Gemini API mit OpenAI-kompatiblem Client nutzen: Python- und JavaScript-Anleitung

Was Sie in dieser Anleitung lernen

Diese Anleitung behandelt die grundlegenden Schritte, mit denen Entwickler vorhandenen, OpenAI-kompatiblen Client-Code auf die Gemini API ausrichten können. Laut der Dokumentation von Google sind Gemini-Modelle über Python- und TypeScript-/JavaScript-Clientbibliotheken oder die REST API erreichbar. Für Nutzer eines bestehenden Clients besteht der grundlegende Wechsel darin, API-Schlüssel, Anfrageadresse und Modellnamen festzulegen.

Die Beispiele verwenden eine Chat-Completions-Anfrage. Teams aus Architektur und Innenarchitektur können diese grundlegende Verbindung beispielsweise in einer Anwendung für Projekttexte, Designnotizen oder Fragen zu visuellen Präsentationen nutzen. Diese Anleitung zeigt jedoch ausschließlich die API-Verbindung. Sie bietet weder eine Integration in bestimmte Architekturprogramme noch Aussagen zur Genauigkeit der Modellausgaben oder ein spezielles Plug-in für Design-Workflows.

Voraussetzungen: Schlüssel, Client und Modell

Bevor Sie beginnen, benötigen Sie einen Gemini-API-Schlüssel aus Google AI Studio. In der Dokumentation von Google finden sich Beispiele für OpenAI-Clientbibliotheken in Python und JavaScript/TypeScript sowie für REST-Anfragen. In den Codebeispielen wird das Modell gemini-3.8-flash verwendet. Wenn Sie ein anderes kompatibles Modell wählen, müssen Sie das Modellfeld entsprechend anpassen. Die Quelle nennt weder eine Versionsnummer der Clientbibliothek noch Angaben zu den Kosten.

Wer noch keine OpenAI-Clientbibliotheken verwendet, dem empfiehlt Google, die Gemini API direkt aufzurufen. Prüfen Sie bei einer bestehenden Anwendung deshalb zunächst, ob der verwendete Client für diese Methode geeignet ist. Bei einer neuen Anwendung sollten Sie abwägen, ob der direkte API-Aufruf Ihren Anforderungen entspricht. In den folgenden Beispielen ist GEMINI_API_KEY ein Platzhalter; ersetzen Sie ihn durch Ihren tatsächlichen Schlüssel.

Schritt für Schritt zur ersten Anfrage

1. API-Schlüssel abrufen. Besorgen Sie sich in Google AI Studio einen Gemini-API-Schlüssel. Er dient zur Authentifizierung der Anfragen. In den Beispielen steht ein Platzhalter, kein echter Schlüssel.

2. Client auf den Gemini-Endpunkt ausrichten. Im Python-Beispiel verweist base_url, im JavaScript-Beispiel baseURL auf die Adresse der Gemini API. Dadurch sendet der Client Anfragen an die dokumentierte Gemini-Adresse statt an seine Standardadresse.

3. Modellnamen angeben. Im Beispiel kommt gemini-3.8-flash zum Einsatz. Der Modellname steht als eigenes Feld in der Anfrage. Wenn Sie ein anderes Modell verwenden, muss dieses Feld dem gewählten Modell entsprechen.

4. Die erste Textanfrage ausführen. Das folgende Python-Beispiel sendet System- und Nutzernachrichten in einer Chat-Completions-Anfrage und gibt die Nachricht aus der Antwort aus. Der Code stammt aus dem Open-Source-Leitfaden von Google.

from openai import OpenAI
client = OpenAI(
api_key="GEMINI_API_KEY",
base_url="https://generativelanguage.googleapis.com/v1beta/openai/"
)
response = client.chat.completions.create(
model="gemini-3.8-flash",
messages=[
{ "role": "system",
"content": "You are a helpful assistant."
},
{
"role": "user",
"content": "Explain to me how AI works"
}
]
)
print(response.choices[0].message)

Die Nutzernachricht im Beispiel bittet um eine allgemeine Erklärung. In einer Anwendung mit Architekturbezug lässt sich der Text durch eine passende Anfrage ersetzen, etwa mit der Bitte, eine Projektnotiz zusammenzufassen. Das ist eine Anpassung zur Nutzung des Codes und bedeutet nicht, dass die Quelle Ergebnisse für bestimmte Architekturaufgaben garantiert.

1. Dieselbe grundlegende Verbindung mit JavaScript herstellen. Auch im JavaScript-Beispiel werden API-Schlüssel, Endpunkt, Modell und Nachrichten festgelegt. Nach Abschluss der Anfrage wird die zurückgegebene Nachricht in der Konsole ausgegeben.

import OpenAI from "openai";
const openai = new OpenAI({
apiKey: "GEMINI_API_KEY",
baseURL: "https://generativelanguage.googleapis.com/v1beta/openai/"
});
const response = await openai.chat.completions.create({
model: "gemini-3.8-flash",
messages: [
{ role: "system",
content: "You are a helpful assistant."
},
{
role: "user",
content: "Explain to me how AI works",
},
],
});
console.log(response.choices[0].message);

1. Eine REST-Anfrage ohne Client senden. Das folgende cURL-Beispiel führt denselben grundlegenden Vorgang über eine HTTP-Anfrage aus. Der Schlüssel steht im Authorization-Header, Modell und Nachrichten im Anfragekörper.

curl "https://generativelanguage.googleapis.com/v1beta/openai/chat/completions" \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $GEMINI_API_KEY" \
-d '{
"model": "gemini-3.8-flash",
"messages": [
{
"role": "user",
"content": "Explain to me how AI works"
}
]
}'

Bei allen drei Methoden kommt es darauf an, die Anfrage an die Gemini API zu richten und den richtigen Schlüssel sowie Modellnamen zu verwenden. Google fasst den Wechsel mit kompatiblen Clients als Änderung von Einstellungen an drei Stellen zusammen. Das beschreibt die grundlegenden Verbindungseinstellungen, bedeutet aber nicht, dass bei jeder Anwendung keine weiteren Codeänderungen erforderlich sind.

Häufige Fehler und Prüfpunkte

• Den Standardendpunkt beibehalten: Ist der Client nicht auf die Gemini API ausgerichtet, geht die Anfrage möglicherweise nicht an die erwartete Adresse. Prüfen Sie base_url in Python, baseURL in JavaScript und die REST-Adresse.

• Den Platzhalter nicht ersetzen: GEMINI_API_KEY in den Beispielen ist kein echter Schlüssel. Ersetzen Sie ihn durch den in Google AI Studio erhaltenen Wert.

• Modellnamen falsch schreiben: In den Beispielen lautet der Modellname gemini-3.8-flash. Stellen Sie sicher, dass der Wert in der Anfrage mit dem Namen des ausgewählten Modells übereinstimmt.

• Annehmen, dass alle Funktionen gleichermaßen kompatibel sind: Der Leitfaden behandelt neben Chat-Completions auch Streaming-Antworten, Funktionsaufrufe und Bildverständnis. Die Anfrage und Konfiguration können sich jedoch jeweils unterscheiden. Das hier gezeigte grundlegende Chat-Beispiel deckt nicht alle Details für die Einrichtung dieser Funktionen ab.

• Einstellungen für das Denken kombinieren: Laut Dokumentation überschneiden sich die Funktionen von reasoning_effort und den Gemini-spezifischen Einstellungen thinking_level oder thinking_budget. Sie sollten nicht gleichzeitig verwendet werden. Prüfen Sie daher beim Hinzufügen erweiterter Einstellungen zum Denkverhalten auch die Dokumentation des jeweiligen Modells.

In Architektur-, Innenarchitektur- und Archviz-Workflows kann dieser Ansatz als Ausgangspunkt für Entwickler dienen, die den textbasierten API-Zugriff über einen bestehenden Client ausprobieren möchten. Denkbar sind etwa Tests, bei denen ein internes Büro-Tool Textanfragen zu Projektbeschreibungen oder Designnotizen erhält. Die Quelle nennt jedoch weder die Kompatibilität mit bestimmten Programmen noch einen Bildgenerierungs-Workflow oder Anforderungen an lokale Hardware. Vor dem Produktiveinsatz sollten Sie Lizenz- und API-Kosten, die Bedingungen des verwendeten Modells sowie den Datenfluss innerhalb der Anwendung gesondert prüfen. Die Quelle macht keine Angaben zu Preisen oder Hardware.

Nächste Schritte

Sobald die erste Textanfrage funktioniert, können Sie sich die im selben Dokument von Google beschriebenen Bereiche zu Streaming-Antworten, Funktionsaufrufen und Bildverständnis ansehen. Diese Funktionen sind keine unmittelbar in das grundlegende Chat-Beispiel integrierten fertigen Features. Jede muss hinsichtlich ihres Anfrageformats und ihrer Anforderungen separat geprüft werden. Wenn die Anwendung noch keine OpenAI-Clientbibliothek verwendet, sollte auch die direkte Nutzung der Gemini API bei der Entscheidung zum Einstieg berücksichtigt werden.

Für Architekturteams ist es am sichersten, zunächst mit kleinen Prototypen und nicht sensiblen Beispiel-Projekttexten zu arbeiten. Behandeln Sie die Ausgaben als Hilfsinhalte, die geprüft werden müssen, nicht als Ersatz für Designentscheidungen. Das ist keine Behauptung, dass die API ein bestimmtes Designergebnis garantiert. Vielmehr ist es ein praxisnaher Ansatz, um einen eigenen Prüfprozess im Team aufzubauen, bevor die technische Verbindung in einen echten Workflow übernommen wird.

Quelle und Lizenz

Diese Anleitung wurde auf Grundlage der Python-, JavaScript- und REST-Beispiele im Gemini-API-Leitfaden „OpenAI compatibility“ von Google ins Türkische übertragen und angepasst. Die Quelle steht unter der Lizenz CC BY 4.0.