Google Gemini API 是 Google 推出的新一代大语言模型（LLM）接口服务，基于 Gemini 系列多模态模型构建。Gemini 模型自 2023 年底首次发布以来，经历了多次重大升级，从最初的 Gemini 1.0 发展到如今的 Gemini 2.5 系列，在推理能力、多模态理解和代码生成等方面都取得了显著进步。Gemini API 通过 Google AI Studio 和 Google Cloud Vertex AI 两大平台对外提供服务，分别面向个人开发者和企业客户。
Claude Code 本身运行在 Anthropic 的 Claude 模型之上，专注于 AI 编程辅助。然而，作为一款通用的人工智能开发助手，Claude Code 能够帮助开发者高效地编写、调试和优化调用 Gemini API 的应用程序代码。无论是在 Python 环境中配置 Gemini SDK，还是在 Node.js 后端中集成 Gemini 的多模态能力，Claude Code 都可以提供代码生成、错误诊断和架构建议等全流程支持。
在当今多元化的人工智能生态中，理解不同 API 之间的差异和协同价值至关重要。开发者不再局限于单一模型，而是根据具体任务选择最合适的 AI 服务。通过本笔记，读者将掌握如何使用 Claude Code 高效开发 Gemini API 应用，同时了解多 API 协同策略，从而构建更灵活、更具竞争力的 AI 系统。
Gemini API 是 Google 基于其最新一代多模态大语言模型 Gemini 系列对外提供的应用程序编程接口。它旨在为开发者提供简单、高效的方式来将先进的 AI 能力集成到各种应用场景中，包括内容生成、数据分析、代码开发、多媒体处理等。
Google 为 Gemini API 提供了多个模型版本以适应不同场景的需求。Gemini 2.5 Pro 是目前最高性能的旗舰模型，在推理、编程和多模态任务上表现卓越。Gemini 2.0 Flash 则主打低延迟和高吞吐量，适合需要快速响应的实时应用场景。Gemini 1.5 Pro 作为成熟稳定的上一代旗舰，仍然在许多生产环境中广泛使用。此外，还有专门针对特定任务优化的模型变体，如 Gemini 2.5 Flash 等。
| 模型名称 | 定位 | 最大上下文 | 适用场景 |
|---|---|---|---|
| Gemini 2.5 Pro | 旗舰模型 | 100 万 token | 复杂推理、代码生成、多模态分析 |
| Gemini 2.0 Flash | 快速响应 | 100 万 token | 实时对话、内容摘要、图像标注 |
| Gemini 1.5 Pro | 成熟稳定 | 200 万 token | 生产环境、文档分析、长视频理解 |
| Gemini 1.5 Flash | 轻量快速 | 100 万 token | 分类任务、简单问答、批量处理 |
Google 提供了两种主要的访问方式：Google AI Studio 和 Google Cloud Vertex AI。Google AI Studio 是面向个人开发者的免费平台，提供慷慨的免费调用额度，适合原型开发、学习和实验。Vertex AI 则是 Google Cloud 旗下的企业级 AI 平台，提供生产级 SLA 保障、数据隔离、VPC 网络控制、IAM 权限管理和合规认证等企业级功能，适合大规模生产部署。
Google 为 Gemini API 提供了全面的 SDK 支持，覆盖主流编程语言。Python 的 google-generativeai 包是最常用的 SDK，提供了简洁直观的 API 接口。Node.js 开发者可以使用 @google/generative-ai 包在服务端集成 Gemini 能力。此外还有 Go、Java、Swift 等语言的官方 SDK，以及通过 REST API 和 gRPC API 进行直接调用的方式。Google AI Studio 还提供了 Web 在线调试工具，让开发者无需编写代码即可测试模型效果。
Gemini 模型从设计之初就是原生多模态架构，这意味着它可以同时处理文本、图像、音频、视频和代码等多种输入格式，而不需要像其他模型那样依赖额外的专用模型（如图像编码器或语音识别模型）。这种原生多模态能力使得 Gemini 在处理复杂的跨模态任务时更加高效和自然，例如直接从视频中提取关键信息并生成结构化报告。
Claude Code 作为 Anthropic 推出的 AI 编程助手，在开发 Gemini API 应用时可以发挥多方面的辅助作用。虽然 Claude Code 基于 Claude 模型运行，但其通用的代码理解和生成能力使其能够胜任任何编程任务，包括为 Gemini API 编写代码。以下将详细说明 Claude Code 在 Gemini API 开发中的具体应用场景和最佳实践。
自动生成 Google AI Python SDK 的初始化、配置和调用代码，包括 API Key 管理、模型选择和参数配置，以及错误处理和重试逻辑。
辅助编写图像上传与编码、音频文件处理、视频帧提取等多模态输入处理逻辑，简化复杂的媒体数据预处理流程。
帮助开发者充分利用 Gemini 的超长上下文能力，实现大型文档分析、长对话历史管理和分块处理策略。
协助配置内容安全过滤参数、调整安全阈值、添加输入输出验证层，确保应用符合内容安全标准。
辅助 Google Cloud 凭据配置、Vertex AI API 调用代码生成、IAM 角色设置以及与其他 GCP 服务的集成。
分析 API 调用错误、优化 token 使用效率、诊断性能瓶颈，并提供代码重构和性能优化建议。
使用 Claude Code 进行 Gemini API 开发通常遵循以下标准化流程。这个流程从项目初始化开始，经过编码实现、测试调试，最终到部署优化，每个环节 Claude Code 都能提供针对性的辅助。
在使用 Claude Code 开发 Gemini 应用时，建议明确告知 Claude Code 你的开发目标和技术栈，例如："请生成一段使用 Google Generative AI Python SDK 调用 Gemini 2.5 Pro 进行图像分析的代码，包含异常处理"。这样 Claude Code 可以更精准地理解需求，生成更高质量的代码。
Gemini API 提供了一系列丰富的功能接口，覆盖了从基础的文本生成到高级的多模态理解和工具调用。了解和掌握这些核心功能，是高效使用 Gemini API 的基础。以下逐一介绍各项核心功能及其典型应用场景。
文本生成是 Gemini API 最基础也是最核心的功能。Gemini 可以完成对话问答、内容创作、文本分析、代码生成、翻译总结等多种文本任务。开发者可以通过设置 temperature、top_p、top_k 等参数精确控制生成内容的创造性和多样性。Gemini 2.5 Pro 在推理能力上的大幅提升使其特别擅长数学解题、逻辑推理和复杂分析任务。
多模态理解是 Gemini API 相对于许多其他 API 的差异化优势。Gemini 可以直接接收图像（包括照片、截图、图表、文档扫描件等）进行分析，无需额外的图像到文本的预处理步骤。它还能够处理音频文件进行语音转录和分析，以及分析视频内容理解动作、场景和时间序列变化。这种全方位的多模态能力让 Gemini 在医疗影像分析、视频内容审核、多媒体文档处理等领域具备独特优势。
Gemini API 支持函数调用（Function Calling）机制，允许模型在需要时调用开发者定义的外部工具或 API。通过声明可用的函数及其参数结构，Gemini 可以在生成回答时智能地决定是否需要调用特定函数，并将调用参数以结构化格式返回。这种机制使得开发者可以构建能够实时查询数据库、调用外部 API 或执行特定计算任务的智能代理系统。
流式生成（Streaming）功能允许 API 响应以流式方式逐段返回生成内容，而不是等待完整内容生成完毕。这对于需要实时展示生成进度的应用场景至关重要，如聊天机器人逐字显示回答、实时翻译逐步呈现翻译结果等。流式生成可以显著降低用户的感知延迟，提升交互体验。
Gemini API 提供文本嵌入（Text Embedding）功能，可以将文本转换为高维向量表示。这些嵌入向量在语义搜索、文本聚类、推荐系统和信息检索等场景中有广泛应用。Gemini 嵌入模型支持多语言，能够生成高质量的语义向量，适用于构建基于向量数据库的 RAG（检索增强生成）系统。
Grounding 是 Gemini API 的一项独特功能，它可以将模型的生成结果与 Google 搜索进行关联和验证。通过开启 Grounding 功能，Gemini 可以引用实时网络信息来支撑其回答，有效减少事实性错误和幻觉现象。这对于需要实时准确信息的应用场景特别有价值，如新闻摘要、事实查询和研究辅助。
| 功能 | 说明 | 典型应用 |
|---|---|---|
| 文本生成 | 高质量文本内容生成，支持多种参数控制 | 客服对话、内容创作、代码生成 |
| 多模态理解 | 直接处理图像、音频、视频输入 | 图像识别、视频分析、文档 OCR |
| 函数调用 | 模型自主调用外部工具和 API | 智能代理、自动化工作流 |
| 流式生成 | 逐段返回生成内容，降低延迟 | 实时聊天、流式翻译 |
| Embedding | 文本的多维向量表示 | 语义搜索、RAG、推荐系统 |
| Grounding | 结合 Google 搜索进行事实核查 | 实时查询、事实验证、研究辅助 |
虽然 Claude Code 原生使用 Anthropic Claude API 驱动，但通过灵活的配置方式，开发者可以让 Claude Code 与 Google Gemini API 深度集成，实现"Claude 编程辅助 + Gemini 多模态推理"的协作模式。以下详细介绍多种配置方法，从简单的环境变量设置到高级的 MCP 服务器集成。
最快捷的集成方式是通过环境变量设置 Gemini API 的访问参数。在终端中设置以下环境变量，Claude Code 运行的所有子进程即可访问 Gemini API：
注意：Gemini API 默认端点与 OpenAI 格式不同，使用 Google 自定义的 API 路径。如果使用 OpenAI 兼容模式，Gemini 也支持通过特定端点以 OpenAI 格式调用。
在 PowerShell 中设置：$env:GEMINI_API_KEY="AIzaSyxxxxxxxxxxxxxxxxxxxx"。建议在系统环境变量中持久化设置，避免重启终端后丢失。
在项目配置文件 .claude/settings.json 或全局配置文件 ~/.claude/settings.json 中定义环境变量，Claude Code 启动时自动加载，使子进程可以访问 Gemini API：
${GEMINI_API_KEY} 引用环境变量，或使用 .env 文件配合 dotenv 管理。settings.json 可能被提交到版本控制系统，存在密钥泄露风险。
开发者可以编写 Python 脚本作为 Claude Code 与 Gemini API 之间的桥梁。Claude Code 通过 Bash 工具执行该脚本，将任务上下文传递给 Gemini 模型处理：
在 Claude Code 中可通过以下方式调用：
Gemini API 支持 OpenAI 兼容模式，允许开发者使用 OpenAI SDK 调用 Gemini 模型。这对于已有 OpenAI 代码的项目非常方便，只需修改 base_url 和 API Key 即可切换：
OpenAI 兼容模式的最大优势在于：如果项目已经使用了 OpenAI SDK，切换到 Gemini 只需修改两行配置（base_url 和 api_key），无需重写任何业务逻辑。这使得在两个平台之间进行 A/B 测试或灾备切换变得非常简单。Claude Code 可以辅助生成兼容模式的配置代码和迁移脚本。
对于企业级用户，推荐通过 Google Cloud Vertex AI 访问 Gemini API。Vertex AI 提供生产级 SLA、数据隔离和 IAM 权限控制。配置方式与 Google AI Studio 不同，需要使用 Google Cloud 服务账号认证：
Claude Code 支持 MCP（Model Context Protocol）服务器扩展，可以将 Gemini API 封装为可调用的工具。通过 MCP 服务器，Claude 可以在合适的场景下自主调用 Gemini 模型处理特定任务，尤其是利用 Gemini 的多模态和长上下文优势：
通过 MCP 服务器集成 Gemini API 特别适合以下场景：需要 Gemini 原生多模态能力的图像/视频分析任务、需要超长上下文的大型文档分析、以及利用 Google Grounding 能力进行实时事实核查。Claude Code 会根据任务特性自动选择是否调用 MCP 工具，实现多模型的无缝协同。
| 配置方式 | 复杂度 | 灵活性 | 适用场景 |
|---|---|---|---|
| 环境变量 | 低 | 中 | 快速测试、临时使用 |
| settings.json | 低 | 中 | 项目级持久化配置 |
| 自定义脚本 | 中 | 高 | 特定工作流集成 |
| OpenAI 兼容模式 | 低 | 中 | 从 OpenAI 迁移到 Gemini |
| Vertex AI | 中高 | 高 | 企业级生产部署 |
| MCP 服务器 | 中高 | 最高 | 多模型协作、自动化 |
本节通过具体的 Python 代码示例，展示如何使用 Google Generative AI Python SDK 调用 Gemini API。这些示例覆盖了最常见的开发场景，包括基础文本生成、多模态图像分析、流式输出以及函数调用等。开发者可以基于这些示例快速上手并扩展自己的应用。
以下示例展示了最基本的 Gemini API 调用方式，包括 SDK 初始化、模型选择和文本生成。这是所有 Gemini API 应用的基础模板。
Gemini API 的原生多模态能力使得图像分析变得非常简单。无需额外的图像处理库，直接将图像数据传递给模型即可获得分析结果。以下示例展示了如何上传一张图片并请求模型进行分析描述。
流式生成适用于需要实时展示生成内容的场景。以下示例展示了如何使用 stream=True 参数启用流式输出，并逐块处理返回的内容。
函数调用让 Gemini 能够与外部系统交互。以下示例展示了如何定义工具函数并让 Gemini 自动选择调用。
在生产环境中，务必使用环境变量管理 API Key，不要将凭证硬编码在代码中。推荐使用 python-dotenv 库加载 .env 文件，或者直接使用操作系统的环境变量。同时建议为不同环境（开发、测试、生产）使用不同的 API Key。
Gemini API 在众多 AI API 中拥有若干独特的竞争优势，这些特色能力使其在特定应用场景中表现出色。深入了解这些特色能力，有助于开发者更好地选择和利用 Gemini API。
与其他需要组合多个专用模型来实现多模态能力的方案不同，Gemini 从模型架构层面就是原生的多模态设计。这意味着它能够直接在内部统一处理和理解文本、图像、音频和视频信息，不需要额外的编码或转换步骤，从而在多模态推理任务中实现更优的效果和更低的延迟。
Gemini 1.5 Pro 支持高达 200 万 token 的上下文窗口，Gemini 2.5 Pro 支持 100 万 token。这意味着开发者可以将整本书籍、数小时的会议录音或大型代码仓库一次性作为上下文输入，让模型在完整理解全貌的基础上进行精准分析和回答。
Gemini API 与 Google 搜索、Google Cloud 服务、Google Workspace 等产品线深度集成。通过 Grounding 功能可以利用 Google 搜索进行事实核查；通过 Vertex AI 可以与其他 GCP 服务无缝协作；通过 Google Workspace 插件可以在文档、邮件等应用中直接调用 Gemini 能力。
Gemini 模型支持超过 100 种语言的文本理解和生成，在非英语语言上的表现位居行业前列。这对于构建面向全球用户的多语言应用至关重要。Google 在训练数据中包含了丰富的多语言语料库，确保模型在不同语言和文化背景下都有良好的表现。
Google AI Studio 为开发者提供了业界领先的免费使用额度。免费层级包括每分钟 60 次请求的频率限制，足以满足原型开发、学习和小型项目的需求。这种低门槛的访问方式极大地降低了开发者的试用和开发成本。
Gemini API 提供了细粒度的内容安全控制机制。开发者可以根据应用场景调整不同类型有害内容（仇恨言论、色情内容、暴力内容等）的过滤阈值。安全设置分为 BLOCK_NONE、BLOCK_ONLY_HIGH、BLOCK_MEDIUM_AND_ABOVE（默认）和 BLOCK_LOW_AND_ABOVE 四个级别，灵活适应不同的合规要求。
在当今的多模型生态中，了解不同 AI API 之间的差异并制定合理的协同策略，对于构建高效、可靠的 AI 应用至关重要。Gemini API、Claude API 和 OpenAI API 是目前最主流的三大 AI API，各自拥有独特的技术特点和最佳应用场景。
以下表格从多个维度对比三大主流 AI API 的核心特性，帮助开发者根据具体需求做出选择。
| 对比维度 | Gemini API | Claude API | OpenAI API |
|---|---|---|---|
| 核心优势 | 原生多模态、超长上下文 | 深度对话理解、安全性 | 生态成熟、插件丰富 |
| 多模态能力 | 原生支持（图像+音频+视频） | 文本为主，支持图像 | 支持图像（DALL-E 独立） |
| 最大上下文 | 200 万 token | 200K token | 128K token |
| 免费额度 | 有（Google AI Studio） | 无免费层级 | 有（有限制） |
| 企业级平台 | Vertex AI | Amazon Bedrock / GCP | Azure OpenAI |
| 函数调用 | 支持 | 支持（Tool Use） | 支持（Function Calling） |
| 知识截止 | 较新（频繁更新） | 较新 | 较新 |
在实际项目中，单一模型往往难以在所有任务上都表现最优。合理的做法是根据任务特点选择最合适的模型，构建多模型协同的 AI 系统。以下是一些实用的协同策略。
将需要多模态理解或超长上下文分析的任务分配给 Gemini，例如视频内容分析、大型文档研究、多媒体数据处理。将需要深度对话推理和细致分析的任务分配给 Claude，例如复杂代码审查、长文本写作、策略分析。将需要丰富工具生态和插件支持的任务分配给 OpenAI，例如快速原型开发和广泛社区支持的应用。
在复杂工作流中，让不同模型在不同环节发挥各自优势。例如，使用 Gemini 进行音视频内容的初始转录和理解，将结果传递给 Claude 进行深度分析和结构化整理，最后使用 OpenAI 生成最终输出。这种流水线方式可以充分发挥每个模型的独特优势。
在需要高准确率的关键任务中，可以同时向多个模型发送相同请求，通过投票或交叉验证机制获取最可靠的答案。这种方法可以有效降低单一模型的随机性错误和幻觉风险，特别适用于医疗、法律、金融等对准确性要求极高的领域。
在实际开发和使用 Gemini API 的过程中，有许多关键事项需要开发者特别关注。以下从安全性、合规性、性能和成本等多个角度，列出了最重要的注意事项。
API Key 是访问 Gemini API 的凭证，必须妥善保管。建议将 API Key 存储在环境变量或密钥管理服务中，切勿硬编码在代码中或提交到版本控制系统。定期轮换 API Key 并设置使用配额限制，可以有效降低密钥泄露的风险。Google AI Studio 提供 API Key 管理控制台，可以查看使用情况、设置限额和撤销密钥。
Gemini API 的可用性和功能可能因地区而异。某些模型版本或功能可能仅在特定区域提供。Google AI Studio 在全球多数地区都可访问，但实际 API 调用的延迟可能会因地理位置而有所不同。Vertex AI 的服务区域则与 Google Cloud 数据中心分布一致，建议选择距离用户最近的数据中心部署。开发者应在项目初期确认目标地区的服务可用性，避免上线后发现不可用的情况。
Gemini API 提供了多层内容安全过滤机制，默认的安全设置为 BLOCK_MEDIUM_AND_ABOVE，即拦截中等及以上程度的有害内容。开发者应根据应用场景和目标用户群体合理调整安全阈值。对于儿童教育类应用，建议设置更严格的安全策略；对于艺术创作或学术研究类应用，可能需要在确保合规的前提下适当放宽限制。务必在正式上线前进行充分的安全测试。
Gemini API 的计费方式基于输入和输出的 token 数量，不同类型的模型定价不同。Gemini 2.0 Flash 的定价较为低廉，适合高吞吐量场景；Gemini 2.5 Pro 的定价较高，适合对质量要求较高的复杂任务。Google AI Studio 免费层级有一定的速率限制（RPM）和每日配额（TPD），超出后会自动限制调用。Vertex AI 按实际使用量计费，并提供企业级 SLA 保证。开发者应仔细评估应用的使用量，选择合适的模型和访问方式以控制成本。
数据隐私是选择访问方式时的重要考量因素。通过 Google AI Studio 调用 API 时，Google 可能会使用提交的数据进行模型改进（取决于隐私设置）。而通过 Vertex AI 调用时，用户的输入数据默认不会用于模型训练，且在传输和存储过程中经过加密保护。Vertex AI 还支持 VPC 网络控制、私有 IP 访问、数据驻留等企业级安全功能。对于涉及敏感数据或需要合规认证的企业应用，强烈建议使用 Vertex AI。
总结关键安全措施：1) 始终使用环境变量管理 API Key；2) 生产环境务必使用 Vertex AI 以获得数据隔离保障；3) 根据应用场景合理配置安全过滤阈值；4) 监控 API 调用日志，及时发现异常使用情况；5) 为不同开发阶段使用独立的 API Key 和配额限制。
通过对 Google Gemini API 的全面学习，以及使用 Claude Code 辅助开发的实践探索，以下是对本笔记内容的最终提炼和总结。这些要点涵盖了 Gemini API 的核心优势、开发方法和最佳实践。