Gemini 2.5 Pro API: डेमो प्रोजेक्ट के साथ एक गाइड

Gemini 2.5 Pro के API से कनेक्ट करना

Google API के माध्यम से Gemini 2.5 Pro मॉडल तक पहुँचने के लिए ये चरण अपनाएँ:

1. सेटअप

सबसे पहले google-genai Python पैकेज इंस्टॉल करें। टर्मिनल में निम्न कमांड चलाएँ:

pip install google-genaiसंचालित द्वारा

2. API कुंजी जनरेट करना

यहाँ जाएँ: Google AI Studio और अपनी API कुंजी जनरेट करें। फिर, इस API कुंजी को अपने सिस्टम में एक environment variable के रूप में सेट करें।

3. GenAI क्लाइंट बनाना

API कुंजी का उपयोग करके Google GenAI क्लाइंट इनिशियलाइज़ करें। यह क्लाइंट आपको Gemini 2.5 Pro मॉडल के साथ इंटरैक्ट करने देगा।

import os
from google import genai
from google.genai import types
from IPython.display import Markdown, HTML, Image, display

API_KEY = os.environ.get("GEMINI_API_KEY")

client = genai.Client(api_key=API_KEY)संचालित द्वारा

4. फ़ाइल लोड करें

जिस Python फ़ाइल पर आप काम करना चाहते हैं, उसे लोड करें और मॉडल के लिए एक प्रॉम्प्ट बनाएँ।

# Load the Python file as text

file_path = "secure_app.py"
with open(file_path, "r") as file:
    doc_data = file.read()
prompt = "Please integrate user management into the FastAPI application."

contents = [
    types.Part.from_bytes(
        data=doc_data.encode("utf-8"),
        mime_type="text/x-python",
    ),
    prompt,
]संचालित द्वारा

5. प्रतिक्रिया जनरेट करें

Gemini 2.5 Pro मॉडल (gemini-2.5-pro-exp-03-25) का उपयोग करके एक चैट इंस्टेंस बनाइए और उसे फ़ाइल की सामग्री और प्रॉम्प्ट दीजिए। मॉडल कोड का विश्लेषण करेगा और प्रतिक्रिया जनरेट करेगा।

chat = client.aio.chats.create(
    model="gemini-2.5-pro-exp-03-25",
    config=types.GenerateContentConfig(
        tools=[types.Tool(code_execution=types.ToolCodeExecution)]
    ),
)

response = await chat.send_message(contents)
Markdown(response.text)संचालित द्वारा

कुछ ही सेकंड में, संदर्भ-सचेत प्रतिक्रिया जनरेट हो गई।

नोट: उच्च लोड के कारण फिलहाल मॉडल तक मुफ्त पहुँच उपलब्ध न भी हो सकती है। बस कुछ मिनट प्रतीक्षा करें और पुनः प्रयास करें।

6. कोड निष्पादन (प्रायोगिक)

आप मॉडल से कोड चलाने के लिए भी कह सकते हैं।

response = await chat.send_message('Please run the code to ensure that everything is functioning properly.')
Markdown(response.text)संचालित द्वारा

ध्यान दें कि यह फ़ीचर प्रायोगिक है और इसकी सीमाएँ हैं। उदाहरण के लिए, मॉडल वेब सर्वर नहीं चला सकता, फ़ाइल सिस्टम तक पहुँच नहीं सकता, या नेटवर्क ऑपरेशन नहीं कर सकता।

नोट: Gemini 2.5 Pro मॉडल में उन्नत "सोचने" की क्षमताएँ शामिल हैं। ये Google AI Studio में दिखाई देती हैं, लेकिन API आउटपुट में शामिल नहीं होतीं।

Gemini 2.5 Pro के साथ एक कोड विश्लेषण ऐप बनाना

यह एप्लिकेशन उपयोगकर्ताओं को फ़ाइलें अपलोड करने की सुविधा देता है—एक से अधिक फ़ाइलें या पूरे प्रोजेक्ट वाला ZIP आर्काइव भी—एक चैट-आधारित इंटरफ़ेस में। उपयोगकर्ता अपने प्रोजेक्ट के बारे में प्रश्न पूछ सकते हैं, समस्याएँ ढूँढ सकते हैं, या अपने कोडबेस को बेहतर बना सकते हैं। पारंपरिक AI कोड संपादकों के विपरीत जो सीमाओं के कारण बड़े संदर्भों में संघर्ष करते हैं, Gemini 2.5 Pro अपनी लंबी संदर्भ विंडो के साथ पूरे प्रोजेक्ट में मुद्दों का प्रभावी ढंग से विश्लेषण और समाधान कर सकता है।

1. आवश्यक लाइब्रेरी इंस्टॉल करना

gradio UI बनाने के लिए और zipfile36 ZIP फ़ाइलों को सँभालने के लिए इंस्टॉल करें।

pip install gradio==5.14.0
pip install zipfile36==0.1.3संचालित द्वारा

2. क्लाइंट और UI सेटअप

आवश्यक Python पैकेज इम्पोर्ट करें, ग्लोबल वेरिएबल्स परिभाषित करें, GenAI क्लाइंट इनिशियलाइज़ करें, UI कॉन्स्टैंट सेट करें, और सपोर्टेड फ़ाइल एक्सटेंशनों की सूची बनाएँ।

import os
import zipfile
from typing import Dict, List, Optional, Union

import gradio as gr
from google import genai
from google.genai import types

# Retrieve API key for Google GenAI from the environment variables.
GOOGLE_API_KEY = os.environ.get("GOOGLE_API_KEY")

# Initialize the client so that it can be reused across functions.
CLIENT = genai.Client(api_key=GOOGLE_API_KEY)


# Global variables
EXTRACTED_FILES = {}

# Store chat sessions
CHAT_SESSIONS = {}

TITLE = """<h1 align="center">✨ Gemini Code Analysis</h1>"""
AVATAR_IMAGES = (None, "https://media.roboflow.com/spaces/gemini-icon.png")


# List of supported text extensions (alphabetically sorted)
TEXT_EXTENSIONS = [
    ".bat",
    ".c",
    ".cfg",
    ".conf",
    ".cpp",
    ".cs",
    ".css",
    ".go",
    ".h",
    ".html",
    ".ini",
    ".java",
    ".js",
    ".json",
    ".jsx",
    ".md",
    ".php",
    ".ps1",
    ".py",
    ".rb",
    ".rs",
    ".sh",
    ".toml",
    ".ts",
    ".tsx",
    ".txt",
    ".xml",
    ".yaml",
    ".yml",
]संचालित द्वारा

3. फ़ंक्शन: extract_text_from_zip

extract_text_from_zip() फ़ंक्शन ZIP आर्काइव के अंदर की फ़ाइलों से टेक्स्ट सामग्री निकालता है और उसे एक डिक्शनरी के रूप में लौटाता है।

def extract_text_from_zip(zip_file_path: str) -> Dict[str, str]:

    text_contents = {}

    with zipfile.ZipFile(zip_file_path, "r") as zip_ref:
        for file_info in zip_ref.infolist():
            # Skip directories
            if file_info.filename.endswith("/"):
                continue

            # Skip binary files and focus on text files
            file_ext = os.path.splitext(file_info.filename)[1].lower()

            if file_ext in TEXT_EXTENSIONS:
                try:
                    with zip_ref.open(file_info) as file:
                        content = file.read().decode("utf-8", errors="replace")
                        text_contents[file_info.filename] = content
                except Exception as e:
                    text_contents[file_info.filename] = (
                        f"Error extracting file: {str(e)}"
                    )

    return text_contentsसंचालित द्वारा

4. फ़ंक्शन: extract_text_from_single_file

extract_text_from_single_file() फ़ंक्शन एकल फ़ाइल से टेक्स्ट सामग्री निकालता है और उसे डिक्शनरी के रूप में लौटाता है।

def extract_text_from_single_file(file_path: str) -> Dict[str, str]:

    text_contents = {}
    filename = os.path.basename(file_path)
    file_ext = os.path.splitext(filename)[1].lower()

    if file_ext in TEXT_EXTENSIONS:
        try:
            with open(file_path, "r", encoding="utf-8", errors="replace") as file:
                content = file.read()
                text_contents[filename] = content
        except Exception as e:
            text_contents[filename] = f"Error reading file: {str(e)}"

    return text_contentsसंचालित द्वारा

5. फ़ंक्शन: upload_zip

upload_zip() फ़ंक्शन अपलोड की गई फ़ाइलों—चाहे ZIP हों या टेक्स्ट फ़ाइलें—को प्रोसेस करता है, टेक्स्ट सामग्री निकालता है, और चैट में एक संदेश जोड़ता है।

def upload_zip(files: Optional[List[str]], chatbot: List[Union[dict, gr.ChatMessage]]):
    global EXTRACTED_FILES

    # Handle multiple file uploads
    if len(files) > 1:
        total_files_processed = 0
        total_files_extracted = 0
        file_types = set()

        # Process each file
        for file in files:
            filename = os.path.basename(file)
            file_ext = os.path.splitext(filename)[1].lower()

            # Process based on file type
            if file_ext == ".zip":
                extracted_files = extract_text_from_zip(file)
                file_types.add("zip")
            else:
                extracted_files = extract_text_from_single_file(file)
                file_types.add("text")

            if extracted_files:
                total_files_extracted += len(extracted_files)
                # Store the extracted content in the global variable
                EXTRACTED_FILES[filename] = extracted_files

            total_files_processed += 1

        # Create a summary message for multiple files
        file_types_str = (
            "files"
            if len(file_types) > 1
            else ("ZIP files" if "zip" in file_types else "text files")
        )

        # Create a list of uploaded file names
        file_list = "\n".join([f"- {os.path.basename(file)}" for file in files])

        chatbot.append(
            gr.ChatMessage(
                role="user",
                content=f"<p>📚 Multiple {file_types_str} uploaded ({total_files_processed} files)</p><p>Extracted {total_files_extracted} text file(s) in total</p><p>Uploaded files:</p><pre>{file_list}</pre>",
            )
        )

    # Handle single file upload (original behavior)
    elif len(files) == 1:
        file = files[0]
        filename = os.path.basename(file)
        file_ext = os.path.splitext(filename)[1].lower()

        # Process based on file type
        if file_ext == ".zip":
            extracted_files = extract_text_from_zip(file)
            file_type_msg = "📦 ZIP file"
        else:
            extracted_files = extract_text_from_single_file(file)
            file_type_msg = "📄 File"

        if not extracted_files:
            chatbot.append(
                gr.ChatMessage(
                    role="user",
                    content=f"<p>{file_type_msg} uploaded: {filename}, but no text content was found or the file format is not supported.</p>",
                )
            )
        else:
            file_list = "\n".join([f"- {name}" for name in extracted_files.keys()])
            chatbot.append(
                gr.ChatMessage(
                    role="user",
                    content=f"<p>{file_type_msg} uploaded: {filename}</p><p>Extracted {len(extracted_files)} text file(s):</p><pre>{file_list}</pre>",
                )
            )

            # Store the extracted content in the global variable
            EXTRACTED_FILES[filename] = extracted_files

    return chatbotसंचालित द्वारा

6. फ़ंक्शन: user

user() फ़ंक्शन उपयोगकर्ता के टेक्स्ट इनपुट को चैटबॉट की वार्तालाप हिस्ट्री में जोड़ता है।

def user(text_prompt: str, chatbot: List[gr.ChatMessage]):

    if text_prompt:
        chatbot.append(gr.ChatMessage(role="user", content=text_prompt))
    return "", chatbotसंचालित द्वारा

7. फ़ंक्शन: get_message_content

get_message_content() फ़ंक्शन किसी संदेश की सामग्री प्राप्त करता है, जो डिक्शनरी या Gradio चैट संदेश दो में से कुछ भी हो सकता है।

def get_message_content(msg):
   
    if isinstance(msg, dict):
        return msg.get("content", "")
    return msg.contentसंचालित द्वारा

8. फ़ंक्शन: send_to_gemini

send_to_gemini() फ़ंक्शन उपयोगकर्ता का प्रॉम्प्ट Gemini AI को भेजता है और प्रतिक्रिया को स्ट्रीम करते हुए चैटबॉट में वापस दिखाता है। यदि कोड फ़ाइलें अपलोड की गई हैं, तो उन्हें संदर्भ में शामिल किया जाएगा।

def send_to_gemini(chatbot: List[Union[dict, gr.ChatMessage]]):

    global EXTRACTED_FILES, CHAT_SESSIONS

    if len(chatbot) == 0:
        chatbot.append(
            gr.ChatMessage(
                role="assistant",
                content="Please enter a message to start the conversation.",
            )
        )
        return chatbot

    # Get the last user message as the prompt
    user_messages = [
        msg
        for msg in chatbot
        if (isinstance(msg, dict) and msg.get("role") == "user")
        or (hasattr(msg, "role") and msg.role == "user")
    ]

    if not user_messages:
        chatbot.append(
            gr.ChatMessage(
                role="assistant",
                content="Please enter a message to start the conversation.",
            )
        )
        return chatbot

    last_user_msg = user_messages[-1]
    prompt = get_message_content(last_user_msg)

    # Skip if the last message was about uploading a file (ZIP, single file, or multiple files)
    if (
        "📦 ZIP file uploaded:" in prompt
        or "📄 File uploaded:" in prompt
        or "📚 Multiple files uploaded" in prompt
    ):
        chatbot.append(
            gr.ChatMessage(
                role="assistant",
                content="What would you like to know about the code in this ZIP file?",
            )
        )
        return chatbot

    # Generate a unique session ID based on the extracted files or use a default key for no files
    if EXTRACTED_FILES:
        session_key = ",".join(sorted(EXTRACTED_FILES.keys()))
    else:
        session_key = "no_files"

    # Create a new chat session if one doesn't exist for this set of files
    if session_key not in CHAT_SESSIONS:
        # Configure Gemini with code execution capability
        CHAT_SESSIONS[session_key] = CLIENT.chats.create(
            model="gemini-2.5-pro-exp-03-25",
        )

        # Send all extracted files to the chat session first
        initial_contents = []
        for zip_name, files in EXTRACTED_FILES.items():
            for filename, content in files.items():
                file_ext = os.path.splitext(filename)[1].lower()
                mime_type = "text/plain"

                # Set appropriate mime type based on file extension
                if file_ext == ".py":
                    mime_type = "text/x-python"
                elif file_ext in [".js", ".jsx"]:
                    mime_type = "text/javascript"
                elif file_ext in [".ts", ".tsx"]:
                    mime_type = "text/typescript"
                elif file_ext == ".html":
                    mime_type = "text/html"
                elif file_ext == ".css":
                    mime_type = "text/css"
                elif file_ext in [".json", ".jsonl"]:
                    mime_type = "application/json"
                elif file_ext in [".xml", ".svg"]:
                    mime_type = "application/xml"

                # Create a header with the filename to preserve original file identity
                file_header = f"File: {filename}\n\n"
                file_content = file_header + content

                initial_contents.append(
                    types.Part.from_bytes(
                        data=file_content.encode("utf-8"),
                        mime_type=mime_type,
                    )
                )

        # Initialize the chat context with files if available
        if initial_contents:
            initial_contents.append(
                "I've uploaded these code files for you to analyze. I'll ask questions about them next."
            )
            # Use synchronous API instead of async
            CHAT_SESSIONS[session_key].send_message(initial_contents)
        # For sessions without files, we don't need to send an initial message

    # Append a placeholder for the assistant's response
    chatbot.append(gr.ChatMessage(role="assistant", content=""))

    # Send the user's prompt to the existing chat session using streaming API
    response = CHAT_SESSIONS[session_key].send_message_stream(prompt)

    # Process the response stream - text only (no images)
    output_text = ""
    for chunk in response:
        if chunk.candidates and chunk.candidates[0].content.parts:
            for part in chunk.candidates[0].content.parts:
                if part.text is not None:
                    # Append the new chunk of text
                    output_text += part.text

                    # Update the last assistant message with the current accumulated response
                    if isinstance(chatbot[-1], dict):
                        chatbot[-1]["content"] = output_text
                    else:
                        chatbot[-1].content = output_text

                    # Yield the updated chatbot to show streaming updates in the UI
                    yield chatbot

    # Return the final chatbot state
    return chatbotसंचालित द्वारा

9. फ़ंक्शन: reset_app

rest_app() फ़ंक्शन चैट हिस्ट्री और अपलोड की गई किसी भी फ़ाइल को साफ़ करके एप्लिकेशन रीसेट करता है।

def reset_app(chatbot):
    global EXTRACTED_FILES, CHAT_SESSIONS

    # Clear the global variables
    EXTRACTED_FILES = {}
    CHAT_SESSIONS = {}

    # Reset the chatbot with a welcome message
    return [
        gr.ChatMessage(
            role="assistant",
            content="App has been reset. You can start a new conversation or upload new files.",
        )
    ]संचालित द्वारा

10. Gradio UI कॉम्पोनेंट्स

आइए Gradio कॉम्पोनेंट्स परिभाषित करें: चैटबॉट, टेक्स्ट इनपुट, अपलोड बटन, और कंट्रोल बटन।

# Define the Gradio UI components
chatbot_component = gr.Chatbot(
    label="Gemini 2.5 Pro",
    type="messages",
    bubble_full_width=False,
    avatar_images=AVATAR_IMAGES,
    scale=2,
    height=350,
)
text_prompt_component = gr.Textbox(
    placeholder="Ask a question or upload code files to analyze...",
    show_label=False,
    autofocus=True,
    scale=28,
)
upload_zip_button_component = gr.UploadButton(
    label="Upload",
    file_count="multiple",
    file_types=[".zip"] + TEXT_EXTENSIONS,
    scale=1,
    min_width=80,
)

send_button_component = gr.Button(
    value="Send", variant="primary", scale=1, min_width=80
)
reset_button_component = gr.Button(
    value="Reset", variant="stop", scale=1, min_width=80
)

# Define input lists for button chaining
user_inputs = [text_prompt_component, chatbot_component]संचालित द्वारा

11. Gradio ऐप लेआउट

साफ़-सुथरे लेआउट के लिए पंक्तियों और स्तंभों का उपयोग करके Gradio इंटरफ़ेस को स्ट्रक्चर करें।

with gr.Blocks(theme=gr.themes.Ocean()) as demo:
    gr.HTML(TITLE)
    with gr.Column():
        chatbot_component.render()
        with gr.Row(equal_height=True):
            text_prompt_component.render()
            send_button_component.render()
            upload_zip_button_component.render()
            reset_button_component.render()

    # When the Send button is clicked, first process the user text then send to Gemini
    send_button_component.click(
        fn=user,
        inputs=user_inputs,
        outputs=[text_prompt_component, chatbot_component],
        queue=False,
    ).then(
        fn=send_to_gemini,
        inputs=[chatbot_component],
        outputs=[chatbot_component],
        api_name="send_to_gemini",
    )

    # Allow submission using the Enter key
    text_prompt_component.submit(
        fn=user,
        inputs=user_inputs,
        outputs=[text_prompt_component, chatbot_component],
        queue=False,
    ).then(
        fn=send_to_gemini,
        inputs=[chatbot_component],
        outputs=[chatbot_component],
        api_name="send_to_gemini_submit",
    )

    # Handle ZIP file uploads
    upload_zip_button_component.upload(
        fn=upload_zip,
        inputs=[upload_zip_button_component, chatbot_component],
        outputs=[chatbot_component],
        queue=False,
    )

    # Handle Reset button clicks
    reset_button_component.click(
        fn=reset_app,
        inputs=[chatbot_component],
        outputs=[chatbot_component],
        queue=False,
    )संचालित द्वारा

12. ऐप लॉन्च करना

कई अनुरोधों को संभालने के लिए क्यूइंग सक्षम करके Gradio एप्लिकेशन को लोकली लॉन्च करें।

# Launch the demo interface
demo.queue(max_size=99, api_open=False).launch(
    debug=False,
    show_error=True,
    server_port=9595,
    server_name="localhost",
)संचालित द्वारा

Gemini 2.5 Pro कोड विश्लेषण ऐप का परीक्षण

वेब एप्लिकेशन लॉन्च करने के लिए, ऊपर दिए गए सभी कोड स्रोतों को main.py फ़ाइल में एकसाथ रखें (मैंने इसे GitHub पर अपलोड किया है ताकि कॉपी करना आसान हो)। इसे निम्न कमांड से चलाएँ:

python main.pyसंचालित द्वारा

वेब एप्लिकेशन इस URL पर उपलब्ध होगा: http://localhost:9595/

आप URL कॉपी करके अपने वेब ब्राउज़र में पेस्ट कर सकते हैं।

जैसा कि हम देख सकते हैं, वेब एप्लिकेशन में एक चैटबॉट इंटरफ़ेस है। हम इसे ChatGPT की तरह ही उपयोग कर सकते हैं।

“Upload” बटन एकल और एकाधिक फ़ाइल अपलोड, साथ ही आपके प्रोजेक्ट के लिए zip फ़ाइलों को भी सपोर्ट करता है। तो चिंता न करें यदि आपके प्रोजेक्ट में 20 से अधिक फ़ाइलें हैं; कोड विश्लेषण ऐप उन्हें प्रोसेस करके Gemini 2.5 Pro API को भेज पाने में सक्षम होगा।

आइए कई फ़ाइलें अपलोड करें और Gemini 2.5 Pro से हमारा प्रोजेक्ट बेहतर करवाएँ। 

जैसा कि हम देख सकते हैं, मॉडल सुधारों के लिए सही सुझाव देता है।

हम इसे secure_app.py फ़ाइल में सभी सुझाव लागू करने के लिए कह सकते हैं।

यदि आप किसी अन्य प्रोजेक्ट पर काम करना चाहते हैं, तो “Reset” बटन पर क्लिक करें और नए प्रोजेक्ट के बारे में बातचीत शुरू करें।

सोर्स कोड और कॉन्फ़िगरेशन GitHub रिपॉज़िटरी में उपलब्ध हैं: kingabzpro/Gemini-2.5-Pro-Coding-App।

निष्कर्ष

एक सही मायने में AI एप्लिकेशन बनाना अब काफी आसान हो गया है। LangChain जैसे टूल्स से जटिल ऐप बनाने, वेक्टर स्टोर्स इंटीग्रेट करने, प्रॉम्प्ट्स ऑप्टिमाइज़ करने या चेन-ऑफ़-थॉट जोड़ने के बजाय, हम बस Google API के ज़रिए Gemini 2.5 Pro क्लाइंट इनिशियलाइज़ कर सकते हैं। Gemini 2.5 Pro Chat API विभिन्न फ़ाइल प्रकारों को सीधे संभाल सकता है, फ़ॉलो-अप प्रश्नों की अनुमति देता है, और अत्यंत सटीक प्रतिक्रियाएँ प्रदान करता है।