Google Search Grounding: Permite a Gemini Buscar Información en la Web

Qué Podrás Hacer Después de Completar Esto

Habilitar Google Search para el modelo Gemini, permitiendo que la IA busque información web en tiempo real
Ajustar el umbral de búsqueda para controlar la frecuencia con la que el modelo realiza búsquedas
Comprender cómo funciona Google Search Grounding y sus casos de uso apropiados
Seleccionar la configuración adecuada según los requisitos de la tarea

Tu Situación Actual

¿Qué es Google Search Grounding?

Google Search Grounding es una función de Gemini que permite al modelo buscar automáticamente en Google cuando sea necesario, obteniendo información en tiempo real (como noticias, estadísticas, precios de productos, etc.) en lugar de depender completamente de los datos de entrenamiento.

Cuando le preguntas a Gemini "¿Cómo está el clima hoy?" o "¿Cuál es el número de versión más reciente de VS Code?", el modelo puede no poder responder porque sus datos de entrenamiento están desactualizados. Después de habilitar Google Search Grounding, el modelo puede buscar las respuestas en Internet por sí mismo, igual que cuando usas un navegador.

Cuándo Usar Esto

Escenario	¿Necesita Habilitar?	Razón
Generación de código, problemas de programación	❌ No necesario	El conocimiento de programación es relativamente estable, los datos de entrenamiento son suficientes
Obtener las últimas noticias (noticias, precios, versiones)	✅ Altamente recomendado	Se necesitan datos en tiempo real
Verificación de hechos (fechas específicas, estadísticas)	✅ Recomendado	Evita que el modelo invente información
Escritura creativa, lluvia de ideas	❌ No necesario	No se requiere precisión factual
Consulta de documentación técnica	✅ Recomendado	Busca documentación API más reciente

Concepto Central

El núcleo de Google Search Grounding es permitir que el modelo busque automáticamente cuando sea necesario, en lugar de buscar cada vez. El complemento inyecta la herramienta googleSearchRetrieval, permitiendo que Gemini pueda llamar a la API de búsqueda de Google.

Conceptos Clave

Modo Auto: El modelo decide por sí mismo si buscar (según el umbral)
Umbral (grounding_threshold): Controla el "nivel de entrada" para que el modelo busque. Valores más pequeños significan búsquedas más frecuentes

🎒 Preparativos Antes de Comenzar

Comprobación Previas

Antes de comenzar, por favor confirma:

[ ] Has completado Instalación Rápida
[ ] Has agregado al menos una cuenta de Google
[ ] Has realizado exitosamente la primera solicitud (consulta Primera Solicitud)

Sígueme

Paso 1: Verificar la Ubicación del Archivo de Configuración

El archivo de configuración del complemento se encuentra en:

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

Si el archivo no existe, créalo primero:

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

Deberías ver: El archivo de configuración ha sido creado, contiene el campo $schema

Paso 2: Habilitar Google Search

Agrega la configuración web_search en el archivo de configuración:

json

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

Descripción de la Configuración:

Campo	Valor	Descripción
`web_search.default_mode`	`"auto"` o `"off"`	Habilitar o deshabilitar Google Search, predeterminado `"off"`
`web_search.grounding_threshold`	`0.0` - `1.0`	Umbral de búsqueda, predeterminado `0.3`, solo efectivo en modo `auto`

Deberías ver: El archivo de configuración ha sido actualizado, contiene la configuración web_search

Paso 3: Ajustar el Umbral de Búsqueda (Opcional)

El grounding_threshold controla la frecuencia con la que el modelo realiza búsquedas:

Umbral	Comportamiento	Escenario Aplicable
`0.0 - 0.2`	Búsquedas frecuentes, casi busca cada vez que hay incertidumbre	Se necesitan datos en tiempo real altamente precisos
`0.3` (predeterminado)	Moderado, el modelo necesita estar bastante seguro para buscar	Uso diario, equilibrio entre precisión y velocidad
`0.7 - 1.0`	Rara vez busca, solo busca con alta confianza	Reducir el número de búsquedas, mejorar la velocidad

Consejo de Experiencia

Comienza con el valor predeterminado 0.3, si encuentras:

El modelo no busca → Reduce el umbral (como 0.2)
Búsqueda demasiado frecuente, respuesta lenta → Aumenta el umbral (como 0.5)

Deberías ver: El umbral ha sido ajustado, se puede optimizar según la experiencia de uso real

Paso 4: Verificar la Configuración

Reinicia OpenCode, o recarga la configuración (si es compatible), luego realiza una solicitud que requiera información en tiempo real:

Entrada del Usuario:
¿Cuál es la versión más reciente de VS Code?

Respuesta del Sistema (con Google Search habilitado):
La última versión estable de VS Code es 1.96.4 (a partir de enero de 2026)...

[citation:1] ← Marcador de fuente de referencia

Deberías ver:

La respuesta del modelo incluye fuentes de referencia ([citation:1], etc.)
El contenido de la respuesta es el más reciente, no una versión antigua de los datos de entrenamiento

Paso 5: Probar Diferentes Umbrales

Intenta ajustar el grounding_threshold y observa los cambios en el comportamiento del modelo:

json

// Umbral bajo (búsquedas frecuentes)
"grounding_threshold": 0.1

// Umbral alto (pocas búsquedas)
"grounding_threshold": 0.7

Después de cada ajuste, prueba con la misma pregunta y observa:

Si busca (comprueba si hay referencias en la respuesta)
El número de búsquedas (múltiples citation)
La velocidad de respuesta

Deberías ver:

Umbral bajo: búsquedas más frecuentes, pero respuesta ligeramente más lenta
Umbral alto: menos búsquedas, pero posiblemente respuestas imprecisas

Punto de Verificación ✅

Haz Clic para Expandir la Lista de Verificación

Completa las siguientes comprobaciones para confirmar que la configuración es correcta:

[ ] El archivo de configuración contiene la configuración web_search
[ ] default_mode está configurado como "auto"
[ ] grounding_threshold está entre 0.0 y 1.0
[ ] Realiza una solicitud que requiera información en tiempo real, el modelo devuelve referencias
[ ] Después de ajustar el umbral, el comportamiento de búsqueda del modelo cambia

Si todos pasan, ¡significa que Google Search Grounding está habilitado correctamente!

Advertencias de Errores Comunes

Problema 1: El modelo no busca

Síntoma: Después de habilitar el modo auto, el modelo todavía no busca, ni tampoco hay fuentes de referencia.

Causa:

El umbral es demasiado alto (como 0.9), el modelo necesita una confianza muy alta para buscar
La pregunta en sí misma no requiere búsqueda (como problemas de programación)

Solución:

Reduce grounding_threshold a 0.2 o menor
Prueba con preguntas que claramente requieren información en tiempo real (como "¿Cómo está el clima hoy?", "Últimas noticias")

Problema 2: Búsquedas demasiado frecuentes, respuesta lenta

Síntoma: Cada pregunta se busca, el tiempo de respuesta aumenta significativamente.

Causa:

El umbral es demasiado bajo (como 0.1), el modelo activa búsquedas con demasiada frecuencia
El tipo de pregunta en sí misma requiere información en tiempo real (como precios de acciones, noticias)

Solución:

Aumenta grounding_threshold a 0.5 o mayor
Si la tarea no requiere información en tiempo real, cambia default_mode a "off"

Problema 3: Error de formato del archivo de configuración

Síntoma: El complemento informa un error, no puede cargar la configuración.

Causa: Error de formato JSON (como comas extra, comillas que no coinciden).

Solución: Usa una herramienta de validación JSON para verificar el archivo de configuración, asegúrate de que el formato sea correcto.

bash

# Validar formato JSON
cat ~/.config/opencode/antigravity.json | python3 -m json.tool

Resumen de la Lección

Google Search Grounding permite a los modelos Gemini buscar información web en tiempo real
A través de web_search.default_mode: "auto" para habilitar, "off" para deshabilitar
grounding_threshold controla la frecuencia de búsqueda: valores más pequeños significan búsquedas más frecuentes
El umbral predeterminado 0.3 es adecuado para la mayoría de los escenarios, se puede ajustar según la experiencia real de uso
El modelo citará fuentes en la respuesta, marcado como [citation:1], etc.

Avance de la Próxima Lección

En la próxima lección aprenderemos sobre el Sistema de Cuota Dual.
Aprenderás:
Cómo funcionan los dos grupos de cuota independientes de Antigravity y Gemini CLI
Cómo cambiar entre grupos de cuota para maximizar la utilización
Mejores prácticas para la agrupación de cuotas

Apéndice: Referencia del Código Fuente

Haz clic para expandir y ver la ubicación del código fuente

Última actualización: 2026-01-23

Funcionalidad	Ruta del Archivo	Número de Línea
Esquema de Configuración de Google Search	`src/plugin/config/schema.ts`	303-319
Definición de Tipos de Google Search	`src/plugin/transform/types.ts`	85-88
Lógica de Inyección de Google Search	`src/plugin/transform/gemini.ts`	402-419
Carga de Configuración de Google Search	`src/plugin/config/loader.ts`	173-184
Aplicación de Configuración de Google Search	`src/plugin.ts`	1194-1196

Elementos de Configuración Clave:

web_search.default_mode: "auto" o "off", predeterminado "off"
web_search.grounding_threshold: 0.0 - 1.0, predeterminado 0.3

Funciones Clave:

applyGeminiTransforms(): Aplica todas las transformaciones de Gemini, incluyendo la inyección de Google Search
normalizeGeminiTools(): Normaliza el formato de las herramientas, preservando la herramienta googleSearchRetrieval
wrapToolsAsFunctionDeclarations(): Envuelve las herramientas en formato functionDeclarations

Principio de Funcionamiento:

El complemento lee web_search.default_mode y web_search.grounding_threshold desde el archivo de configuración

Cuando mode === "auto", inyecta la herramienta googleSearchRetrieval en el array tools de la solicitud:

json

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

El modelo Gemini decide si invocar la herramienta de búsqueda según el umbral
Los resultados de búsqueda se incluyen en la respuesta y marcan la fuente de referencia ([citation:1], etc.)

Google Search Grounding: Permite a Gemini Buscar Información en la Web ​

Qué Podrás Hacer Después de Completar Esto ​

Tu Situación Actual ​

Cuándo Usar Esto ​

Concepto Central ​

🎒 Preparativos Antes de Comenzar ​

Sígueme ​

Paso 1: Verificar la Ubicación del Archivo de Configuración ​

Paso 2: Habilitar Google Search ​

Paso 3: Ajustar el Umbral de Búsqueda (Opcional) ​

Paso 4: Verificar la Configuración ​

Paso 5: Probar Diferentes Umbrales ​

Punto de Verificación ✅ ​

Advertencias de Errores Comunes ​

Problema 1: El modelo no busca ​

Problema 2: Búsquedas demasiado frecuentes, respuesta lenta ​

Problema 3: Error de formato del archivo de configuración ​

Resumen de la Lección ​

Avance de la Próxima Lección ​

Apéndice: Referencia del Código Fuente ​

Google Search Grounding: Permite a Gemini Buscar Información en la Web

Qué Podrás Hacer Después de Completar Esto

Tu Situación Actual

Cuándo Usar Esto

Concepto Central

🎒 Preparativos Antes de Comenzar

Sígueme

Paso 1: Verificar la Ubicación del Archivo de Configuración

Paso 2: Habilitar Google Search

Paso 3: Ajustar el Umbral de Búsqueda (Opcional)

Paso 4: Verificar la Configuración

Paso 5: Probar Diferentes Umbrales

Punto de Verificación ✅

Advertencias de Errores Comunes

Problema 1: El modelo no busca

Problema 2: Búsquedas demasiado frecuentes, respuesta lenta

Problema 3: Error de formato del archivo de configuración

Resumen de la Lección

Avance de la Próxima Lección

Apéndice: Referencia del Código Fuente