /v1beta/models/<Model ID>:generateContent

cURL

curl --location --request POST 'https://neolink.com/api/v1beta/models/<Model ID>:generateContent' \
     --header 'Authorization: Bearer <API Key>' \
     --header 'Content-Type: application/json' \
     --data-raw '{
         "contents": [
             {
                 "parts": [
                     {
                         "text": "北京今天天气怎么样？"
                     }
                 ]
             }
         ]
     }'

Python

import requests

url = "https://neolink.com/api/v1beta/models/<Model ID>:generateContent"

headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer <API Key>",
}

payload = {
    "contents": [
        {
            "parts": [
                {
                    "text": "北京今天天气怎么样？"
                }
            ]
        }
    ]
}

response = requests.post(url, headers=headers, json=payload, timeout=30)
response.raise_for_status()
result = response.json()
print(result)

支持模型Id：

• gemini-3-pro-preview-search

视频理解

POST /v1beta/models/<Model ID>:generateContent

cURL

curl --location --request POST 'https://neolink.com/api/v1beta/models/<Model ID>:generateContent' \
     --header 'Authorization: Bearer <API Key>' \
     --header 'Content-Type: application/json' \
     --data-raw '{
         "contents": [
             {
                 "parts": [
                     {
                         "inline_data": {
                             "mime_type": "video/mp4",
                             "data": "<Base64 Code>"
                         }
                     },
                     {
                         "text": "请总结这个视频的主要内容，并列出三个关键时刻。"
                     }
                 ]
             }
         ]
     }'

Python

import requests

url = "https://neolink.com/api/v1beta/models/<Model ID>:generateContent"

headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer <API Key>",
}

payload = {
    "contents": [
        {
            "parts": [
                {
                    "inline_data": {
                        "mime_type": "video/mp4",
                        "data": "<Base64 Code>"
                    }
                },
                {
                    "text": "请总结这个视频的主要内容，并列出三个关键时刻。"
                }
            ]
        }
    ]
}

resp = requests.post(url, headers=headers, json=payload, timeout=30)
resp.raise_for_status()
data = resp.json()
print(data)

Base64 编码说明： <Base64 Code> 参数是将视频文件进行 Base64 编码后的字符串，参考脚本如下：

bash

#!/usr/bin/env bash
set -euo pipefail
VIDEO_PATH="./demo.mp4"

if [[ "$(base64 --version 2>&1)" = *"FreeBSD"* ]]; then
    B64FLAGS="--input"
else
    B64FLAGS="-w0"
fi
base64 $B64FLAGS "$VIDEO_PATH" > base64.txt

响应体

响应示例

{
  "candidates": [
    {
      "content": {
        "role": "model",
        "parts": [
          {
            "text": "AI（人工智能）通过模拟人类智能的技术来工作……"
          }
        ]
      },
      "finishReason": "STOP",
      "index": 0
    }
  ],
  "usageMetadata": {
    "promptTokenCount": 8,
    "candidatesTokenCount": 328,
    "totalTokenCount": 336
  },
  "modelVersion": "gemini-2.5-flash",
  "responseId": "aBcDeFgHiJkLmNoP"
}

响应字段说明

参数名	类型	说明
candidates	array	模型生成的候选响应列表，结构见数据模型 Candidate
candidates[].content	object	生成的内容，role 固定为 model，parts 包含文本或工具调用等片段
candidates[].finishReason	string	停止生成的原因，常用取值：STOP（正常结束）、MAX_TOKENS（达到 token 上限）、SAFETY（安全过滤）、RECITATION（内容复述），完整枚举见数据模型 Candidate
candidates[].index	int	候选响应在列表中的索引
promptFeedback	object	与内容过滤相关的提示反馈。提示被拦截时返回 blockReason，取值：SAFETY（安全原因）、BLOCKLIST（命中术语黑名单）、PROHIBITED_CONTENT（违禁内容）、IMAGE_SAFETY（图像安全）、OTHER（未知原因）；此时不返回 candidates
usageMetadata	object	本次请求的 token 用量元数据
usageMetadata.promptTokenCount	int	提示的 token 数（含缓存内容的 token）
usageMetadata.cachedContentTokenCount	int	提示中缓存部分的 token 数
usageMetadata.candidatesTokenCount	int	所有候选响应的 token 总数
usageMetadata.thoughtsTokenCount	int	思考模型产生的思考 token 数
usageMetadata.toolUsePromptTokenCount	int	工具使用提示中的 token 数
usageMetadata.totalTokenCount	int	总 token 数（提示 + 工具使用提示 + 思考 + 候选响应）
usageMetadata.promptTokensDetails	array	请求输入中各模态的 token 明细，每项含 modality（如 TEXT、IMAGE、VIDEO、AUDIO）与 tokenCount
usageMetadata.candidatesTokensDetails	array	响应输出中各模态的 token 明细，结构同上
modelVersion	string	实际用于生成响应的模型版本
responseId	string	响应唯一标识，用于问题排查时定位请求

数据模型

以下为请求与响应中涉及的核心数据结构（精简版），完整定义请参考 Google 官方 API 文档。

Content

消息的基本结构，包含角色和内容片段。

参数名	类型	必填	说明
role	string	否	内容产生者，取值 user 或 model。多轮对话时必须设置，单轮请求可省略
parts	array	是	构成单条消息的有序片段列表，各片段可以是不同的 MIME 类型，结构见下方 Part

Part

Content 中的内容片段，数据字段为联合类型（只能取其一）。

参数名	类型	说明
text	string	内联文本
inlineData	object	内联媒体数据。mimeType 为 IANA 标准 MIME 类型（如 image/png、video/mp4、application/pdf），data 为 Base64 编码字节
fileData	object	URI 引用的文件数据。fileUri（必填）为文件 URI，mimeType 为 MIME 类型
functionCall	object	模型预测返回的函数调用。name（必填）为函数名，args 为 JSON 格式的参数键值对，id 为调用标识
functionResponse	object	函数执行结果，作为上下文回传给模型。name（必填）为函数名，response（必填）为 JSON 格式的输出，id 对应 functionCall 的 id
executableCode	object	模型生成的待执行代码。language（必填，当前仅 PYTHON），code（必填）为代码内容
codeExecutionResult	object	代码执行结果。outcome（必填）取值：OUTCOME_OK（成功，output 为 stdout）、OUTCOME_FAILED（失败，output 含 stderr）、OUTCOME_DEADLINE_EXCEEDED（超时）
thought	bool	标记该片段是否为模型的思考内容（配合 thinkingConfig.includeThoughts 使用）
thoughtSignature	string	思考内容的不透明签名，后续请求需原样回传以维持多轮思考的上下文

Candidate

模型生成的候选响应。

参数名	类型	说明
index	int	候选响应索引
content	object	生成的内容，结构见 Content
finishReason	string	停止生成的原因，主要取值见下表
finishMessage	string	停止原因的详细说明，仅在 finishReason 非空时返回
safetyRatings	array	该候选响应的安全评级列表，每个类别最多一条，含 category、probability、blocked 等
citationMetadata	object	引用信息，包含生成内容中复述自训练数据的段落来源 citationSources
groundingMetadata	object	搜索增强（Grounding）元数据，含 groundingChunks（检索到的来源，如 web.uri/web.title）、groundingSupports（来源与文本的对应关系）、webSearchQueries（执行的搜索词）
tokenCount	int	该候选响应的 token 数

finishReason 主要取值：

取值	说明
STOP	正常停止，或命中停止序列
MAX_TOKENS	达到请求指定的最大 token 数
SAFETY	候选内容因安全原因被标记
RECITATION	候选内容因复述原因被标记
LANGUAGE	使用了不支持的语言
BLOCKLIST	内容包含禁用术语
PROHIBITED_CONTENT	可能包含违禁内容
SPII	可能包含敏感个人身份信息
MALFORMED_FUNCTION_CALL	模型生成的函数调用无效
IMAGE_SAFETY / IMAGE_PROHIBITED_CONTENT / IMAGE_OTHER	图像生成因安全/违禁/其他原因停止
NO_IMAGE	预期生成图像但未生成
UNEXPECTED_TOOL_CALL	请求未启用工具但模型产生了工具调用
TOO_MANY_TOOL_CALLS	连续调用工具次数过多
CONTINUATION	达到单次请求 token 上限但生成未完成，可通过 continuationToken 继续生成
OTHER	未知原因

Tool

模型可调用的工具，tools 数组中每个元素只能指定一种工具类型。

参数名	类型	说明
functionDeclarations	array	函数声明列表，用于 Function Calling。每项含 name（必填，函数名，最长 128 字符）、description（必填，函数描述）、parameters（参数 Schema，结构见 Schema）或 parametersJsonSchema（JSON Schema 格式，与 parameters 互斥）。模型不执行函数，而是返回 functionCall 由客户端执行
googleSearch	object	Google 搜索工具，赋予模型联网检索能力。可选 timeRangeFilter（startTime/endTime 限定时间范围）、searchTypes（webSearch 网页搜索，默认开启；imageSearch 图片搜索）
urlContext	object	URL 上下文工具，自动提取用户提供的 URL 内容作为上下文
codeExecution	object	代码执行工具，允许模型在生成过程中执行 Python 代码并获取结果
fileSearch	object	文件搜索工具，从语义检索语料库中获取知识。fileSearchStoreNames（必填）指定检索库，如 fileSearchStores/my-store-123；可选 topK、metadataFilter
googleMaps	object	Google 地图工具，为模型响应提供地理空间上下文。可选 enableWidget 返回地图组件令牌
computerUse	object	计算机操作工具，自动注入预定义函数以操作浏览器/移动端/桌面环境。environment（必填）取值 ENVIRONMENT_BROWSER、ENVIRONMENT_MOBILE、ENVIRONMENT_DESKTOP
mcpServers	array	连接的 MCP Server 列表。每项含 name 与 streamableHttpTransport（url、headers、超时配置等）

Schema

Schema 用于定义结构化输出与函数参数/返回值的数据类型，是 OpenAPI 3.0 Schema 的子集。

参数名	类型	必填	说明
type	string	是	数据类型，取值：STRING、NUMBER、INTEGER、BOOLEAN、ARRAY、OBJECT、NULL
format	string	否	数据格式说明，如 enum、date-time
description	string	否	参数描述，支持 Markdown，可包含示例
nullable	bool	否	值是否可以为 null
enum	array	否	枚举取值列表，仅用于 STRING 类型
items	object	否	ARRAY 类型元素的 Schema
minItems / maxItems	string	否	ARRAY 类型的最小/最大元素数
properties	object	否	OBJECT 类型的属性定义，键为属性名，值为 Schema
required	array	否	OBJECT 类型的必填属性名列表
minProperties / maxProperties	string	否	OBJECT 类型的最小/最大属性数
minimum / maximum	number	否	INTEGER/NUMBER 类型的最小/最大值
minLength / maxLength	string	否	STRING 类型的最小/最大长度
pattern	string	否	限制 STRING 类型的正则表达式
anyOf	array	否	值需满足列表中任一子 Schema
propertyOrdering	array	否	属性的输出顺序（非 OpenAPI 标准字段），用于确定响应中属性的排列顺序