Google, şimdiye kadarki en yetenekli modeli olan Gemini 3.1 Pro'yu yayınladı. Mühendisler, bu önizleme modeline Gemini API aracılığıyla erişerek önceki nesillerin daha az etkili bir şekilde ele aldığı karmaşık akıl yürütme, çok modlu anlama ve ajanik iş akışlarının üstesinden geliyorlar. Gemini 3.1 Pro API'sini entegre eden geliştiriciler, üretim sistemleri için düşük gecikmeyi sürdürürken 1 milyon girdi tokenı ve 64 bin çıktı tokenı genelinde son teknoloji performans elde ediyor.
Yolculuğunuza resmi model tanımlayıcısı gemini-3.1-pro-preview ile başlarsınız. Google, bu uç noktayı https://generativelanguage.googleapis.com/v1beta/models/gemini-3.1-pro-preview:generateContent adresinde barındırır. API, hem REST çağrılarını hem de tam kontrolü korurken karmaşıklığı soyutlayan resmi SDK'ları destekler.
Gemini 3.1 Pro'yu Anlamak: Yapay Zeka Entegrasyonunu Yeniden Tanımlayan Yetenekler
Gemini 3.1 Pro, yerel dinamik düşünme, gelişmiş araç kullanımı ve üstün çok modlu füzyon aracılığıyla önceki modellerin ötesine geçer. Model, metni, yüksek çözünürlüklü görüntüleri, video karelerini, 1000 sayfaya kadar PDF'leri ve kodu aynı bağlam penceresinde eş zamanlı olarak işler. Bu sayede mühendisler, kapsamlı komut mühendisliğine gerek kalmadan daha tutarlı çok adımlı akıl yürütme elde eder.
Ayrıca, model thinking_level yapılandırmasını tanıtır. Bu parametreyi derin analiz görevleri için high (yüksek) veya yüksek verimli senaryolar için low (düşük) olarak ayarlarsınız. Varsayılan high seviyesi, iç düşünce zinciri mekanizmalarını otomatik olarak etkinleştirir, böylece açık akıl yürütme talimatları oluşturmak için daha az zaman harcarsınız.
Ek olarak, Gemini 3.1 Pro, düşünce imzalarını destekler. Bu şifreli dizeler, işlev çağrısını görüntü oluşturma veya düzenleme ile birleştirdiğinizde konuşma durumunu dönüşler arasında korur. Sonraki isteklere tam thoughtSignature değerini eklersiniz; aksi takdirde API bir 400 hatası döndürür. Bu mekanizma, uzun süreli ajan döngülerinde belirleyici davranış garanti eder.
Bilgi kesme tarihi Ocak 2025'tir. Sonuç olarak, taze bilgileri almak için modeli yerleşik Google Arama aracıyla eşleştirirsiniz. Bu kombinasyon, manuel geri alım artırılmış üretim boru hatlarına gerek kalmadan temellendirilmiş, güncel yanıtlar sağlar.
Gemini 3.1 Pro API ile Çalışmak İçin Önkoşullar
Herhangi bir kod yazmadan önce ortamınızı hazırlarsınız. İlk olarak, Google AI Studio'ya erişimi olan bir Google hesabına ihtiyacınız var. İkinci olarak, önizleme modelleri ücretsiz katmanlarda katı hız sınırları uyguladığından, ilişkili Google Cloud projenizde faturalandırmanın etkinleştirildiğini doğrulamanız gerekir. Üçüncü olarak, tercih ettiğiniz yığına bağlı olarak Python 3.9+ veya Node.js 18+ yüklersiniz.
Ayrıca, büyük çok modlu yükler için depolama ayırırsınız. Video dosyaları ve yüksek çözünürlüklü görüntüler tokenları hızla tüketir, bu nedenle AI Studio kontrol paneli aracılığıyla kullanımı izlersiniz. Önceden plan yapan profesyoneller, geliştirme sırasında beklenmedik kota hatalarından kaçınır.
Gemini API Anahtarınızı Alma ve Güvenliğini Sağlama
Google AI Studio'ya gidersiniz ve "API anahtarı al" düğmesine tıklarsınız. Konsol, projenize bağlı yeni bir anahtar oluşturur. Anahtarı hemen kopyalarsınız çünkü kullanıcı arayüzü onu yalnızca bir kez gösterir.
Anahtarı GEMINI_API_KEY ortam değişkeni olarak saklarsınız. Bu uygulama, kimlik bilgilerini kaynak kodunun dışında tutar ve işletim sistemleri arasında sorunsuz SDK başlatma sağlar. Linux veya macOS'ta şunu çalıştırırsınız:
export GEMINI_API_KEY=your_actual_key_here
Windows'ta şunu kullanırsınız:
set GEMINI_API_KEY=your_actual_key_here
Üretim dağıtımları için anahtarları düzenli olarak yeniler ve Google Cloud IAM politikaları aracılığıyla kısıtlarsınız. Saldırganlar yetkisiz token tüketimi için kötüye kullanabileceğinden anahtarı asla istemci tarafı JavaScript'te açığa çıkarmazsınız.
Resmi Google GenAI SDK'sını Yükleme
SDK, HTTP detaylarını soyutlar ve tür açısından güvenli arayüzler sağlar. En son sürümü şu komutlarla yüklersiniz:
Python
pip install -U google-genai
Node.js
npm install @google/genai
Paket, GEMINI_API_KEY'i ortamdan otomatik olarak okur. Açık yapılandırmayı tercih ederseniz, istemci örneğini oluştururken anahtarı geçirirsiniz. Bu esneklik, hem yerel geliştirmeyi hem de ortam değişkenlerinin değişmez kaldığı konteynerli ortamları destekler.
Gemini 3.1 Pro API'sine İlk Çağrınızı Yapma
İstemciyi başlatır ve bağlantıyı doğrulamak için basit bir metin istemi gönderirsiniz.
Python Örneği
from google import genai
from google.genai import types
client = genai.Client()
response = client.models.generate_content(
model="gemini-3.1-pro-preview",
contents="Explain the differences between Gemini 3.1 Pro and previous models in technical terms.",
config=types.GenerateContentConfig(
thinking_level="high"
)
)
print(response.text)
Yanıt nesnesi, oluşturulan metni ve kullanım meta verilerini içerir. Maliyet optimizasyonu için token tüketimini izlemek için response.usage_metadata'yı incelersiniz.
cURL Eşdeğeri (Apidog Testi İçin Faydalı)
curl "https://generativelanguage.googleapis.com/v1beta/models/gemini-3.1-pro-preview:generateContent" \
-H "x-goog-api-key: $GEMINI_API_KEY" \
-H "Content-Type: application/json" \
-X POST \
-d '{
"contents": [{
"parts": [{"text": "Explain the differences between Gemini 3.1 Pro and previous models in technical terms."}]
}],
"generationConfig": {
"thinking_level": "high"
}
}'
Bu isteği doğrudan Apidog'a yapıştırırsınız. Platform JSON'ı ayrıştırır, sözdizimini vurgular ve farklı anahtarlarla ortamlar arasında geçiş yapmanıza olanak tanır. Sonuç olarak, kod değişikliklerini kaydetmeden önce başlıkları ve yükleri doğrulayabilirsiniz.
JavaScript Örneği
import { GoogleGenAI } from "@google/genai";
const ai = new GoogleGenAI({});
async function main() {
const response = await ai.models.generateContent({
model: "gemini-3.1-pro-preview",
contents: "Explain the differences between Gemini 3.1 Pro and previous models in technical terms.",
config: { thinking_level: "high" }
});
console.log(response.text);
}
main();
Bu kod parçacıklarını çalıştırır ve tutarlı, teknik olarak hassas yanıtlar gözlemlersiniz. Model, gelişmiş medya çözünürlüğü kontrolü ve yerel araç orkestrasyonu gibi mimari iyileştirmelere atıfta bulunur.
Temel Uç Noktaları ve İstek Yapısını Keşfetme
Gemini API, üç ana yönteme odaklanır: generateContent, streamGenerateContent ve countTokens. Eşzamanlı yanıtlar için generateContent'i, kullanıcılara kısmi çıktıyı anında gösterdiğinizde ise streamGenerateContent'i kullanırsınız.
İstek gövdesi tutarlı bir yapıya sahiptir:
contents: Rol tabanlı mesajlar dizisi (kullanıcı/model/işlev)tools: Google Arama, code_execution veya özel işlev bildirimleri dizisigenerationConfig: thinking_level, sıcaklık (varsayılan 1.0'da tutulur), maxOutputTokens vb. kontrol eder.safetySettings: İçerik filtreleri için isteğe bağlı geçersiz kılmalar
Özel işlevleri JSON şemalarıyla tanımlarsınız. Model daha sonra yerel olarak yürüttüğünüz ve functionResponse parçaları olarak döndürdüğünüz functionCall parçalarını yayar. Bu kapalı döngü, harici API'ler veya veritabanlarıyla etkileşime giren özerk ajanları besler.
Apidog, OpenAPI belirtimlerini içe aktarmanıza veya şemayı manuel olarak oluşturmanıza olanak tanıdığı için burada mükemmeldir. Araç, işlev bildirimlerinizi modelin beklenen formatına göre doğrular ve hatta tasarım zamanında yanıtları simüle eder.
Üretim Güvenilirliği İçin Üretim Parametrelerini Yapılandırma
Davranışı generationConfig nesnesi aracılığıyla ince ayar yaparsınız. Google, Gemini 3 serisi modellerinde daha düşük değerlerin akıl yürütme kalitesini düşürdüğü için temperature'ı 1.0'da bırakmayı önerir. Bunun yerine, gecikme ve derinlik arasında denge kurmak için thinking_level'i ayarlarsınız.
Anahtar parametreler şunlardır:
thinking_level: "low" | "high" (varsayılan yüksek)maxOutputTokens: maksimum 64 binstopSequences: Üretimi durduran dizeler dizisiresponseMimeType: Yapılandırılmış çıktı için "application/json"responseJsonSchema: Tür açısından güvenli ayrıştırma için Pydantic veya Zod şeması
Web aramalarından veya kod yürütmeden temiz JSON çıkarmak için yapılandırılmış çıktıları araçlarla birleştirirsiniz. Örneğin, uçuş seçeneklerinin bir listesini istersiniz, ayrıştırılmış nesneleri alırsınız ve bunları düzenli ifadeler veya manuel ayrıştırma olmadan doğrudan arka uç mantığınıza beslersiniz.
Çok Modlu Yeteneklerden Yararlanma
Gemini 3.1 Pro, resimleri, videoları ve belgeleri yerel olarak işler. Dosya verilerini ya base64 satır içi olarak ya da daha büyük yüklemeler için Dosya API'si aracılığıyla dahil edersiniz.
Python Çok Modlu Örneği
import base64
from google import genai
from google.genai import types
client = genai.Client()
# Read image
with open("diagram.png", "rb") as f:
image_bytes = f.read()
response = client.models.generate_content(
model="gemini-3.1-pro-preview",
contents=[
types.Content(
role="user",
parts=[
types.Part(text="Analyze this system architecture diagram and suggest optimizations."),
types.Part(
inline_data=types.Blob(
mime_type="image/png",
data=image_bytes
)
)
]
)
],
config=types.GenerateContentConfig(
media_resolution="media_resolution_high" # v1alpha endpoint if needed
)
)
print(response.text)
Videoları kareleri çıkararak veya kısa klipleri doğrudan göndererek yüklersiniz. Model, zamansal dizileri anlar ve kareler arası eylemlerle ilgili soruları yanıtlar. Bu nedenle profesyoneller, ayrı bilgisayar görüşü boru hatlarına ihtiyaç duymadan video analiz araçları oluşturur.
Apidog bu testleri basitleştirir. Görüntü veya PDF dosyalarını sürükleyip istek gövdesine bırakır, doğru MIME türünü seçer ve isteği anında gönderirsiniz. Platform, oluşturulan önizlemeleri görüntüler ve kod yeniden yazmadan istemler üzerinde yineleme yapmanıza olanak tanır.
İşlev Çağrısı ve Araç Kullanımını Uygulama
Ajan davranışını etkinleştirmek için araçları yapılandırmada bildirirsiniz. Desteklenen yerleşik araçlar arasında google_search, code_execution, url_context ve özel işlevler bulunur.
Yapılandırılmış Araç Örneği
from pydantic import BaseModel, Field
from typing import List
class WeatherData(BaseModel):
city: str = Field(description="City name")
temperature: float
condition: str
response = client.models.generate_content(
model="gemini-3.1-pro-preview",
contents="Fetch current weather for Tokyo and return structured data.",
config={
"tools": [{"google_search": {}}],
"response_mime_type": "application/json",
"response_json_schema": WeatherData.model_json_schema()
}
)
data = WeatherData.model_validate_json(response.text)
print(data)
Model, arama aracını dahili olarak çağırır, sonuçları işler ve doğrulanmış JSON döndürür. Seyahat rezervasyonu yapan, raporları analiz eden veya harici sistemleri kontrol eden gelişmiş ajanlar oluşturmak için birden çok aracı dönüşler arasında zincirlersiniz.
Düşünce imzaları sürekliliği sağlar. Her model yanıtından imzayı kopyalar ve işlev çağrıları gerçekleştiğinde bir sonraki kullanıcı mesajına dahil edersiniz. Bu gereksinim, uzun konuşmalarda bağlam kaymasını önler.
Apidog ile Verimli Test ve Hata Ayıklama
Apidog'u açar ve "Gemini 3.1 Pro Entegrasyonu" adlı yeni bir proje oluşturursunuz. API anahtarınız için global bir değişken ekler ve temel URL'yi üretken dil uç noktasına ayarlarsınız.
Ardından, farklı senaryolar için bir koleksiyon oluşturursunuz: yalnızca metin, çok modlu, işlev çağrısı ve akış. Apidog, kaydedilen her istekten cURL, Python ve JavaScript kod parçacıklarını otomatik olarak oluşturur. Böylece tüm ekibin başvurabileceği canlı bir dokümantasyon seti tutarsınız.
Hata aldığınızda, Apidog soruna neden olan tam başlık veya yük alanını vurgular. Yanıtları model sürümleri veya düşünme seviyeleri arasında yan yana karşılaştırırsınız. Platform ayrıca, üretim dağıtımından önce doğru maliyet modelleri oluşturmanıza yardımcı olan zaman damgaları ve token kullanımıyla istek geçmişini kaydeder.
Apidog'u entegre eden profesyoneller, kod düzenleyicileri ve terminal pencereleri arasındaki bağlam geçişini ortadan kaldırdıkları için %40-60 daha hızlı yineleme döngüleri bildiriyorlar. Ücretsiz katman, çoğu geliştirme iş akışı için sınırsız yerel projeyi ve yeterli istek hacmini destekler.
Gelişmiş Teknikler: Akış, Bağlam Önbellekleme ve Toplu İşleme
Duyarlı kullanıcı arayüzleri için akışı etkinleştirirsiniz.
Python Akışı
response = client.models.generate_content(
model="gemini-3.1-pro-preview",
contents="Write a detailed technical specification for a new microservice.",
stream=True
)
for chunk in response:
print(chunk.text, end="", flush=True)
SDK kısmi yanıtlar verir, böylece metni geldikçe görüntülersiniz.
Tekrarlanan uzun belgeler için bağlam önbelleğe almayı da kullanırsınız. 500 sayfalık bir PDF'yi bir kez yüklersiniz, işlenmiş bağlamı önbelleğe alırsınız ve sonraki çağrılarda önbellek kimliğine başvurursunuz. Bu teknik, kurumsal RAG uygulamaları için token maliyetlerini ve gecikmeyi önemli ölçüde azaltır.
Toplu API desteği, tek bir istekte birden fazla istemi işlemenize olanak tanır. Böylece, hız limitleri dahilinde kalarak binlerce destek biletini bir gecede analiz edebilirsiniz.
Gerçek Dünya Kullanım Durumları ve Üretime Hazır Kod Örnekleri
Kullanım Durumu 1: Akıllı Belge Analizörü
Sözleşmeleri alan, maddeleri çıkaran ve riskleri işaretleyen bir sistem kurarsınız. Çok modlu yetenekler, taranmış PDF'lerdeki tabloları ve imzaları tanımlar.
Kullanım Durumu 2: Otonom Kodlama Asistanı
Tek bir döngüde kodu hata ayıklamak, yeniden düzenlemek ve test etmek için code_execution aracını Gemini 3.1 Pro ile birleştirirsiniz. Model Python yazar, yürütür, çıktı görüntülerini veya günlükleri inceler ve görev tamamlanana kadar yineler.
Kullanım Durumu 3: Çok Modlu Müşteri Destek Temsilcisi
Kullanıcılar hata ekran görüntüleri yükler. Ajan, görüntüyü analiz eder, bilgi tabanını arar ve görüntü modeli aracılığıyla oluşturulan açıklama eklenmiş ekran görüntüleriyle adım adım düzeltmeler döndürür.
Her kullanım durumu Apidog prototiplerinden faydalanır. Tam yük yapısını tasarlar, örnek dosyalarla uç durumları test eder ve kullanıma hazır kod dışa aktarırsınız.
Maliyet Kontrolü ve Performans İçin En İyi Uygulamalar
Her çağrıdan sonra token kullanımını izlersiniz. maxOutputTokens'u ihtiyatlı bir şekilde ayarlarsınız ve pahalı işlemlerden önce countTokens uç noktasını kullanırsınız. Yalnızca karmaşık görevler için gemini-3.1-pro-preview'i tercih eder ve daha basit sorguları mevcut olduğunda daha hafif varyantlara yönlendirirsiniz.
Hız limiti hataları için üstel geri çekilme uygularsınız. Sık yanıtları yerel olarak veya Redis aracılığıyla önbelleğe alırsınız. Şema kaymasını erken yakalamak için yapılandırılmış çıktıları her zaman Pydantic veya eşdeğer kitaplıklarla doğrulayın.
Güvenlik her şeyden önemlidir. Kullanıcı girişlerini modele göndermeden önce temizlersiniz. Alanınıza uygun içerik güvenlik ayarlarını uygularsınız. Yalnızca anonimleştirilmiş kullanım metriklerini kaydeder.
Sık Karşılaşılan Sorunları Giderme
Kota aşıldığında Hata 429 (Kaynak Tükendi) görünür. AI Studio kullanım panelini kontrol eder ve Google Cloud desteği aracılığıyla daha yüksek limitler talep edersiniz.
Hata 400 (Geçersiz Argüman), çok turlu işlev çağrılarında genellikle eksik düşünce imzalarından kaynaklanır. Her model yanıt imzasının bir sonraki istekte geri döndüğünü doğrulayın.
Dosya boyutları limitleri aştığında çok modlu istekler başarısız olur. Görüntüleri sıkıştırır veya kalıcı depolama için Dosya API'sini kullanırsınız.
Apidog, başarısız istekleri değiştirilmiş parametrelerle anında yeniden oynatabildiğiniz için bu sorunları izole etmenize yardımcı olur. Yerleşik doğrulayıcı, kodu çalıştırmadan önce şema sorunlarını işaretler.
Gemini API'yi Vertex AI ile Karşılaştırma
Gemini Geliştirici API'si (ai.google.dev) en hızlı başlangıcı ve ücretsiz katman erişimini sunar. Vertex AI, VPC Hizmet Kontrolleri, özel uç noktalar ve daha sıkı IAM entegrasyonu gibi kurumsal özellikler sağlar. Yalnızca istemci başlatmayı ve model uç noktasını değiştirerek birinden diğerine geçiş yaparsınız. İstek biçimleri aynı kalır.
Çoğu ekip prototipleme sırasında Geliştirici API'si ile başlar ve üretime geçmeden önce Vertex AI'ye taşınır. Geçiş minimal kod değişikliği gerektirir.
Sonuç
Artık Gemini 3.1 Pro API için eksiksiz bir teknik yol haritasına sahipsiniz. Model yeteneklerini, kimlik doğrulama akışlarını, SDK entegrasyonunu, gelişmiş yapılandırmayı, çok modlu girişleri, araç orkestrasyonunu ve üretim en iyi uygulamalarını anlıyorsunuz.
Gemini 3.1 Pro'nun akıl yürütme gücü ve Apidog'un görsel test ortamının birleşimi, gelişmiş yapay zeka özelliklerini her zamankinden daha hızlı sunmanızı sağlar. Metin istemleriyle küçük başlarsınız, çok modlu ajanlara genişlersiniz ve izleme ve önbellekleme stratejileriyle güvenle ölçeklendirirsiniz.
Alan hızla gelişiyor. ai.google.dev adresindeki resmi belgeleri yer imlerinize ekleyin ve yeni özellikleri dahil etmek için Apidog projesini düzenli olarak ziyaret edin.
Yeni nesil akıllı uygulamalar oluşturmak için gereken her şeye sahipsiniz. Bugün kodlamaya başlayın, Apidog ile kapsamlı bir şekilde test edin ve yapay zekanın başarabileceklerinin sınırlarını zorlayın.
Şimdi Gemini 3.1 Pro API ile geliştirmeye başlayın. Apidog'u ücretsiz indirin ve yapay zeka entegrasyonlarını geliştirme ve test etme şeklinizi dönüştürün.