Как использовать Gemini API с OpenAI-совместимым клиентом: руководство по Python и JavaScript

Что вы узнаете из этого руководства?

Это руководство посвящено основным этапам подключения для разработчиков, которые хотят направить существующий код OpenAI-совместимого клиента к Gemini API. Согласно документации Google, доступ к моделям Gemini можно получить с помощью клиентских библиотек для Python и TypeScript/JavaScript либо через REST API. Для тех, кто уже использует клиент, переход сводится к настройке ключа API, адреса запроса и названия модели.

В примерах используется запрос на завершение чата. Команды, занимающиеся архитектурой и дизайном интерьеров, могут применять этот базовый способ подключения в составе приложения — например, для работы с текстами проектов, заметками о дизайне или вопросами о визуальных презентациях. Однако руководство показывает только подключение к API: в нём нет интеграции с конкретным архитектурным ПО, гарантий точности результатов модели или плагина для специализированного рабочего процесса.

Что потребуется: ключ, клиент и модель

Перед началом понадобится ключ Gemini API, полученный в Google AI Studio. В документации Google приведены примеры использования библиотек OpenAI-клиента для Python и JavaScript/TypeScript, а также REST-запросов. В примерах кода используется модель gemini-3.8-flash; при выборе другой совместимой модели соответствующее поле нужно изменить. В источнике не указаны ни номер версии клиентской библиотеки, ни стоимость.

Тем, кто пока не использует библиотеки OpenAI-клиента, Google рекомендует напрямую вызывать Gemini API. Поэтому при наличии существующего приложения сначала стоит проверить, подходит ли используемый клиент для такого способа работы. Если же приложение создаётся с нуля, следует оценить, отвечает ли прямое обращение к API требованиям проекта. В примерах ниже GEMINI_API_KEY — это заполнитель; вместо него нужно указать настоящий ключ.

Первые запросы: пошаговая инструкция

1. Получите ключ API. Создайте ключ Gemini API в Google AI Studio. Он используется для аутентификации запросов; в примерах указан заполнитель, а не настоящий ключ.

2. Направьте клиент к конечной точке Gemini. В примере на Python адрес Gemini API задаётся в base_url, а в примере на JavaScript — в baseURL. Благодаря этому клиент отправляет запросы на указанный адрес Gemini вместо адреса по умолчанию.

3. Укажите название модели. В примере используется gemini-3.8-flash. Название модели передаётся в отдельном поле запроса. Если используется другая модель, значение в этом поле должно ей соответствовать.

4. Выполните первый текстовый запрос. Пример на Python отправляет системное и пользовательское сообщения в запросе на завершение чата и выводит полученное сообщение. Код взят из руководства Google, опубликованного под открытой лицензией.

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)

В примере пользователь просит дать общее объяснение. В приложении для архитектурных задач этот текст можно заменить запросом, соответствующим назначению программы, — например, просьбой кратко изложить заметку о проекте. Это лишь вариант адаптации кода: источник не гарантирует результат для какой-либо конкретной архитектурной задачи.

1. Настройте такое же подключение на JavaScript. В примере на JavaScript также задаются ключ API, конечная точка, модель и сообщения. После выполнения запроса полученное сообщение выводится в консоль.

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. Отправьте REST-запрос без клиентской библиотеки. Пример cURL ниже выполняет ту же базовую операцию через HTTP-запрос. Ключ передаётся в заголовке Authorization, а модель и сообщение — в теле запроса.

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"
}
]
}'

Во всех трёх вариантах важно направить запрос к Gemini API и указать правильные ключ и название модели. Google описывает переход на совместимые клиенты как изменение настроек в трёх строках; это относится к базовым параметрам подключения и не означает, что в каждом приложении не понадобится менять другой код.

Типичные ошибки и что проверить

• Оставить конечную точку по умолчанию: если клиент не направлен к Gemini API, запрос может уйти не туда. Проверьте настройки base_url в Python, baseURL в JavaScript и адрес REST-запроса.

• Не заменить заполнитель: GEMINI_API_KEY в примерах — не настоящий ключ. Замените его значением, полученным в Google AI Studio.

• Ошибиться в названии модели: в примерах поле модели содержит gemini-3.8-flash. Убедитесь, что указанное в запросе значение совпадает с названием выбранной модели.

• Считать, что совместимость одинакова для всех функций: помимо завершения чата, руководство рассматривает потоковые ответы, вызов функций и понимание изображений. Для каждой возможности могут требоваться отдельные запросы и настройки; приведённый базовый пример чата не охватывает все детали их конфигурации.

• Одновременно использовать настройки reasoning: в документации сказано, что reasoning_effort и специфичные для Gemini параметры thinking_level или thinking_budget выполняют пересекающиеся функции и не должны использоваться одновременно. Добавляя расширенные настройки reasoning, отдельно изучите документацию по соответствующей модели.

Для рабочих процессов в архитектуре, дизайне интерьеров и archviz этот подход может стать отправной точкой для разработчиков, которые хотят проверить текстовый доступ к API через уже используемый клиент. Можно протестировать, например, добавление в офисный инструмент запросов о текстах проектов или заметках о дизайне. Однако источник не указывает совместимость с конкретным ПО, сценарии визуальной генерации или требования к локальному оборудованию. Перед запуском в рабочую среду отдельно оцените лицензионные условия, стоимость API, условия использования выбранной модели и потоки данных в приложении. Источник не содержит сведений о ценах или оборудовании.

Что делать дальше

После успешного выполнения первого текстового запроса можно изучить разделы той же документации Google о потоковых ответах, вызове функций и понимании изображений. Это не готовые функции, автоматически добавленные в базовый пример чата: каждую нужно рассматривать отдельно с учётом формата запроса и требований. Если приложение пока не использует библиотеку OpenAI-клиента, при выборе способа подключения также стоит рассмотреть прямой вызов Gemini API.

Архитектурным командам безопаснее всего начать с небольшого прототипа на примерах текстов проекта, не содержащих конфиденциальных данных. Результаты следует рассматривать как вспомогательный материал для проверки, а не как замену проектным решениям. Это не утверждение о том, что API гарантирует конкретный результат в дизайне, а практический способ выстроить внутреннюю проверку перед внедрением технического подключения в реальный рабочий процесс.

Источник и лицензия

Это руководство адаптировано на турецкий язык на основе примеров Python, JavaScript и REST из документации Google по Gemini API «OpenAI compatibility». Источник распространяется по лицензии CC BY 4.0.