Gerar saída estruturada

Se você precisar analisar as respostas do Gemini Nano em determinados formatos, como JSON, para processamento adicional, use a API Structured Output com acesso direto ao modelo.

Com a API Structured Output, você define a estrutura de saída de destino usando classes e anotações do Kotlin. O acesso direto ao modelo retorna uma resposta na forma do objeto Kotlin.

A geração de saída estruturada é particularmente útil para tarefas como as seguintes:

• Extração de entidades: extração de campos estruturados (por exemplo, nome do evento, data, local) de textos não estruturados.
• Classificação: categorizar o texto de entrada em categorias predefinidas.
• Serialização de dados: conversão de entradas não estruturadas do usuário em um formato adequado para armazenamento em banco de dados ou chamadas de API.

Pré-requisitos

Para verificar se a API Structured Output está disponível no dispositivo, use a API isStructuredOutputFeatureAvailable(). A API vai retornar true se a API Structured Output estiver disponível no dispositivo e false caso contrário.

suspend fun isStructuredOutputFeatureAvailable(): Boolean

A API Structured Output também tem os seguintes requisitos:

• Nível 26 ou mais recente da API do Android (minSdk 26)
• Plug-in do KSP versão 2.3.6 ou mais recente

Limitações

A API Structured Output tem as seguintes limitações:

• Funciona apenas em Kotlin.
• O ProGuard pode interferir na análise da classe anotada. Adicione a classe anotada às regras de manutenção para excluí-las do ProGuard se houver erros de análise, por exemplo:

# Keep classes used by structured output for deserialization for release builds.
-keep class com.google.mlkit.genai.demo.kotlin.Plant { *; }

Configurar projeto

Para começar a usar a API Structured Output, siga estas etapas:

1. Adicione a dependência com.google.mlkit:genai-prompt ao arquivo build.gradle.kts (ou build.gradle) no nível do app, caso ainda não tenha feito isso.

2. Adicione o plug-in do KSP ao arquivo build.gradle.kts para envolvidos no projeto. Use uma versão do plug-in do KSP compatível com sua versão do Kotlin. Recomendamos a versão 2.3.6 ou mais recente do KSP.

   dependencies {
       ...
       classpath "com.google.devtools.ksp:com.google.devtools.ksp.gradle.plugin:2.3.6"
   }
   

3. Adicione as dependências do compilador estruturado ao arquivo build.gradle.kts no nível do app:

   dependencies {
       ...
       ksp("com.google.mlkit:genai-schema-compiler:1.0.0-alpha1")
   }
   

Definir a estrutura de saída

Defina a estrutura dos dados que você quer que o modelo retorne usando classes de dados do Kotlin. Há duas anotações principais para definir a estrutura de saída:

• Use a anotação @Generable para definir a classe como um destino para a saída estruturada.
• Use as anotações @Guide nas propriedades da classe para fornecer descrições e restrições que orientam a saída do modelo.

O exemplo a seguir define uma estrutura para extrair informações de plantas:

import com.google.mlkit.genai.schema.annotations.Generable
import com.google.mlkit.genai.schema.annotations.Guide

@Generable
data class PlantList(
    @Guide(description = "The list of plants found", minItems = 1, maxItems = 5)
    val plants: List<Plant>
)

@Generable("Information about a plant species")
data class Plant(
    @Guide(description = "The common name of the plant")
    val commonName: String,
    
    @Guide(description = "The full latin scientific name of the plant")
    val scientificName: String,
    
    @Guide(
        description = "The maximum height of the plant in centimeters.",
        minimum = 1.0,
        maximum = 10000.0
    )
    val maxHeightCm: Int,
    
    @Guide(description = "Whether the plant is poisonous or not")
    val isPoisonous: Boolean?,
    
    @Guide(
        description = "The primary continent where this plant is native to",
        enumValues = ["Africa", "Antarctica", "Asia", "Australia", "Europe", "North America", "South America"]
    )
    val nativeContinent: String
)

Tipos e restrições compatíveis

Os tipos a seguir são compatíveis com uma classe anotada @Generable, além das respectivas restrições @Guide:

Gerar conteúdo estruturado

Para solicitar uma saída estruturada, use a função auxiliar generateTypedContentRequest para encapsular o comando padrão e especificar a classe de saída de destino.

// 1. Initialize your GenerativeModel as usual
val generativeModel = Generation.getClient()

// 2. Prepare the prompt text
val promptText = "List some common plants found in California."
val baseRequest = GenerateContentRequest.Builder(TextPart(promptText)).build()

// 3. Create the typed request, specifying the target class (e.g., PlantList)
val typedRequest = generateTypedContentRequest(
    generateContentRequest = baseRequest,
    outputClass = PlantList::class
)

// 4. Run the inference
try {
    val typedResponse = generativeModel.generateContent(typedRequest)
    
    // 5. Access the parsed object
    // The response candidates contain the parsed object of type T (PlantList in this case)
    val plantList: PlantList? = typedResponse.candidates.firstOrNull()?.response
    
    if (plantList != null) {
        // Process the structured data
        for (plant in plantList.plants) {
            Log.d("StructuredOutput", "Found plant: ${plant.commonName} (${plant.scientificName})")
        }
    } else {
        Log.e("StructuredOutput", "Failed to parse response into the desired structure.")
        
        // Inspect finish reason for details
        val finishReason = typedResponse.candidates.firstOrNull()?.finishReason
        Log.d("StructuredOutput", "Finish reason: $finishReason")
    }
} catch (e: GenAiException) {
    // Handle API errors
    when (e.errorCode) {
        GenAiException.STRUCTURED_OUTPUT_INVALID_CLASS -> {
            Log.e("StructuredOutput", "The class structure is not supported.")
        }
        GenAiException.STRUCTURED_OUTPUT_INVALID_VALUE -> {
            Log.e("StructuredOutput", "The model generated values that violate the schema constraints.")
        }
        else -> {
            Log.e("StructuredOutput", "API error: ${e.message}")
        }
    }
}

Tratar motivos de encerramento e erros

Ao usar a API Structured Output, você precisa lidar com possíveis exceções geradas pela API e inspecionar a propriedade finishReason nos candidatos de resposta se a resposta analisada for nula.

Valores de finishReason

A propriedade finishReason pode usar um dos seguintes valores:

• TypedFinishReason.STOP: o modelo terminou de gerar com sucesso, e a saída corresponde ao esquema.
• TypedFinishReason.MAX_TOKENS: o modelo foi interrompido porque atingiu o limite de tokens. A saída pode estar incompleta.
• TypedFinishReason.PARSE_CLASS_ERROR: o modelo concluiu a geração, mas o JSON resultante não pôde ser analisado na classe Kotlin de destino.
• TypedFinishReason.STRUCTURE_NOT_ANNOTATED: a classe de destino ou as classes aninhadas não têm a anotação @Generable necessária.
• TypedFinishReason.STRUCTURE_VALUES_INVALID: os valores gerados violaram as restrições definidas nas anotações @Guide (por exemplo, valor fora do intervalo, tamanho da lista fora dos limites).
• TypedFinishReason.OTHER: a geração foi interrompida por outros motivos.

Exceções

A API Structured Output pode gerar GenAiException com os seguintes códigos de erro:

• GenAiException.STRUCTURED_OUTPUT_INVALID_CLASS (-104): a estrutura da classe anotada é inválida ou contém tipos incompatíveis. Normalmente, esse é um erro de configuração no momento do desenvolvimento. Revise a definição da classe de dados @Generable para verificar se todos os tipos de propriedade são compatíveis e se não há dependências circulares.
• GenAiException.STRUCTURED_OUTPUT_INVALID_VALUE (-105): os valores gerados pelo modelo são inválidos ou não passam na verificação de restrições. Esse é um erro de tempo de execução. Se você encontrar esse erro com frequência, considere as seguintes soluções:
  • Refinar as instruções do comando para orientar o modelo de forma mais rigorosa.
  • Flexibilizar as restrições (como limites de tamanho mínimo, máximo ou de lista) nas anotações @Guide se forem muito restritivas para os recursos do modelo.
  • Implementar uma estratégia de fallback no app, como repetir a solicitação ou exibir um estado padrão.

Contar tokens

Para verificar se o comando estruturado está dentro do limite de tokens de entrada, calcule a contagem de tokens usando o método countTokens().

Como as solicitações de saída estruturada precisam instruir o modelo sobre a estrutura do esquema, contar tokens apenas no texto bruto do comando (usando uma instância GenerateContentRequest) não é preciso. Para receber uma contagem de tokens precisa, transmita a instância GenerateTypedContentRequest completa, que inclui as configurações de classe e esquema de destino, para o método countTokens():

suspend fun <T : Any> countTokens(request: GenerateTypedContentRequest<T>): CountTokensResponse