Google Search Grounding: Gemini im Internet suchen lassen

Was Sie nach diesem Tutorial können

Google Search für Gemini-Modelle aktivieren, damit die KI aktuelle Informationen aus dem Internet suchen kann
Den Suchschwellenwert anpassen, um zu steuern, wie häufig das Modell sucht
Die Funktionsweise und Anwendungsfälle von Google Search Grounding verstehen
Die passende Konfiguration basierend auf Ihren Aufgabenanforderungen auswählen

Ihre aktuelle Problematik

Was ist Google Search Grounding?

Google Search Grounding ist eine Funktion von Gemini, die es dem Modell ermöglicht, bei Bedarf automatisch Google zu durchsuchen, um aktuelle Informationen (wie Nachrichten, Statistiken, Produktpreise usw.) zu erhalten, anstatt sich ausschließlich auf Trainingsdaten zu verlassen.

Wenn Sie Gemini fragen "Wie ist das Wetter heute?" oder "Was ist die neueste VS Code-Versionsnummer", kann das Modell möglicherweise keine Antwort geben, da seine Trainingsdaten bereits veraltet sind. Nach der Aktivierung von Google Search Grounding kann das Modell selbst im Internet nach Antworten suchen, wie Sie es mit einem Browser tun würden.

Wann Sie diese Funktion nutzen sollten

Szenario	Aktivierung empfohlen?	Grund
Codegenerierung, Programmierfragen	❌ Nicht nötig	Programmierkenntnisse sind relativ stabil, Trainingsdaten reichen aus
Aktuelle Informationen abrufen (Nachrichten, Preise, Versionen)	✅ Stark empfohlen	Echtzeitdaten erforderlich
Faktenprüfung (spezifische Daten, Statistiken)	✅ Empfohlen	Verhindert, dass das Modell Informationen erfindet
Kreatives Schreiben, Brainstorming	❌ Nicht nötig	Keine Faktengenauigkeit erforderlich
Technische Dokumentationssuche	✅ Empfohlen	Aktuelle API-Dokumentation finden

Kernkonzept

Der Kern von Google Search Grounding besteht darin, dass das Modellbei Bedarfautomatisch sucht, anstatt jedes Mal zu suchen. Das Plugin injiziert das googleSearchRetrieval-Tool, sodass Gemini die Google-Such-API aufrufen kann.

Wichtige Konzepte

Auto-Modus: Das Modell entscheidet selbst, ob es sucht (basierend auf dem Schwellenwert)
Schwellenwert (grounding_threshold): Steuert die "Hürde" für das Modell zu suchen. Je kleiner der Wert, desto häufiger wird gesucht

🎒 Vorbereitung vor dem Start

Voraussetzungsprüfung

Bevor Sie beginnen, stellen Sie sicher, dass:

[ ] Sie die Schnellinstallation abgeschlossen haben
[ ] Sie mindestens ein Google-Konto hinzugefügt haben
[ ] Sie eine erste Anfrage erfolgreich gesendet haben (siehe Erste Anfrage)

Anleitung

Schritt 1: Konfigurationsdatei prüfen

Die Konfigurationsdatei des Plugins befindet sich:

macOS/Linux: ~/.config/opencode/antigravity.json
Windows: %APPDATA%\opencode\antigravity.json

Wenn die Datei nicht existiert, erstellen Sie sie zuerst:

bash

# macOS/Linux
cat > ~/.config/opencode/antigravity.json << 'EOF'
{
  "$schema": "https://raw.githubusercontent.com/NoeFabris/opencode-antigravity-auth/main/assets/antigravity.schema.json"
}
EOF

powershell

# Windows
@"
{
  "$schema": "https://raw.githubusercontent.com/NoeFabris/opencode-antigravity-auth/main/assets/antigravity.schema.json"
}
"@ | Out-File -FilePath "$env:APPDATA\opencode\antigravity.json" -Encoding utf8

Sie sollten sehen: Die Konfigurationsdatei wurde erstellt und enthält das $schema-Feld

Schritt 2: Google Search aktivieren

Fügen Sie die web_search-Konfiguration in der Konfigurationsdatei hinzu:

json

{
  "$schema": "https://raw.githubusercontent.com/NoeFabris/opencode-antigravity-auth/main/assets/antigravity.schema.json",
  "web_search": {
    "default_mode": "auto",
    "grounding_threshold": 0.3
  }
}

Konfigurationserklärung:

Feld	Wert	Beschreibung
`web_search.default_mode`	`"auto"` oder `"off"`	Google Search aktivieren oder deaktivieren, Standard ist `"off"`
`web_search.grounding_threshold`	`0.0` - `1.0`	Suchschwellenwert, Standard ist `0.3`, nur im `auto`-Modus wirksam

Sie sollten sehen: Die Konfigurationsdatei wurde aktualisiert und enthält die web_search-Konfiguration

Schritt 3: Suchschwellenwert anpassen (optional)

grounding_threshold steuert, wie häufig das Modell sucht:

Schwellenwert	Verhalten	Anwendungsfall
`0.0 - 0.2`	Häufige Suche, fast bei jeder Unsicherheit	Hochgenaue Echtzeitdaten erforderlich
`0.3` (Standard)	Ausgewogen, Modell sucht nur bei höherer Sicherheit	Täglicher Gebrauch, Balance zwischen Genauigkeit und Geschwindigkeit
`0.7 - 1.0`	Seltene Suche, nur bei hoher Konfidenz	Weniger Suchvorgänge, höhere Geschwindigkeit

Praktische Tipps

Beginnen Sie mit dem Standardwert 0.3. Wenn Sie feststellen:

Modell sucht nicht → Schwellenwert senken (z.B. 0.2)
Suche zu häufig, Antwort langsam → Schwellenwert erhöhen (z.B. 0.5)

Sie sollten sehen: Der Schwellenwert wurde angepasst und kann basierend auf Ihrem Nutzungserlebnis optimiert werden

Schritt 4: Konfiguration verifizieren

Starten Sie OpenCode neu oder laden Sie die Konfiguration neu (falls unterstützt), und senden Sie dann eine Anfrage, die aktuelle Informationen erfordert:

Benutzereingabe:
Was ist die neueste VS Code-Version?

Systemantwort (Google Search aktiviert):
Die neueste stabile VS Code-Version ist 1.96.4 (Stand Januar 2026)...

[citation:1] ← Quellenverweis-Markierung

Sie sollten sehen:

Die Antwort des Modells enthält Quellenverweise ([citation:1] usw.)
Der Inhalt ist aktuell, nicht eine alte Version aus den Trainingsdaten

Schritt 5: Verschiedene Schwellenwerte testen

Passen Sie grounding_threshold an und beobachten Sie die Verhaltensänderungen des Modells:

json

// Niedriger Schwellenwert (häufige Suche)
"grounding_threshold": 0.1

// Hoher Schwellenwert (seltene Suche)
"grounding_threshold": 0.7

Testen Sie nach jeder Anpassung mit derselben Frage und beobachten Sie:

Ob gesucht wird (prüfen Sie, ob Antworten Quellenverweise enthalten)
Suchhäufigkeit (mehrere citation-Verweise)
Antwortgeschwindigkeit

Sie sollten sehen:

Niedriger Schwellenwert: Häufigere Suche, aber etwas langsamere Antworten
Hoher Schwellenwert: Seltener Suchvorgang, aber möglicherweise ungenauere Antworten

Checkliste ✅

Klicken zum Aufklappen der Verifikationsliste

Führen Sie folgende Prüfungen durch, um die korrekte Konfiguration zu bestätigen:

[ ] Konfigurationsdatei enthält web_search-Konfiguration
[ ] default_mode ist auf "auto" gesetzt
[ ] grounding_threshold liegt zwischen 0.0 und 1.0
[ ] Bei Anfragen, die aktuelle Informationen erfordern, gibt das Modell Antworten mit Quellenverweisen zurück
[ ] Nach Anpassung des Schwellenwerts ändern sich die Suchverhalten des Modells

Wenn alle Punkte erfüllt sind, ist Google Search Grounding korrekt aktiviert!

Fallstricke und Hinweise

Problem 1: Modell sucht nicht

Symptom: Nach Aktivierung des auto-Modus sucht das Modell immer noch nicht und zeigt auch keine Quellenverweise.

Ursachen:

Schwellenwert zu hoch (z.B. 0.9), Modell benötigt sehr hohe Sicherheit zum Suchen
Die Frage selbst erfordert keine Suche (z.B. Programmierfragen)

Lösungen:

grounding_threshold auf 0.2 oder niedriger senken
Fragen testen, die eindeutig aktuelle Informationen erfordern (z.B. "Wie ist das Wetter heute?", "Neueste Nachrichten")

Problem 2: Suche zu häufig, Antwort langsam

Symptom: Jede Frage löst eine Suche aus, die Antwortzeit erhöht sich deutlich.

Ursachen:

Schwellenwert zu niedrig (z.B. 0.1), Modell löst zu häufig Suchvorgänge aus
Fragetyp erfordert本身 Echtzeitinformationen (z.B. Aktienkurse, Nachrichten)

Lösungen:

grounding_threshold auf 0.5 oder höher erhöhen
Wenn die Aufgabe keine Echtzeitinformationen benötigt, default_mode auf "off" setzen

Problem 3: Konfigurationsdatei-Formatfehler

Symptom: Plugin meldet Fehler, Konfiguration kann nicht geladen werden.

Ursache: JSON-Formatfehler (z.B. überzählige Kommas, nicht übereinstimmende Anführungszeichen).

Lösung: JSON-Validierungstool verwenden, um die Konfigurationsdatei zu prüfen und korrektes Format sicherzustellen.

bash

# JSON-Format validieren
cat ~/.config/opencode/antigravity.json | python3 -m json.tool

Zusammenfassung dieser Lektion

Google Search Grounding ermöglicht Gemini-Modellen, aktuelle Informationen aus dem Internet zu suchen
Aktivierung über web_search.default_mode: "auto", Deaktivierung über "off"
grounding_threshold steuert die Suchhäufigkeit: Je kleiner der Wert, desto häufiger die Suche
Der Standardschwellenwert 0.3 eignet sich für die meisten Szenarien und kann basierend auf dem Nutzungserlebnis angepasst werden
Das Modell verweist in seinen Antworten auf Quellen, markiert als [citation:1] usw.

Vorschau auf die nächste Lektion

In der nächsten Lektion lernen wir das Dual-Quota-System.
Sie werden lernen:
Wie Antigravity und Gemini CLI zwei unabhängige Quota-Pools funktionieren
Wie Sie zwischen Quota-Pools wechseln und die Auslastung maximieren
Best Practices für Quota-Pooling

Anhang: Quellcode-Referenz

Klicken zum Aufklappen der Quellcode-Positionen

Aktualisierungsdatum: 2026-01-23

Funktion	Dateipfad	Zeilennummer
Google Search Konfiguration Schema	`src/plugin/config/schema.ts`	303-319
Google Search Typendefinition	`src/plugin/transform/types.ts`	85-88
Google Search Injektionslogik	`src/plugin/transform/gemini.ts`	402-419
Google Search Konfigurationsladen	`src/plugin/config/loader.ts`	173-184
Google Search Konfigurationsanwendung	`src/plugin.ts`	1194-1196

Wichtige Konfigurationsoptionen:

web_search.default_mode: "auto" oder "off", Standard ist "off"
web_search.grounding_threshold: 0.0 - 1.0, Standard ist 0.3

Wichtige Funktionen:

applyGeminiTransforms(): Wendet alle Gemini-Transformationen an, einschließlich Google Search-Injektion
normalizeGeminiTools(): Normalisiert das Tool-Format und behält das googleSearchRetrieval-Tool bei
wrapToolsAsFunctionDeclarations(): Wrapt Tools als functionDeclarations-Format

Funktionsweise:

Das Plugin liest web_search.default_mode und grounding_threshold aus der Konfigurationsdatei

Wenn mode === "auto", wird das googleSearchRetrieval-Tool in das tools-Array der Anfrage injiziert:

json

{
  "googleSearchRetrieval": {
    "dynamicRetrievalConfig": {
      "mode": "MODE_DYNAMIC",
      "dynamicThreshold": 0.3  // grounding_threshold
    }
  }
}

Das Gemini-Modell entscheidet basierend auf dem Schwellenwert, ob es das Suchtool aufruft
Die Suchergebnisse werden in die Antwort aufgenommen und mit Quellenverweisen markiert ([citation:1] usw.)

Google Search Grounding: Gemini im Internet suchen lassen ​

Was Sie nach diesem Tutorial können ​

Ihre aktuelle Problematik ​

Wann Sie diese Funktion nutzen sollten ​

Kernkonzept ​

🎒 Vorbereitung vor dem Start ​

Anleitung ​

Schritt 1: Konfigurationsdatei prüfen ​

Schritt 2: Google Search aktivieren ​

Schritt 3: Suchschwellenwert anpassen (optional) ​

Schritt 4: Konfiguration verifizieren ​

Schritt 5: Verschiedene Schwellenwerte testen ​

Checkliste ✅ ​

Fallstricke und Hinweise ​

Problem 1: Modell sucht nicht ​

Problem 2: Suche zu häufig, Antwort langsam ​

Problem 3: Konfigurationsdatei-Formatfehler ​

Zusammenfassung dieser Lektion ​

Vorschau auf die nächste Lektion ​

Anhang: Quellcode-Referenz ​

Google Search Grounding: Gemini im Internet suchen lassen

Was Sie nach diesem Tutorial können

Ihre aktuelle Problematik

Wann Sie diese Funktion nutzen sollten

Kernkonzept

🎒 Vorbereitung vor dem Start

Anleitung

Schritt 1: Konfigurationsdatei prüfen

Schritt 2: Google Search aktivieren

Schritt 3: Suchschwellenwert anpassen (optional)

Schritt 4: Konfiguration verifizieren

Schritt 5: Verschiedene Schwellenwerte testen

Checkliste ✅

Fallstricke und Hinweise

Problem 1: Modell sucht nicht

Problem 2: Suche zu häufig, Antwort langsam

Problem 3: Konfigurationsdatei-Formatfehler

Zusammenfassung dieser Lektion

Vorschau auf die nächste Lektion

Anhang: Quellcode-Referenz