跳转到主要内容
TokenLab 支持 Gemini 模型的原生 Google Gemini API 格式。这使得它能够直接兼容 Google AI SDK。

​
路径参数

​
model
string
必填
模型名称（例如：gemini-2.5-pro，gemini-3.5-flash）。

​
查询参数

​
key
string
API key（请求头身份验证的替代方案）。

​
身份验证

Gemini 端点支持多种身份验证方法：
  • ?key=YOUR_API_KEY 查询参数
  • x-goog-api-key: YOUR_API_KEY 请求头
  • Authorization: Bearer YOUR_API_KEY 请求头

​
请求体

​
contents
array
必填
对话内容。每个内容对象包含：
  • role (string)：user 或 model
  • parts (array)：内容 part。TokenLab 当前支持：
    • 文本 part：{ "text": "..." }
    • 内联媒体 part：inlineData / inline_data
    • 基于 URL 的文件 part：fileData / file_data
对于媒体 part，TokenLab 当前接受图片、音频、视频三类 MIME type，并通过 Gemini 兼容公共契约向下游透传。 在生产集成中，建议优先使用带公开 https URL 的 fileData / file_data 形式。 当底层兼容路径已通过 Gemini-native 多模态验证时，TokenLab 会优先走原生 Gemini 路径；否则会自动回退到兼容转换路径，无需调用方感知兼容路径差异。user 和 model role 会以不区分大小写的方式规范化。application/octet-stream 的 inlineData / inline_data 只有在 TokenLab 能识别为支持的图片或视频字节时才会接受，否则会在路由前失败。原生图片输出请求只接受 Google search/maps 工具族，不支持的工具组合会在处理开始前失败。
​
systemInstruction
object
模型的系统指令。
​
generationConfig
object
生成配置：
  • temperature (number): 采样温度
  • topP (number): 核采样概率
  • topK (integer): Top-K 采样
  • maxOutputTokens (integer): 最大输出 token 数
  • stopSequences (array): 停止序列
  • candidateCount (integer): 非流式生成的候选数量。流式请求必须省略它，或保持为 1。
  • responseModalities (array): 兼容 native 路由请求的输出模态。
  • responseMimeType (string): 输出 MIME 类型，例如 text/plain 或 application/json。
  • responseSchema (object): 当 responseMimeType 请求 JSON 时用于结构化输出的 JSON schema。
  • thinkingConfig / thinking_config (object): 兼容模型的思考预算选项。
​
safetySettings
array
安全过滤设置。

​
响应

​
candidates
array
生成的候选内容。
​
usageMetadata
object
Token 使用信息。
curl -X POST "https://api.tokenlab.sh/v1beta/models/gemini-2.5-pro:generateContent?key=sk-your-api-key" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [
      {
        "parts": [{"text": "Hello, Gemini!"}]
      }
    ],
    "generationConfig": {
      "temperature": 0.7,
      "maxOutputTokens": 1024
    }
  }'

import google.generativeai as genai

genai.configure(
    api_key="sk-your-api-key",
    transport="rest",
    client_options={"api_endpoint": "api.tokenlab.sh"}
)

model = genai.GenerativeModel("gemini-2.5-pro")
response = model.generate_content("Hello, Gemini!")

print(response.text)

import { GoogleGenerativeAI } from "@google/generative-ai";

const genAI = new GoogleGenerativeAI("sk-your-api-key", {
  baseUrl: "https://api.tokenlab.sh"
});

const model = genAI.getGenerativeModel({ model: "gemini-2.5-pro" });
const result = await model.generateContent("Hello, Gemini!");

console.log(result.response.text());

package main

import (
    "bytes"
    "encoding/json"
    "fmt"
    "io"
    "net/http"
)

func main() {
    payload := map[string]interface{}{
        "contents": []map[string]interface{}{
            {
                "parts": []map[string]string{
                    {"text": "Hello, Gemini!"},
                },
            },
        },
        "generationConfig": map[string]interface{}{
            "temperature":    0.7,
            "maxOutputTokens": 1024,
        },
    }

    jsonData, _ := json.Marshal(payload)
    req, _ := http.NewRequest("POST",
        "https://api.tokenlab.sh/v1beta/models/gemini-2.5-pro:generateContent?key=sk-your-api-key",
        bytes.NewBuffer(jsonData))
    req.Header.Set("Content-Type", "application/json")

    client := &http.Client{}
    resp, _ := client.Do(req)
    defer resp.Body.Close()

    body, _ := io.ReadAll(resp.Body)
    fmt.Println(string(body))
}

<?php
$payload = [
    'contents' => [
        [
            'parts' => [
                ['text' => 'Hello, Gemini!']
            ]
        ]
    ],
    'generationConfig' => [
        'temperature' => 0.7,
        'maxOutputTokens' => 1024
    ]
];

$ch = curl_init('https://api.tokenlab.sh/v1beta/models/gemini-2.5-pro:generateContent?key=sk-your-api-key');

curl_setopt_array($ch, [
    CURLOPT_RETURNTRANSFER => true,
    CURLOPT_POST => true,
    CURLOPT_HTTPHEADER => [
        'Content-Type: application/json'
    ],
    CURLOPT_POSTFIELDS => json_encode($payload)
]);

$response = curl_exec($ch);
curl_close($ch);

$data = json_decode($response, true);
echo $data['candidates'][0]['content']['parts'][0]['text'];

​
多模态输入示例

对于 Gemini 多模态请求，请把媒体放到 contents[].parts[] 中，可以使用“内联字节”或“基于 URL 的文件引用”两种方式。 当前公共 Gemini 契约支持的媒体类别：
  • 图片
  • 音频
  • 视频
对于内联媒体，使用 inlineData 或 inline_data，并传入文件字节的 Base64 内容。 对于 URL 媒体，使用 fileData 或 file_data，并传入一个可公开访问的 https URL。

​
视频输入示例

{
  "contents": [
    {
      "role": "user",
      "parts": [
        { "text": "请描述这个视频。" },
        {
          "fileData": {
            "mimeType": "video/mp4",
            "fileUri": "https://example.com/demo.mp4"
          }
        }
      ]
    }
  ]
}

​
音频输入示例

{
  "contents": [
    {
      "role": "user",
      "parts": [
        { "text": "请描述这段音频。" },
        {
          "fileData": {
            "mimeType": "audio/mpeg",
            "fileUri": "https://example.com/demo.mp3"
          }
        }
      ]
    }
  ]
}

​
图片输入示例

使用内联图片字节： 
{
  "contents": [
    {
      "role": "user",
      "parts": [
        { "text": "请描述这张图片。" },
        {
          "inlineData": {
            "mimeType": "image/jpeg",
            "data": "/9j/4AAQSkZJRgABAQ..."
          }
        }
      ]
    }
  ]
}
使用图片 URL： 
{
  "contents": [
    {
      "role": "user",
      "parts": [
        { "text": "请描述这张图片。" },
        {
          "fileData": {
            "mimeType": "image/jpeg",
            "fileUri": "https://example.com/demo.jpg"
          }
        }
      ]
    }
  ]
}

​
音频输入示例

{
  "contents": [
    {
      "role": "user",
      "parts": [
        { "text": "请转写并总结这段音频。" },
        {
          "file_data": {
            "mime_type": "audio/mpeg",
            "file_uri": "https://example.com/sample.mp3"
          }
        }
      ]
    }
  ]
}

​
视频输入示例

{
  "contents": [
    {
      "role": "user",
      "parts": [
        { "text": "请简要描述这段视频。" },
        {
          "fileData": {
            "mimeType": "video/mp4",
            "fileUri": "https://example.com/sample.mp4"
          }
        }
      ]
    }
  ]
}

{
  "candidates": [
    {
      "content": {
        "role": "model",
        "parts": [
          {"text": "Hello! How can I assist you today?"}
        ]
      },
      "finishReason": "STOP",
      "safetyRatings": [
        {"category": "HARM_CATEGORY_HARASSMENT", "probability": "NEGLIGIBLE"}
      ]
    }
  ],
  "usageMetadata": {
    "promptTokenCount": 5,
    "candidatesTokenCount": 10,
    "totalTokenCount": 15
  }
}