尧图网页设计 
AI AgentAgent 框架RAG后端【免费下载链接】rig⚙️ Build modular and scalable LLM Applications in Rust项目地址https://gitcode.com/GitHub_Trending/rig2/rig点击查看免费下载rig-gemini-grpc 是 Rig 项目中负责接入 Google Gemini gRPC API 的独立 companion crate相比 REST 通道具备更优的性能与更强的类型安全见 README 的定位说明。本文以该 crate 的 CHANGELOG 为主线结合仓库内 client.rs、completion.rs、streaming.rs、embedding.rs 等源码讲解从零接入、核心能力、底层实现原理到关键演进路径帮助你完整掌握在 Rust 生态中使用 Gemini gRPC 完成对话补全、流式输出、Embedding 与工具调用的实战方案。一、模块定位Rig 生态中的 Gemini gRPC 通道rig-gemini-grpc 是 Rig 工作区中的一个 companion crate将 Google Gemini 的 gRPC 接口google.ai.generativelanguage.v1beta封装为 Rig 统一的Model/Transport抽象。它的包描述为 Google Gemini gRPC API integration for Rig依赖rig-core版本 0.42.0并通过tonic栈完成传输层工作见 Cargo.toml[dependencies] rig-core { path ../rig-core, version 0.42.0, default-features false } tonic { workspace true, features [transport, tls-ring, tls-webpki-roots, zstd, gzip] } tonic-prost { workspace true }其中tonic的 feature 组合transport、tls-ring/tls-webpki-roots、zstd/gzip压缩保证了信道建立、TLS 与流式传输的能力tonic-buildprotoc-bin-vendored作为 build-dependencies在编译期把 proto/gemini.proto 生成 Rust 类型。该 proto 文件只声明了三个 RPC见 gemini.protoservice GenerativeService { rpc GenerateContent(GenerateContentRequest) returns (GenerateContentResponse); rpc StreamGenerateContent(GenerateContentRequest) returns (stream GenerateContentResponse); rpc EmbedContent(EmbedContentRequest) returns (EmbedContentResponse); } package google.ai.generativelanguage.v1beta;文件头部注释特别强调字段编号与 wire 类型刻意与 Google 官方 proto 对齐保证生成的 Rust 类型在 gRPC 线上兼容。生成的模块在 lib.rs 中以proto公开导出并 re-export 了Content、Part、GenerateContentRequest、GenerateContentResponse、GenerativeServiceClient等常用类型。二、快速上手从环境变量到第一个 Agent1. 添加依赖按照 README 的说明在你的Cargo.toml中加入[dependencies] rig-gemini-grpc 0.2.5 rig-core 0.36.0也可以直接执行cargo add rig-gemini-grpc rig-core添加最新版本。2. 配置 API Key将 Gemini API Key 写入环境变量export GEMINI_API_KEYyour_api_key_here3. 第一个对话 Agent参考 examples/gemini_grpc_agent.rs 与 README 的示例use rig_agent::prelude::*; use rig_gemini_grpc::GeminiGrpc; #[tokio::main] async fn main() - Result(), anyhow::Error { // 初始化 Gemini gRPC transport读取 GEMINI_API_KEY let transport GeminiGrpc::from_env().map_err(|err| anyhow::anyhow!({err}))?; // 创建 Agent指定模型、preamble 与温度 let model transport.completion(gemini-2.5-flash); let agent AgentBuilder::new(model) .preamble(Be creative and concise. Answer directly and clearly.) .temperature(0.5) .build(); let response agent .prompt(How much wood would a woodchuck chuck if a woodchuck could chuck wood? Infer an answer.) .await?; println!({}, response.output); Ok(()) }三、Transport 与底层实现tonic 信道 API Key 拦截器GeminiGrpc是唯一的传输层类型核心实现位于 client.rs。它持有一个共享的 tonicChannel和 API Key因此可以被 clone 到多个模型上复用同一连接pub struct GeminiGrpc { api_key: String, channel: Channel, }关键设计点固定端点GEMINI_GRPC_ENDPOINT https://generativelanguage.googleapis.com通过Endpoint::from_static(...).tls_config(...)建立 TLS并显式指定with_webpki_roots()与域名generativelanguage.googleapis.com。API Key 拦截器ApiKeyInterceptor实现tonic::service::Interceptor为每个出站请求注入两个元数据头x-goog-api-key与x-goog-api-client客户端标识rig-grpc/0.1.0。调试安全Debug实现将 API Key 打码为******避免日志泄露密钥。三种构造方式GeminiGrpc::new(api_key).await异步构造返回 TLS 或连接错误GeminiGrpc::from_env()同步封装从GEMINI_API_KEY环境变量读取文档注明在 Tokio 运行时之外或 current-thread 运行时内会 panicGeminiGrpc::from_val(api_key)显式传 Key 的同步封装。模型工厂方法同样在 client 上pub fn completion(self, model: impl IntoString) - ModelGenerateContent, Self pub fn embedding(self, model: impl IntoString, dims: Optionusize) - ModelEmbeddings, Self四、Completion 补全与工具调用补全线路实现在 completion.rs内置模型常量包括常量模型 IDGEMINI_2_5_FLASHgemini-2.5-flashGEMINI_2_0_FLASHgemini-2.0-flashGEMINI_2_0_FLASH_LITEgemini-2.0-flash-liteGenerateContent结构体实现rig_core::wire::WirePayload为GenerateContentRequestFrame为GenerateContentResponse。在Transport的send中按Mode分发Mode::Unary调用client.generate_content(request)把单个响应包装成单元素流Mode::Streaming调用client.stream_generate_content(request)逐 chunk 产出遇到 tonic 失败时 yield 错误并立即break停止接收。请求编码要点create_grpc_request见 completion.rs把 Rig 的CompletionRequest映射为 proto 请求system 消息从历史中拆出合并进system_instruction字段——注意 Rig 消息中的System类型在此线路被拒绝源码明确要求 System messages must be sent via Gemini gRPC system_instructiongeneration_config仅在设置了temperature或max_tokens时生成temperature转f32max_tokens转i32tools非空时将每个工具映射为FunctionDeclaration { name, description, parameters }参数 JSON Schema 通过共享的tool_parameters_to_schema再转为 protoSchema空对象 schema 映射为Nonemodel 字段格式化为models/{model}。工具参数 Schema 的类型映射json_type_to_proto_type覆盖string / number / integer / boolean / array / object / null未知类型落到Type::Unspecified。图像输入用户消息中的图片按媒体类型处理completion.rs支持 JPEG / PNG / WEBP / HEIC / HEIFURL 来源映射为FileData原始字节或 base64 数据映射为InlineDataBlob { mime_type, data }且 base64 解码会剥离data:mime;base64,前缀并依次尝试四种引擎。图像出现在工具结果中则被拒绝Gemini gRPC does not support images in tool results。五、流式解码与 Reasoning/Thought Signature流式线路的响应解码由GrpcAdapter承担位于 streaming.rs。它实现rig_core::wire::Decoder把GenerateContentResponse帧转为 Rig 的补全事件文本分块同一 response 内的多个 text part 各自独立跨 response 的连续 text chunk 合并为一个 text partprevious_text标记控制close_textthought partpart.thought true的文本进入Thoughts片段流其thought_signaturebase64通过Thoughts::signature关闭思考块CHANGELOG 0.42.0 特别提到携带在尾随非 thought part 上的thought_signature不再被丢弃而是通过共享的ReasoningSignature生命周期事件挂到它所签署的 reasoning 块上FunctionCall part转为ToolCall工具名不再是工具调用 ID 的替代品见 CHANGELOG 0.42.0 行为修复当线上未下发 ID 时无 ID 的调用携带缺失 ID 并保持相互区分InlineData part输出为 base64 图片内容未知 part.dataoneof 解码为None时走共享的warn_unmodeled红action 策略warn-skip而非静默丢弃对应 CHANGELOG 0.42.0 的 Changed 条目。eof收尾逻辑值得注意若无 provider 的 finish reason 则报ProviderError::Truncated若未交付任何内容且非截断则报空响应错误最终以Finish事件携带usage来自UsageMetadata、response_id、model_version收束。错误处理协议级 finish reasonCHANGELOG 0.42.0 的核心修复之一是gRPC 面现在会把MALFORMED_FUNCTION_CALL、UNEXPECTED_TOOL_CALL、TOO_MANY_TOOL_CALLS上报为错误并停止流与 REST 行为对齐——此前被中断的 turn 会被误报为完成且finish_message从未被读取。对应实现为 completion.rs 的tool_protocol_finish_reason_error在 decoder 的decode中被优先检查。六、Embedding向量化与维度控制Embedding 线路在 embedding.rs内置常量EMBEDDING_004 text-embedding-004。Embeddings::new(model, dims)中dims缺省为 768text-embedding-004 的默认向量宽度编码时写入output_dimensionality字段。发送侧对每个文本依次调用client.embed_content(request)顺序执行首个 RPC 错误即终止整批解码器EmbeddingsDecoder收集每个文本的向量eof时若无 embedding 则报错否则一次性产出EmbeddingResponse。descriptor 中声明的能力为Capabilities::embedding(100, self.ndims)。gRPC 面与 REST 的差异在代码注释中有明确交代原生响应是 prost 消息而非 JSON且EmbedContent不报告 usage 或 response id因此raw保持Null。七、RPC 错误的归一化与重试判定completion.rs 提供统一的 RPC 错误转换rpc_error保留 tonicStatus的原始文本附带归一化后的 gRPC 码名如RESOURCE_EXHAUSTED与瞬时性标记transient_grpc_code只有Unavailable、ResourceExhausted、DeadlineExceeded、Aborted被判定为可重试单元测试embedding/tests.rs验证resource_exhausted错误is_retryable()且 code 为RESOURCE_EXHAUSTED而invalid_argument不可重试且 code 为INVALID_ARGUMENT同时由于 gRPC 非 HTTP 传输provider_response_status()恒为None。八、版本演进从 0.1.0 到 0.42.0 的关键脉络CHANGELOG 完整记录了该 crate 的演进核心节点如下0.1.02026-01-14——初始发布能力清单即本文前述功能的集合Gemini gRPC 补全、Embedding、流式补全、工具调用、带 thought signature 的 Reasoning、图像输入以及从 rig-core 的gemini_grpc模块迁移的指南。0.2.x2026-03 至 2026-05——功能补全期0.2.2preamble 内部改为 system 消息对应上文system_instruction的编码路径0.2.3OTel GenAI semconv 修复0.2.5引入 clippy no-panic lints0.2.7FunctionDeclaration.parameters从ToolDefinition填充#1763并暴露流式响应元数据#17900.2.6修复 token usage 正确性#1761。0.38.x 之后——工作区整合与架构演进0.38.1统一工作区 crate 版本#1853这也是版本号从 0.2.x 直接跳到 0.38.x 的原因0.39.0引入 sans-IO 的AgentRun状态机两个 agent 循环变为薄驱动#18990.40.0全工作区拓宽 provider 错误响应检查#19440.41.0在 rig facade 后拆分 rig-core 与 rig-agent#2197telemetry 敏感 span 内容改为 opt-in#2151。0.42.02026-08-16——流式语法与线缆身份治理这是 CHANGELOG 中最密集的一个版本围绕流部件实体化与工具身份在每一层边界成立展开breakingOneOrManyT变为VecT#2273completion 消息与工具结果内容的转换随之跟进但 wire 载荷不变流式行为修复流式函数调用携带单一 wire 身份——只有 wire 的 id 作为 part id 传输provider为{call_id, item_id: None}填充两个槽位会伪造线上从未发出的双身份与 rig-core gemini 修复镜像一致规范流语法强制身份、单一累加器、decode-then-validate以及 wire 一致性语料#2258共享驱动gRPC 流改走共享的WireAdapter驱动streaming::stream_from_events成为 events-first 的一致性接缝生成的proto模块公开以支持它另有全工作区 LOC 精简pass 6/8净减数千行等工程性改动。九、质量保障一致性测试套件streaming_conformance.rs 是该 crate 的 wire 一致性测试套件它以 events-firstWireInput::Event方式把已经类型化的 protobuf 响应帧经脚本化 transport 重放走完GenerateContentwire 的共享驱动、规范语法与终止归一化全程不建立真实 gRPC 信道。测试中通过downcast_event::proto::GenerateContentResponse()校验帧类型并以gemini-2.5-pro模型实例驱动Model::new(...).stream(...)。CHANGELOG 0.42.0 中live cassette recording 发现的四个响应映射 bug#2328正是经由这类录制-重放机制定位并修复的。十、迁移与注意事项小结从 rig-core 的gemini_grpc模块迁移到本 crate入口由模块内类型改为rig_gemini_grpc::GeminiGrpc模型工厂方法不变completion/embeddingGeminiGrpc::from_env/from_val是同步便捷封装依赖当前 Tokio 运行时误用场景会 panic需要异步场景请用GeminiGrpc::new(...).await系统消息必须走system_instruction嵌入到对话历史中的 System 消息会被拒绝工具结果中的图片、未知图片媒体类型、非 Gemini 签发的 reasoning 重放均会报编码错误gRPC 非 HTTP 传输错误模型以 tonicStatus 归一化 code 为准只有四个瞬时码可重试对应重试策略请结合 rig-core 的 driver 语义使用。无论是构建对话 Agent、RAG 向量化管线还是需要 Reasoning 与工具调用的复杂智能体rig-gemini-grpc 都提供了类型安全、性能更优的 Gemini 接入路径其 examples 目录与 README 提供了可直接运行的参考实现。赞分享AI AgentAgent 框架RAG后端【免费下载链接】rig⚙️ Build modular and scalable LLM Applications in Rust项目地址https://gitcode.com/GitHub_Trending/rig2/rig点击查看免费下载相关推荐终极指南如何快速在浏览器中实现gRPC通信——gRPC-Web完整入门教程终极指南如何快速在浏览器中实现gRPC通信——gRPC Web完整入门教程 gRPC Web是一款专为浏览器客户端设计的gRPC解决方案它突破了传统gRPC后端微服务Argo Workflows 中 CustomTrigger 的完整指南通过 gRPC 扩展事件驱动触发器Argo Workflows 中 CustomTrigger 的完整指南通过 gRPC 扩展事件驱动触发器 CustomTrigger 是 Argo 事件驱动云原生容器编排工作流自动化任务调度后端Gemini CLI SDK 实战指南用 google/gemini-cli-sdk 在 Node.js 中构建可编程的 Gemini AgentGemini CLI SDK 实战指南用 google/gemini cli sdk 在 Node.js 中构建可编程的 Gemini Agent 本篇指南人工智能AI Agent交互助手CLIMCP Clients上一篇Citra 3DS模拟器完整上手指南5分钟在电脑上免费高清运行3DS游戏下一篇Win-ACME 完整指南在 Windows 上自动化申请与续订 SSL 证书创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 rig-gemini-grpc：在 Rust 中通过 gRPC 驱动 Google Gemini 的完整实践指南
AI AgentAgent 框架RAG后端【免费下载链接】rig⚙️ Build modular and scalable LLM Applications in Rust项目地址https://gitcode.com/GitHub_Trending/rig2/rig点击查看免费下载rig-gemini-grpc 是 Rig 项目中负责接入 Google Gemini gRPC API 的独立 companion crate相比 REST 通道具备更优的性能与更强的类型安全见 README 的定位说明。本文以该 crate 的 CHANGELOG 为主线结合仓库内 client.rs、completion.rs、streaming.rs、embedding.rs 等源码讲解从零接入、核心能力、底层实现原理到关键演进路径帮助你完整掌握在 Rust 生态中使用 Gemini gRPC 完成对话补全、流式输出、Embedding 与工具调用的实战方案。一、模块定位Rig 生态中的 Gemini gRPC 通道rig-gemini-grpc 是 Rig 工作区中的一个 companion crate将 Google Gemini 的 gRPC 接口google.ai.generativelanguage.v1beta封装为 Rig 统一的Model/Transport抽象。它的包描述为 Google Gemini gRPC API integration for Rig依赖rig-core版本 0.42.0并通过tonic栈完成传输层工作见 Cargo.toml[dependencies] rig-core { path ../rig-core, version 0.42.0, default-features false } tonic { workspace true, features [transport, tls-ring, tls-webpki-roots, zstd, gzip] } tonic-prost { workspace true }其中tonic的 feature 组合transport、tls-ring/tls-webpki-roots、zstd/gzip压缩保证了信道建立、TLS 与流式传输的能力tonic-buildprotoc-bin-vendored作为 build-dependencies在编译期把 proto/gemini.proto 生成 Rust 类型。该 proto 文件只声明了三个 RPC见 gemini.protoservice GenerativeService { rpc GenerateContent(GenerateContentRequest) returns (GenerateContentResponse); rpc StreamGenerateContent(GenerateContentRequest) returns (stream GenerateContentResponse); rpc EmbedContent(EmbedContentRequest) returns (EmbedContentResponse); } package google.ai.generativelanguage.v1beta;文件头部注释特别强调字段编号与 wire 类型刻意与 Google 官方 proto 对齐保证生成的 Rust 类型在 gRPC 线上兼容。生成的模块在 lib.rs 中以proto公开导出并 re-export 了Content、Part、GenerateContentRequest、GenerateContentResponse、GenerativeServiceClient等常用类型。二、快速上手从环境变量到第一个 Agent1. 添加依赖按照 README 的说明在你的Cargo.toml中加入[dependencies] rig-gemini-grpc 0.2.5 rig-core 0.36.0也可以直接执行cargo add rig-gemini-grpc rig-core添加最新版本。2. 配置 API Key将 Gemini API Key 写入环境变量export GEMINI_API_KEYyour_api_key_here3. 第一个对话 Agent参考 examples/gemini_grpc_agent.rs 与 README 的示例use rig_agent::prelude::*; use rig_gemini_grpc::GeminiGrpc; #[tokio::main] async fn main() - Result(), anyhow::Error { // 初始化 Gemini gRPC transport读取 GEMINI_API_KEY let transport GeminiGrpc::from_env().map_err(|err| anyhow::anyhow!({err}))?; // 创建 Agent指定模型、preamble 与温度 let model transport.completion(gemini-2.5-flash); let agent AgentBuilder::new(model) .preamble(Be creative and concise. Answer directly and clearly.) .temperature(0.5) .build(); let response agent .prompt(How much wood would a woodchuck chuck if a woodchuck could chuck wood? Infer an answer.) .await?; println!({}, response.output); Ok(()) }三、Transport 与底层实现tonic 信道 API Key 拦截器GeminiGrpc是唯一的传输层类型核心实现位于 client.rs。它持有一个共享的 tonicChannel和 API Key因此可以被 clone 到多个模型上复用同一连接pub struct GeminiGrpc { api_key: String, channel: Channel, }关键设计点固定端点GEMINI_GRPC_ENDPOINT https://generativelanguage.googleapis.com通过Endpoint::from_static(...).tls_config(...)建立 TLS并显式指定with_webpki_roots()与域名generativelanguage.googleapis.com。API Key 拦截器ApiKeyInterceptor实现tonic::service::Interceptor为每个出站请求注入两个元数据头x-goog-api-key与x-goog-api-client客户端标识rig-grpc/0.1.0。调试安全Debug实现将 API Key 打码为******避免日志泄露密钥。三种构造方式GeminiGrpc::new(api_key).await异步构造返回 TLS 或连接错误GeminiGrpc::from_env()同步封装从GEMINI_API_KEY环境变量读取文档注明在 Tokio 运行时之外或 current-thread 运行时内会 panicGeminiGrpc::from_val(api_key)显式传 Key 的同步封装。模型工厂方法同样在 client 上pub fn completion(self, model: impl IntoString) - ModelGenerateContent, Self pub fn embedding(self, model: impl IntoString, dims: Optionusize) - ModelEmbeddings, Self四、Completion 补全与工具调用补全线路实现在 completion.rs内置模型常量包括常量模型 IDGEMINI_2_5_FLASHgemini-2.5-flashGEMINI_2_0_FLASHgemini-2.0-flashGEMINI_2_0_FLASH_LITEgemini-2.0-flash-liteGenerateContent结构体实现rig_core::wire::WirePayload为GenerateContentRequestFrame为GenerateContentResponse。在Transport的send中按Mode分发Mode::Unary调用client.generate_content(request)把单个响应包装成单元素流Mode::Streaming调用client.stream_generate_content(request)逐 chunk 产出遇到 tonic 失败时 yield 错误并立即break停止接收。请求编码要点create_grpc_request见 completion.rs把 Rig 的CompletionRequest映射为 proto 请求system 消息从历史中拆出合并进system_instruction字段——注意 Rig 消息中的System类型在此线路被拒绝源码明确要求 System messages must be sent via Gemini gRPC system_instructiongeneration_config仅在设置了temperature或max_tokens时生成temperature转f32max_tokens转i32tools非空时将每个工具映射为FunctionDeclaration { name, description, parameters }参数 JSON Schema 通过共享的tool_parameters_to_schema再转为 protoSchema空对象 schema 映射为Nonemodel 字段格式化为models/{model}。工具参数 Schema 的类型映射json_type_to_proto_type覆盖string / number / integer / boolean / array / object / null未知类型落到Type::Unspecified。图像输入用户消息中的图片按媒体类型处理completion.rs支持 JPEG / PNG / WEBP / HEIC / HEIFURL 来源映射为FileData原始字节或 base64 数据映射为InlineDataBlob { mime_type, data }且 base64 解码会剥离data:mime;base64,前缀并依次尝试四种引擎。图像出现在工具结果中则被拒绝Gemini gRPC does not support images in tool results。五、流式解码与 Reasoning/Thought Signature流式线路的响应解码由GrpcAdapter承担位于 streaming.rs。它实现rig_core::wire::Decoder把GenerateContentResponse帧转为 Rig 的补全事件文本分块同一 response 内的多个 text part 各自独立跨 response 的连续 text chunk 合并为一个 text partprevious_text标记控制close_textthought partpart.thought true的文本进入Thoughts片段流其thought_signaturebase64通过Thoughts::signature关闭思考块CHANGELOG 0.42.0 特别提到携带在尾随非 thought part 上的thought_signature不再被丢弃而是通过共享的ReasoningSignature生命周期事件挂到它所签署的 reasoning 块上FunctionCall part转为ToolCall工具名不再是工具调用 ID 的替代品见 CHANGELOG 0.42.0 行为修复当线上未下发 ID 时无 ID 的调用携带缺失 ID 并保持相互区分InlineData part输出为 base64 图片内容未知 part.dataoneof 解码为None时走共享的warn_unmodeled红action 策略warn-skip而非静默丢弃对应 CHANGELOG 0.42.0 的 Changed 条目。eof收尾逻辑值得注意若无 provider 的 finish reason 则报ProviderError::Truncated若未交付任何内容且非截断则报空响应错误最终以Finish事件携带usage来自UsageMetadata、response_id、model_version收束。错误处理协议级 finish reasonCHANGELOG 0.42.0 的核心修复之一是gRPC 面现在会把MALFORMED_FUNCTION_CALL、UNEXPECTED_TOOL_CALL、TOO_MANY_TOOL_CALLS上报为错误并停止流与 REST 行为对齐——此前被中断的 turn 会被误报为完成且finish_message从未被读取。对应实现为 completion.rs 的tool_protocol_finish_reason_error在 decoder 的decode中被优先检查。六、Embedding向量化与维度控制Embedding 线路在 embedding.rs内置常量EMBEDDING_004 text-embedding-004。Embeddings::new(model, dims)中dims缺省为 768text-embedding-004 的默认向量宽度编码时写入output_dimensionality字段。发送侧对每个文本依次调用client.embed_content(request)顺序执行首个 RPC 错误即终止整批解码器EmbeddingsDecoder收集每个文本的向量eof时若无 embedding 则报错否则一次性产出EmbeddingResponse。descriptor 中声明的能力为Capabilities::embedding(100, self.ndims)。gRPC 面与 REST 的差异在代码注释中有明确交代原生响应是 prost 消息而非 JSON且EmbedContent不报告 usage 或 response id因此raw保持Null。七、RPC 错误的归一化与重试判定completion.rs 提供统一的 RPC 错误转换rpc_error保留 tonicStatus的原始文本附带归一化后的 gRPC 码名如RESOURCE_EXHAUSTED与瞬时性标记transient_grpc_code只有Unavailable、ResourceExhausted、DeadlineExceeded、Aborted被判定为可重试单元测试embedding/tests.rs验证resource_exhausted错误is_retryable()且 code 为RESOURCE_EXHAUSTED而invalid_argument不可重试且 code 为INVALID_ARGUMENT同时由于 gRPC 非 HTTP 传输provider_response_status()恒为None。八、版本演进从 0.1.0 到 0.42.0 的关键脉络CHANGELOG 完整记录了该 crate 的演进核心节点如下0.1.02026-01-14——初始发布能力清单即本文前述功能的集合Gemini gRPC 补全、Embedding、流式补全、工具调用、带 thought signature 的 Reasoning、图像输入以及从 rig-core 的gemini_grpc模块迁移的指南。0.2.x2026-03 至 2026-05——功能补全期0.2.2preamble 内部改为 system 消息对应上文system_instruction的编码路径0.2.3OTel GenAI semconv 修复0.2.5引入 clippy no-panic lints0.2.7FunctionDeclaration.parameters从ToolDefinition填充#1763并暴露流式响应元数据#17900.2.6修复 token usage 正确性#1761。0.38.x 之后——工作区整合与架构演进0.38.1统一工作区 crate 版本#1853这也是版本号从 0.2.x 直接跳到 0.38.x 的原因0.39.0引入 sans-IO 的AgentRun状态机两个 agent 循环变为薄驱动#18990.40.0全工作区拓宽 provider 错误响应检查#19440.41.0在 rig facade 后拆分 rig-core 与 rig-agent#2197telemetry 敏感 span 内容改为 opt-in#2151。0.42.02026-08-16——流式语法与线缆身份治理这是 CHANGELOG 中最密集的一个版本围绕流部件实体化与工具身份在每一层边界成立展开breakingOneOrManyT变为VecT#2273completion 消息与工具结果内容的转换随之跟进但 wire 载荷不变流式行为修复流式函数调用携带单一 wire 身份——只有 wire 的 id 作为 part id 传输provider为{call_id, item_id: None}填充两个槽位会伪造线上从未发出的双身份与 rig-core gemini 修复镜像一致规范流语法强制身份、单一累加器、decode-then-validate以及 wire 一致性语料#2258共享驱动gRPC 流改走共享的WireAdapter驱动streaming::stream_from_events成为 events-first 的一致性接缝生成的proto模块公开以支持它另有全工作区 LOC 精简pass 6/8净减数千行等工程性改动。九、质量保障一致性测试套件streaming_conformance.rs 是该 crate 的 wire 一致性测试套件它以 events-firstWireInput::Event方式把已经类型化的 protobuf 响应帧经脚本化 transport 重放走完GenerateContentwire 的共享驱动、规范语法与终止归一化全程不建立真实 gRPC 信道。测试中通过downcast_event::proto::GenerateContentResponse()校验帧类型并以gemini-2.5-pro模型实例驱动Model::new(...).stream(...)。CHANGELOG 0.42.0 中live cassette recording 发现的四个响应映射 bug#2328正是经由这类录制-重放机制定位并修复的。十、迁移与注意事项小结从 rig-core 的gemini_grpc模块迁移到本 crate入口由模块内类型改为rig_gemini_grpc::GeminiGrpc模型工厂方法不变completion/embeddingGeminiGrpc::from_env/from_val是同步便捷封装依赖当前 Tokio 运行时误用场景会 panic需要异步场景请用GeminiGrpc::new(...).await系统消息必须走system_instruction嵌入到对话历史中的 System 消息会被拒绝工具结果中的图片、未知图片媒体类型、非 Gemini 签发的 reasoning 重放均会报编码错误gRPC 非 HTTP 传输错误模型以 tonicStatus 归一化 code 为准只有四个瞬时码可重试对应重试策略请结合 rig-core 的 driver 语义使用。无论是构建对话 Agent、RAG 向量化管线还是需要 Reasoning 与工具调用的复杂智能体rig-gemini-grpc 都提供了类型安全、性能更优的 Gemini 接入路径其 examples 目录与 README 提供了可直接运行的参考实现。赞分享AI AgentAgent 框架RAG后端【免费下载链接】rig⚙️ Build modular and scalable LLM Applications in Rust项目地址https://gitcode.com/GitHub_Trending/rig2/rig点击查看免费下载相关推荐终极指南如何快速在浏览器中实现gRPC通信——gRPC-Web完整入门教程终极指南如何快速在浏览器中实现gRPC通信——gRPC Web完整入门教程 gRPC Web是一款专为浏览器客户端设计的gRPC解决方案它突破了传统gRPC后端微服务Argo Workflows 中 CustomTrigger 的完整指南通过 gRPC 扩展事件驱动触发器Argo Workflows 中 CustomTrigger 的完整指南通过 gRPC 扩展事件驱动触发器 CustomTrigger 是 Argo 事件驱动云原生容器编排工作流自动化任务调度后端Gemini CLI SDK 实战指南用 google/gemini-cli-sdk 在 Node.js 中构建可编程的 Gemini AgentGemini CLI SDK 实战指南用 google/gemini cli sdk 在 Node.js 中构建可编程的 Gemini Agent 本篇指南人工智能AI Agent交互助手CLIMCP Clients上一篇Citra 3DS模拟器完整上手指南5分钟在电脑上免费高清运行3DS游戏下一篇Win-ACME 完整指南在 Windows 上自动化申请与续订 SSL 证书创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考