Erste Schritte

In diesem Leitfaden erfahren Sie, wie Sie mit der Gemini API und der Interactions API beginnen. Sie führen Ihren ersten API-Aufruf in weniger als einer Minute aus und lernen die Textgenerierung, das multimodale Verständnis, die Bildgenerierung, die strukturierte Ausgabe, Tools, Funktionsaufrufe, Agents und die Hintergrundausführung kennen.

Die Interactions API ist über die Python- und JavaScript-SDKs sowie über REST verfügbar.

1. API-Schlüssel anfordern

Wenn Sie die Gemini API verwenden möchten, benötigen Sie einen API-Schlüssel, um Ihre Anfragen zu authentifizieren, Sicherheitslimits durchzusetzen und die Nutzung Ihres Kontos zu verfolgen.

• In Google AI Studio werden für neue Nutzer automatisch ein Projekt und ein API-Schlüssel erstellt. Sie können ihn auf der Seite API-Schlüssel kopieren.
• Wenn Sie einen neuen Schlüssel benötigen, klicken Sie in AI Studio auf API-Schlüssel erstellen und folgen Sie dem Dialogfeld, um ein neues Schlüssel-Projekt-Paar hinzuzufügen.

Gemini API-Schlüssel erstellen

Legen Sie Ihren Schlüssel als Umgebungsvariable fest:

export GEMINI_API_KEY="YOUR_API_KEY"

Upgrade auf die kostenpflichtige Stufe durchführen

Wenn Sie auf die kostenpflichtige Stufe upgraden, werden Ihre Ratenbegrenzungen erhöht. Außerdem müssen Sie Cloud Billing einrichten.

• Klicken Sie auf den Seiten API-Schlüssel oder Projekte von AI Studio auf Abrechnung einrichten.
• Folgen Sie dem Cloud-Abrechnungsdialogfeld, um ein Rechnungskonto zu erstellen oder zu verknüpfen, eine Zahlungsmethode hinzuzufügen und mindestens 10 $ (oder den entsprechenden Betrag in Ihrer Landeswährung) als Prepaid-Guthaben hinzuzufügen.
• Ihre API-Nutzung können Sie in Google AI Studio unter Dashboard > Nutzung einsehen.

Weitere Informationen finden Sie auf der Abrechnungsseite.

2. SDK installieren und ersten Aufruf ausführen

Installieren Sie das SDK und generieren Sie Text mit einem einzigen API-Aufruf.

pip install -U google-genai

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-3.6-flash",
    input="Explain how AI works in a few words"
)
print(interaction.output_text)

npm install @google/genai

import { GoogleGenAI } from "@google/genai";

const ai = new GoogleGenAI({});

const interaction = await ai.interactions.create({
  model: "gemini-3.6-flash",
  input: "Explain how AI works in a few words",
});
console.log(interaction.output_text);

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "gemini-3.6-flash",
    "input": "Explain how AI works in a few words"
  }'

Antwort

{
  "id": "v1_ChdpQUFvYXI...",
  "status": "completed",
  "usage": {
    "total_tokens": 197,
    "total_input_tokens": 8,
    "total_output_tokens": 12
  },
  "created": "2026-06-09T12:01:25Z",
  "steps": [
    {
      "type": "thought",
      "signature": "EvEFCu4FAQw..."
    },
    {
      "type": "model_output",
      "content": [
        {
          "type": "text",
          "text": "AI learns patterns from data, then uses those patterns to make predictions or decisions on new data."
        }
      ]
    }
  ],
  "object": "interaction",
  "model": "gemini-3.6-flash",
}

Bei Verwendung von REST gibt die API die vollständige Interaction-Ressource mit Metadaten, Nutzungsstatistiken und dem detaillierten Verlauf des Zuges zurück.

Die SDKs machen zwar die vollständige Antwort verfügbar, bieten aber auch praktische Eigenschaften wie interaction.output_text und interaction.output_image, um direkt auf die endgültigen Ausgaben zuzugreifen. Weitere Informationen zur Antwortstruktur finden Sie in der Übersicht über Interaktionen. Details zu Systemanweisungen und der Generierungskonfiguration finden Sie im Leitfaden zur Textgenerierung.

3. Antwort streamen

Um die Interaktion flüssiger zu gestalten, können Sie die Antwort streamen, während sie generiert wird. Bei jedem step.delta-Ereignis wird ein Textblock geliefert, den Sie sofort anzeigen können.

from google import genai

client = genai.Client()

stream = client.