gemini-2.5-pro、gemini-2.5-flash 等。
它还提供了一些非 Google 模型,例如 Anthropic 的 Claude。
这将帮助你开始使用 ChatVertexAI 聊天模型。有关所有 ChatVertexAI 功能和配置的详细文档,请访问 API 参考。
此库将被弃用此库将被 ChatGoogle 库取代。
新实现应使用 ChatGoogle 库,
现有实现应考虑迁移。
概述
集成详情
模型功能
有关如何使用特定功能的指南,请参阅下表标题中的链接。
请注意,虽然支持对数概率,但 Gemini 对其使用有相当严格的限制。
设置
LangChain.js 支持两种不同的身份验证方法,具体取决于你是在 Node.js 环境还是 Web 环境中运行。它还支持 Vertex AI Express Mode 使用的身份验证方法,两种包均可使用。 要访问ChatVertexAI 模型,你需要在 Google Cloud Platform (GCP) 账户中设置 Google VertexAI,保存凭证文件,并安装 @langchain/google-vertexai 集成包。
凭证
前往你的 GCP 账户 并生成一个凭证文件。完成后,设置GOOGLE_APPLICATION_CREDENTIALS 环境变量:
GOOGLE_VERTEX_AI_WEB_CREDENTIALS 环境变量设置为 JSON 字符串化的对象,并安装 @langchain/google-vertexai-web 包:
@langchain/google-vertexai 或 @langchain/google-vertexai-web 包。
然后,你可以前往 Express Mode API 密钥页面,并将你的 API 密钥设置在 GOOGLE_API_KEY 环境变量中:
安装
LangChainChatVertexAI 集成位于 @langchain/google-vertexai 包中:
实例化
现在我们可以实例化模型对象并生成聊天补全:调用
使用 Google 搜索检索进行工具调用
可以使用 Google 搜索工具调用模型,你可以用它来接地内容生成,利用真实世界信息并减少幻觉。gemini-2.0-flash-exp 目前不支持接地。
你可以选择使用 Google 搜索或使用自定义数据存储进行接地。以下是两者的示例:
Google 搜索检索
使用 Google 搜索的接地示例:使用数据存储的 Google 搜索检索
首先,设置你的数据存储(这是一个示例数据存储的模式):
然后,在下面提供的示例中使用此数据存储:
(注意,你必须为
projectId 和 datastoreId 使用你自己的变量)
上下文缓存
Vertex AI 提供上下文缓存功能,它通过存储和重用跨多个 API 请求的长消息内容块来帮助优化成本。当你有冗长的对话历史记录或在交互中频繁出现的消息段时,这特别有用。 要使用此功能,请首先按照此官方指南创建上下文缓存。 创建缓存后,你可以按如下方式将其 ID 作为运行时参数传递:API 参考
有关所有ChatVertexAI 功能和配置的详细文档,请访问 API 参考。
将这些文档通过 MCP 连接到 Claude、VSCode 等,以获取实时答案。

