Gemini 3.5 Flash-Lite

Google Gemini API · type: "gemini"

Model id: gemini-3.5-flash-lite

1. เก็บ credential

เพิ่ม API key ของผู้ให้บริการลงใน Secrets Vault ใน Manager หรือด้วย PUT /secretstore/secrets/default/gemini-key โดยใช้ชื่อตามด้านล่าง การกำหนดค่าจะอ้างอิงคีย์เป็น ${vault:…} คีย์จึงไม่ปรากฏเป็นข้อความธรรมดาเลย

${vault:gemini-key}

2. กำหนดค่า LLM task

ใช้สิ่งนี้เป็น langchain.json ของเวิร์กโฟลว์เอเจนต์ หรือวางพารามิเตอร์ลงใน LLM editor ใน Manager

{
  "tasks": [
    {
      "actions": [
        "send_message"
      ],
      "id": "chat",
      "type": "gemini",
      "parameters": {
        "apiKey": "${vault:gemini-key}",
        "modelName": "gemini-3.5-flash-lite",
        "maxOutputTokens": "8192",
        "systemMessage": "You are a helpful assistant",
        "addToOutput": "true"
      }
    }
  ]
}

หรือสร้างทั้งเอเจนต์ในการเรียกครั้งเดียว

setup_agent เขียน rules, การกำหนดค่า LLM และเวิร์กโฟลว์ แล้ว deploy เอเจนต์ให้ เรียกผ่าน MCP หรือ POST /administration/agents/setup

setup_agent(
  agentName: "My gemini-3.5-flash-lite agent",
  systemPrompt: "You are a helpful assistant.",
  provider: "gemini",
  model: "gemini-3.5-flash-lite",
  apiKey: "${vault:gemini-key}"
)

Google Vertex AI · type: "gemini-vertex"

Model id: gemini-3.5-flash-lite

1. เก็บ credential

ผู้ให้บริการนี้ไม่ใช้ API key: Vertex AI ยืนยันตัวตนด้วย Google Application Default Credentials ตั้งค่า projectId และ location สำหรับโปรเจกต์ของคุณ

2. กำหนดค่า LLM task

ใช้สิ่งนี้เป็น langchain.json ของเวิร์กโฟลว์เอเจนต์ หรือวางพารามิเตอร์ลงใน LLM editor ใน Manager

{
  "tasks": [
    {
      "actions": [
        "send_message"
      ],
      "id": "chat",
      "type": "gemini-vertex",
      "parameters": {
        "projectId": "your-gcp-project",
        "location": "us-central1",
        "modelId": "gemini-3.5-flash-lite",
        "systemMessage": "You are a helpful assistant",
        "addToOutput": "true"
      }
    }
  ]
}