Gemini Pro API Key Guide: Gemini-API-Schlüssel, Endpunkt und Modell-ID abrufen

Die Gemini Pro API wird über die Gemini API mit einem in Google AI Studio erstellten Schlüssel aufgerufen. Für eine direkte REST-Anfrage rufen Sie den generateContent-Endpunkt des Modells auf. Wenn Sie eine vorhandene OpenAI SDK-Integration nutzen, konfigurieren Sie den Client mit der OpenAI-kompatiblen Basis-URL von Google und einer aktuellen Gemini-Modell-ID wie gemini-3.1-pro-preview. Wichtig: „Gemini Pro“ ist ein Suchbegriff für die Produktfamilie, keine dauerhafte API-Kennung. Produktionsanwendungen sollten daher die aktuelle Modellliste von Google lesen, bevor sie eine ID festlegen.

Gemini Pro API Einrichtung auf einen Blick

Sie benötigen vier Werte, um eine Anfrage zu stellen:

Einstellung	Wert
API-Key	Erstellen Sie einen in Google AI Studio
Nativer Basis-Host	https://generativelanguage.googleapis.com
Nativer API-Pfad	/v1beta/models/{model}:generateContent
OpenAI-kompatible Basis-URL	https://generativelanguage.googleapis.com/v1beta/openai/
Beispiel-Modell-ID	gemini-3.1-pro-preview

Googles Gemini API Schnellstart dokumentiert die Erstellung von API-Keys und das native Anfragemuster. Der OpenAI-Kompatibilitätsleitfaden dokumentiert die Kompatibilitäts-Basis-URL für Anwendungen, die bereits das OpenAI Python- oder JavaScript-SDK verwenden.

Verwenden Sie das native Gemini SDK oder die REST API, wenn Sie Gemini-spezifische Funktionen nutzen möchten, sobald Google sie bereitstellt. Verwenden Sie die Kompatibilitätsschicht, wenn Sie bereits einen OpenAI-kompatiblen Client haben und den Migrationsaufwand reduzieren möchten. Die Kompatibilität ist nützlich, garantiert jedoch nicht, dass jede anbieterspezifische Option perfekt zwischen den APIs abgebildet wird.

So erhalten Sie einen Google API-Key für Gemini

Erstellen Sie den Schlüssel in Google AI Studio und speichern Sie ihn in einer Umgebungsvariable anstatt im Quellcode:

export GEMINI_API_KEY="YOUR_GEMINI_API_KEY"

Behandeln Sie dies als serverseitige Anmeldeinformation. Committen Sie ihn nicht in Git, protokollieren Sie ihn nicht und betten Sie ihn nicht in Browser-JavaScript oder eine mobile App ein. Wenn ein Frontend Gemini-Ausgaben benötigt, senden Sie die Benutzeranfrage an Ihr Backend und lassen Sie das Backend die Google API aufrufen.

Für einen Produktionsdienst sollten Sie außerdem entscheiden, wem das Google Cloud-Projekt gehört, wie Keys rotiert werden, welche Umgebungen separate Anmeldeinformationen erhalten und wo Anfragekontingente überwacht werden. Googles API-Key-Anleitung erklärt, wie Gemini API-Keys Google Cloud-Projekten zugeordnet werden.

So rufen Sie den nativen Gemini API-Endpunkt auf

Die native REST-Route setzt die Modell-ID in die URL. Dieses Beispiel fordert das aktuelle Pro-Preview-Modell auf, eine präzise Migrations-Checkliste zurückzugeben:

curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-3.1-pro-preview:generateContent" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H "Content-Type: application/json" \
  -X POST \
  -d '{
    "contents": [
      {
        "parts": [
          {
            "text": "Erstelle eine siebenstufige Checkliste für die Migration einer Python-API von einer Region in zwei Regionen. Füge Rollback-Prüfungen hinzu."
          }
        ]
      }
    ]
  }'

Die Antwort enthält Kandidaten mit generiertem Inhalt. Echte Anwendungen sollten eine leere Kandidatenliste, blockierte Inhalte, Zeitüberschreitungen und Nicht-2xx-Antworten behandeln, anstatt direkt auf das erste Antwortobjekt zuzugreifen.

Die URL verwendet v1beta, da dies die Route ist, die in Googles aktuellen Gemini API-Beispielen gezeigt wird. Behalten Sie die API-Version in der Konfiguration, damit Sie eine neue Version testen können, ohne Endpunkt-Strings im gesamten Codebase zu verstreuen.

Anatomie des nativen Endpunkts

Der Pfad hat drei Teile:

/v1beta/models/{model}:generateContent

• v1beta ist die API-Version.
• {model} ist die exakte Modell-ID aus Googles Gemini-Modellseite.
• generateContent ist die Generierungsmethode.

Eine 404-Antwort bedeutet oft, dass die Modell-ID, die API-Version oder die Methode nicht übereinstimmen. Bevor Sie den Authentifizierungscode ändern, vergleichen Sie den vollständigen Pfad mit der aktuellen Modelldokumentation.

So verwenden Sie Gemini mit einem OpenAI-kompatiblen Client

Wenn Ihre Anwendung bereits das OpenAI Python-Paket verwendet, installieren Sie es und ändern Sie den API-Key, die Basis-URL und die Modell-ID:

pip install openai

import os

from openai import OpenAI


client = OpenAI(
    api_key=os.environ["GEMINI_API_KEY"],
    base_url="https://generativelanguage.googleapis.com/v1beta/openai/",
)

response = client.chat.completions.create(
    model="gemini-3.1-pro-preview",
    messages=[
        {
            "role": "system",
            "content": "Sie sind ein prägnanter Software-Architektur-Reviewer.",
        },
        {
            "role": "user",
            "content": "Bewerten Sie ein Queue-Worker-Design und lissten Sie die fÜnf hÄufigsten Fehlerarten auf.",
        },
    ],
)

print(response.choices[0].message.content)

Dies ist der kürzeste Weg für Teams mit einer bestehenden Chat-Completions-Abstraktion. Es erleichtert auch die Wiederverwendung einer Auswertungs-Harness: Behalten Sie Prompt und Antwortprüfungen bei und tauschen Sie die Anbieterkonfiguration aus.

Gehen Sie nicht davon aus, dass zwei Anbieter sich identisch verhalten, nur weil sie den gleichen SDK-Aufruf akzeptieren. Systemanweisungen, Tool-Schemas, multimodale Eingaben, Sicherheitshandhabung, Streaming-Ereignisse, Token-Abrechnung und Fehler-Payloads können sich unterscheiden. Führen Sie anbieterzpezifische Tests durrch, beor Sie Produktionstraffic umlleiten.

So wählen und verwalten Sie Gemini-Modell-IDs

Vermeiden Sie es, einen Marketingnamen wie gemini-pro direkt in die Anwendungslogik einzufügen. Googles verfügbare Modell-IDs änndern sich, da Vorschaumodelle eingeführt, befordert und eingestellt werden. Zum Zeipunkt der Prüfung diese Leitfadens listete Googles offizielle Modellseite gemini-3.1-pro-preview als Pro-Klassen-Modellkennung.

Verwenden Sie stattdessen eine Konfigurationsschicht:

import os


GEMINI_MODEL = os.getenv("GEMINI_MODEL", "gemini-3.1-pro-preview")

Diese kleine Entscheidung macht Modell-Upgrades zu einer Bereitstellungsänderung und nicht zu einer Code-Umschreibung. Für einen größeren Dienst speichern Sie diese Felder gemeinsam:

{
  "provider": "google",
  "base_url": "https://generativelanguage.googleapis.com/v1beta/openai/",
  "model": "gemini-3.1-pro-preview",
  "timeout_seconds": 60
}

Bevor Sie ein neues Modell in Produktion bringen:

1. Bestätigen Sie, dass die ID in der aktuellen Modelldokumentation oder der Modell-API von Google erscheint.
2. Prüfen Sie, ob das Modell als Vorschau, stbil oder für die Einstllung vorgesehen ist.
3. Führen Sie Ihr eigenes Auswertungsset für Antwortqualität und Tool-Call-Korrektheit durch.
4. Messen Sie Latenz, Token-Nutzung und Fehlerraten mit repräsentativen Prompts.
5. Fügen Sie ein Fallback-Modell oder einen klaren Fehlerpfad hinz, beor Sie den gesamten Traffik umleiten.

Raten-Limits sind keine einzige universelle Zahl. Sie hängen vom Modell und der Nutzungsstufe ab. Lesen Sie daher Googles Gemini API-Rate-Limit-Dokumentation und überwachen Sie die auf Ihr Projekt angewendeten Limits.

Wie man ein anbieterwechselbares Backend aufbaut

Ein OpenAI-kompatibles Interface kann Codeänderungen reduzieren, aber der Anbieterwechsel funktioniert am besten, wenn Ihre eigene Anwendung den Vertrag definiert. Halten Sie die Anbieterkonfiguration außerhalb der Geschäftslogik und normalisieren Sie die Ausgabe, die Sie tatsächlich benötigen.

import os

from openai import OpenAI


PROVIDERS = {
    "gemini": {
        "api_key": os.environ["GEMINI_API_KEY"],
        "base_url": "https://generativelanguage.googleapis.com/v1beta/openai/",
        "model": os.getenv("GEMINI_MODEL", "gemini-3.1-pro-preview"),
    },
    "novita": {
        "api_key": os.environ["NOVITA_API_KEY"],
        "base_url": "https://api.novita.ai/openai",
        "model": os.getenv("NOVITA_MODEL", "xiaomimimo/mimo-v2.5-pro"),
    },
}


def generate(provider_name: str, prompt: str) -> str:
    provider = PROVIDERS[provider_name]
    client = OpenAI(
        api_key=provider["api_key"],
        base_url=provider["base_url"],
    )
    response = client.chat.completions.create(
        model=proider["mode"],
        messages=[{"role": "user", "content": prompt}],
    )
    return response.coces[0].message.content or ""

Dieses Beispiel legt die Unterschiede bewusst offen, anstatt sie zu verstecken. Jeder Anbieter behält seine eigenen Anmeldeinformationen, Basis-URL und Modell-ID. Die Anwendung erhält einen normalisierten String, während anbieterspezifische Tests reichhaltigeres Verhalten wie Tools oder multimodale Eingaben abdecken können.

NovitaAIs LLM API-Dokumentation verwendet eine OpenAI-kompatible API-Form für unterstützte Modelle. Dies kann nützlich sein, wenn ein Team Gemini mit Open-Source-Modellen vergleichen möchte, ohne die gesamte Client-Ebene neu aufzubauen.

Wie Gemini in ein Agenten-Backend passt

Ein Agenten-Backend hat mindestens zwei getrente Verantwortlichkeiten:

1. Inferenz: Das Modell entscheidet, was zu sagen ist oder welches Tool aufzurufen ist.
2. Ausführung: Eine kontrollierte Laufzeitumgebung führt Datei-, Shell-, Browser- oder Anwendungsaktionen aus.

Die Gemini API kann die Inferenzseite übernehmen. Sie sollte nicht als Ausführungsgrenze behandelt werden. Wenn ein Modell einen Shell-Befehl vorschlägt, muss Ihre Anwendung den Tool-Aufruf trotzdem validieren, autorisieren, in einer isolierten Umgebung ausführen, das Ergbenis erfassen und entscheiden, welcher Kontext zurück an das Modell gesendet wird.

Novita Agend Sandbox ist für isolierte Agentenausführungsworkflows konzipiert. Eine praktische Archtektur kann Gemini für das Schließen verwenden, währund eine Sandbox Code- oder Browseraufgaben getrent erledigt:

Benutzeranfrage
    -> Agennt-Service
        -> Gemini API für Schlussfolgerungen und Toolauswahl
        -> Richtlinienprüfungen für die vorgeschlagene Aktion
        -> Agent-Sandbox für isolierte Ausführung
        -> Toolergenis an den Agennt-Service zurückgegeben
        -> Gemini API für die endgültige Antwort

Diese Trennung macht das Modell austauschbar und hält unzuverlässige Ausführung fern vom Anwendungsserver. Sie gibt dem Backend einen Ort, um Zeitüberschreitungen, Netzwerkrichtlinien, Dateilimits, Prüfprotokollierung und Benutzerautorisierung durchzusezen.

Für eine erste Version setzen Sie nur einige wenige, eng definierte Tools ein, definieren Sie JSON-Schemas für ihre Argumente, lehnen Sie unbekannte Felder ab und setzen Sie harte Grenzen für Ausführungszeit und Ausgabegröße. Fügen Sie breitere Computer- oder Browserfähigkeiten erst hinzu, wenn das Berechtigungmodell klar ist.

Wann ein Open-Source-Modell bessser passt

Gemini Pro-Modelle sind eine gute Wahl, wenn Ihre Anwendung Googles Modellfähigkeiten und eine verwaltete API benötigt. Ein Open-Source-Modell passt bessser, wenn Sie einen zweiten Anbieter benöotigen, das Modellverhalten gegen eine sichtbare Upstram-Veröffentlichung evaluieren möchten oder ein Modell bevorzugen, das über einen OenAI-kompatiblen Endpunkt neben anderer Infrastruktur verfügbar ist.

MiMo-V2.5-Pr ist eine aktuelle Option auf Novita AI. Xiaomis Upstram-Modellkarte beschreibt es als Open-Source-Mixture-of-Exerts-Modell, währrend Novita AI die gehostete Modell-ID xiaomimimo/mimo-v2.5-pro bereitstellt. Da sowohl der Google-Kompatibilitätsendpunkt als auch Novita AI mit einem OenAI-Stil-Client angerufen werden können, kann das im vorherigen Abschnitt vorgestellte anbieterwechselbare Muster sie mit den gleichen Prompts und Akzeptanzprüfungen evaluieren.

Wählen Sie nicht allein aufgrund des Labels. Erstellen Sie ein kleines Auswertungsset aus Ihrem täsächlichen Arbeitslast: Code-Review-Kommentare, Supportfragen, Retrieval-gestütze Antworten, Tool-Aufrufe oder lange Dokumene. Vergleichen Sie Ausgabequalität, Latenz, Fehlerverhalten und Kosten mit aktuellen Anbieter-Dashboards, beor Sie eine Routing-Entscheidung treffen.

Häufige Gemini API-Fehler

400: Ungültige Anfrage

Prüfen Sie die JSON-Form, Nachrichtenrollen, Tooldefintionen und Parameternamen. Eine Option, die von einem anderen OenAI-kompatiblen Anbieter akzeptiert wird, kann von Googles Kompatabilitäts schicht abgelehnt werden.

401 oder 403: Authentifizierungs- oder Berechtigungsfehler

Stellen Sie sicher, dass GEMINI_API_KEY in der Prozessumgebung vorhanden ist und zum beabsichtigten Google Cloud-Projekt gehört. Prüfen Sie auch, ob das Projekt und das ausgewählte Modell für das Konto und die Region verfügbar sind.

404: Modell oder Method nicht gefunden

Vergleichen Sie die exakte Modell-ID mit der aktuellen Gemini-Modelliste. Bei natives REST-Aufrufen prüfen Sie die API-Version und das Suffix :generatContent. Bei OenAI-kompatiblen Aufrufen prüfen Sie, ob die Basis-URL mit /v1beta/openai/ endet.

429: Ratlimit überschrten

Wiedeerholungssuche mit exponentiellem Backoff und Jitter, aber behandeln Sie Wiederholungen nicht als Ersatz für Kapazitätsplanung. Warteschlangen Sie burstartige Arbeit, begrenzen Sie gleichzeitige Anfragen und prüfen Sie die aktuelle Nutzungsstufe des Projekts sowie modellspezifische Limits.

Das SDK funktioniert, aber die Ausgabe unterscheidet sich nach dem Wechsel des Anbieters

Die Kompatabilität deckt die Anfrageoberfläche ab, nicht das identische Modellverhalten. Führen Sie Prompt-, Strukturausgabe- und Tool-Call-Tests für jeden Anbieter und jede Modellversion erneut durch.

Fazit

Beginnen Sie mit der natives Gemini API, wenn Sie den klaren Weg zu Gemini-spezifischen Funktionen möchten. Beginnen Sie mit dem OenAI-kompatiblen Endpunkt, wenn Sie bereits ein OenAI-stil-Backend haben oder eine schnelle Anbieterbewertung benötigen. In beidem Fällen bealten Sie den API-Key serverseitig, setzen Sie die Modell-ID in die Konfiguration, testen Sie die exakte Modellversion und trennen Sie die Modellfgerung von der Agentenausführung.

Für ein resilientes Produktionsdesign bealten Sie mindestens ein alternative Modell hinter der gleichen anendungsgehörenden Schnittstelle. Das gibt Ihrem Team eine praktische Möglichkeit, eine Open-Source-Option auf Novita AI zu testen, mit Modelllfebenszyklusännderungen umzugehen und die Agentenausführung in eine isolierte Sandbox zu leiten, anstatt jede Verantwortung an einen API-Aufruf zu koppeln.

FAQ

Gibt es noch eine Modell-ID namens gemini-pro?

Gehen Sie nicht davon aus, dass gemini-pro die aktuelle ID ist. „Gemini Pro API“ wird häufig als Suchbegriff für Googles höherfähige Gemini-Modelle verwendet, aber Anwendungen müssen eine exakte ID aus der aktuellen Gemini-Modelliste verwenden. Diese Leitfaden verwendet gemini-3.1-pro-preview als geprüftes Beispiel.

Wo erhalte ich einen Google API-Key für Gemini?

Erstellen Sie einen Gemini API-Key in Google AI Studio. Speichern Sie ihn in einem serverseitigen Geheimnis wie GEMINI_API_KEY, nicht im Quellcode oder Frontend-JavaScript.

Was ist der Gemini API-Endpunkt?

Der native Host ist https://generativelanguage.googleapis.com. Eine Generate-Content-Anfrage verwendet /v1beta/models/{model}:generateContent. Googles OpenAI-kompatible Basis-URL ist https://generativelanguage.googleapis.com/v1beta/openai/.

Unterscheidet sich die Gemini Studio API von der Gemini API?

Google AI Studio ist die Weboberfläche, die Entwickler verwenden, um zu experimentieren und einen Schlüssel zu erstellen. Anwendungsanfragen gehen an die Gemini API. Suchen nach „Gemini Studio API“ beziehen sich normalerweise auf diesen AI Studio-zu-API-Workflow.

Ist die Google Bard API die gleiche wie die Gemini API?

Gemini ist die aktuelle API- und Modellmarke. Ältere Suchen nach einer Google Bard API sollten die aktuelle Gemini API-Dokumentation, Endpunkte und Modell-IDs verwenden, anstatt alter Bard-Beispiele.

Kann ich das OpenAI SDK mit Gemini verwenden?

Ja. Google dokumetiert einen OpenAI-Kompatibilitätsendpunkt. Setzen Sie die Client-Basis-URL auf Googles KompatibilitätsURL, geben Sie Ihren Gemini API-Key an und wählen Sie eine unterstützte Gemini Modell-ID. Testen Sie anbieterspezifische Funktionen, beor Sie sich auf vollständige Verhaltensparalleität verlasen.

Kann Gemini Code für einen AI-Agenten ausführen?

Gemini kann über Code nachdenken und Tool-Aufrufe vorschlagen, aber die Ausführung sollte in einer kontrollierten Laufzeitumgebung stattfinden. Halten Sie den Modell-Aufruf getrent von einer isolierten Umgebung wie Agent Sandbox, und validieren Sie jede angeforderte Aktion, beor Sie sie ausführen.

Gibt es eine kostenlose Stufe für die Gemini API-Preisgestaltung?

Ja. Google gibt an, dass neue Konten auf der kostenlosen Stufe starten, die Zugriff auf bestimmte Modelle in der Gemini API und AI Studio bis zu den kostenlosen Ratelimits der Modelle ermöglicht. Um auf eine bezahlte Stufe zu wechseln, müssen Sie in AI Studio eine Abrechnung einrichten. Für exakte Token-Preise prüfen Sie Googles Preistabelle, da die Sätze modellspezifisch sind. Für gemini-3.1-pro-preview listet die aktuelle Tabelle bezahlte Standard-Preise und keine kostenlosen Stufen-Token-Gebühren.

Empfohlene Artikel

• Deepseek R1 0528 vs Gemini 2.5 Pro 0506: Agent Power vs Logic Mastery
• Best LLM API Platform for Switching Providers
• What Are Coding Agents? Architecture, Tools, and Safety
• MiMo 2.5 API on Novita AI: OpenAI-Comptible Chat API