Gemini Toolbox: tutto ciò che puoi fare oggi con le app, gli strumenti e le API di Google basate sull'intelligenza artificiale.

Home » Le migliori app » Gemini toolbox: tutto ciò che puoi fare oggi con le app, gli strumenti e le API di Google basati sull'intelligenza artificiale

La "cassetta degli attrezzi Gemini" non è più solo uno slogan accattivante; è l'insieme pratico di app, strumenti, agenti e API che Google sta silenziosamente integrando in ogni ambito, dall'apprendimento informale ai flussi di lavoro aziendali. Invece di un singolo assistente monolitico, Gemini ora si comporta più come una cassetta degli attrezzi in cui ogni funzionalità è uno strumento specifico: motore di ricerca, tutor, assistente di programmazione, pianificatore di riunioni, creatore di presentazioni e molto altro.

Se capisci come questi elementi si integrano tra loro – Canvas, Apprendimento guidato, Laboratori, agenti, Gemini Enterprise e l'API di Gemini – puoi trasformare Gemini in un vero e proprio strumento di lavoro, anziché in un semplice chatbot. Di seguito troverai una panoramica dettagliata di questo set di strumenti: cosa si trova nella sezione "Strumenti" (stabile), cosa viene testato in "Laboratori", come Gemini si comporta come tutor con immagini e video e come gli sviluppatori possono integrare l'API con Google Workspace per un'automazione avanzata.

Cosa contiene esattamente la cassetta degli attrezzi dei Gemelli oggi?

Gemini si comprende meglio come una famiglia di modelli di intelligenza artificiale ( cosa sono i modelli linguistici ?) (Gemini 1.0, Gemini 1.5, Gemini 3 e così via) forniti tramite diverse interfacce: web, app per dispositivi mobili, integrazione con Workspace e un'API per sviluppatori. L'idea di "cassetta degli attrezzi" deriva dal modo in cui Google ora raggruppa funzionalità concrete all'interno dell'interfaccia Gemini, soprattutto sul web.

Sul web, il selettore principale all'interno di Gemini è suddiviso in due zone principali: "Tools" per funzionalità stabili e pronte per la produzione e "Labs" per esperimenti ancora in fase di sviluppo. Immaginate "Tools" come il fidato cacciavite che usate ogni giorno, mentre "Labs" è il vassoio dove conservate i prototipi che potrebbero cambiare forma la prossima settimana.

Su dispositivi mobili, le app Gemini stanno integrando molti di questi strumenti, come l'apprendimento guidato, esperienze simili a Canvas e guide ricche di immagini, ma il rilascio avviene gradualmente. Se una specifica funzionalità non è ancora presente nell'app, Google consiglia esplicitamente di riprovare più tardi o di visitare gemini.google.com per visualizzare la versione più recente sul web.

Dietro le quinte, tutte queste interfacce si basano sull'API Gemini, che espone modelli multimodali e funzionalità di chiamata di funzione, consentendo di generare contenuti, analizzare immagini o orchestrare flussi di lavoro tramite codice. Questa API costituisce la base di molte delle automazioni di Workspace che tratteremo in seguito.

Strumenti vs Laboratori: come Gemini organizza le sue funzionalità

Con l'aumento dei pulsanti e delle modalità di Gemini, Google ha introdotto una separazione più netta tra le funzionalità mature e quelle sperimentali attraverso due sezioni: "Strumenti" e "Laboratori". Questa modifica è già visibile nell'interfaccia web e viene implementata progressivamente dai server di Google, quindi non tutti gli account visualizzeranno lo stesso layout contemporaneamente.

La sezione "Strumenti" è dove Google raggruppa le funzionalità che considera stabili e prevedibili per l'uso quotidiano. Secondo quanto riportato da fonti come Android Police e 9to5Google, quest'area include elementi come Ricerca approfondita, generazione di immagini, creazione di video tramite Veo, Canvas, Apprendimento guidato e Deep Think, a volte legati a specifici piani di abbonamento come Google AI Pro o Google AI Ultra.

"Labs", d'altro canto, è l'area di test vera e propria: uno spazio dedicato all'interno del selettore di Gemini che raggruppa le funzionalità contrassegnate come sperimentali. In genere, vedrai icone con una piccola provetta e etichette come Gemini Agent, Dynamic View (chiamata anche Visual layout) e Personal Intelligence. Quando fai clic su qualsiasi elemento in Labs, tieni presente che il comportamento potrebbe cambiare, scomparire o spostarsi senza preavviso.

Dal punto di vista della progettazione del prodotto, questa separazione è importante per la fiducia. Quando un'app basata sull'IA cresce rapidamente, il rischio non è solo "troppe funzionalità", ma "non sapere di quali funzionalità ci si può fidare". Separando gli strumenti di uso quotidiano da quelli sperimentali, Gemini segnala il rischio in modo simile alla distinzione tra modalità "normale" e "sport" in un'automobile.

Gli strumenti Gemini, solidi e affidabili: Ricerca approfondita, Canvas, Apprendimento guidato e altro ancora.

Per la maggior parte degli utenti, il nucleo degli strumenti di Gemini si trova nella sezione "Strumenti", dove sono racchiuse le esperienze che Google desidera che gli utenti acquisiscano come abitudini. Sebbene la gamma esatta vari a seconda dell'account e del livello di abbonamento, alcuni elementi sono già fondamentali.

Deep Research trasforma Gemini da un generico modello di chat in un assistente di ricerca strutturato. Quando si pone una domanda che richiede di consultare più fonti, Deep Research segue un processo più esplicito in più fasi, mostrando una metodologia coerente in modo che gli utenti sappiano cosa aspettarsi ogni volta che lo utilizzano.

Gli strumenti per la creazione di contenuti, inclusi immagini e video, comprese le integrazioni basate su Veo, si trovano anch'essi nella sezione Strumenti. Gli utenti che utilizzano Gemini per i contenuti visivi necessitano che queste funzionalità siano facilmente reperibili e ragionevolmente stabili, non nascoste dietro indicatori sperimentali in continua evoluzione.

Canvas è un altro pilastro: una modalità di lavoro in cui è possibile iniziare un documento o un progetto di programmazione direttamente da un prompt, per poi perfezionarlo iterativamente con Gemini. Sotto la barra delle richieste, è possibile selezionare "Canvas" e digitare il prompt per generare un punto di partenza per il contenuto o il codice, quindi continuare a modificare in un layout interattivo affiancato.

Le funzioni Apprendimento guidato e Pensiero approfondito completano la gamma di strumenti più orientati alle funzioni cognitive, pensati soprattutto per gli utenti che desiderano un supporto strutturato per argomenti complessi. L'Apprendimento guidato può fungere da tutor, accompagnandoti passo dopo passo attraverso i concetti, mentre il Pensiero approfondito incoraggia un ragionamento più lento e ponderato su quesiti impegnativi.

Gemelli come tutor personale: apprendimento guidato, immagini e video

Uno degli aspetti più intuitivi del kit di strumenti Gemini è la sua capacità di fungere da insegnante privato, combinando sequenze guidate con spiegazioni visive. Invece di presentare un muro di testo, Gemini può integrare immagini, schizzi e persino video nelle sue risposte per rendere i concetti più facili da comprendere.

In termini pratici, puoi chiedere a Gemini di spiegare un argomento e richiedere esplicitamente un diagramma, una rappresentazione visiva o un'immagine illustrativa. La risposta può incorporare queste immagini direttamente nella spiegazione, aiutandoti a visualizzare, ad esempio, un concetto matematico, un flusso di lavoro o un processo scientifico.

È supportato anche l'apprendimento basato su video, sebbene i dettagli varino a seconda della regione e della fase di implementazione. Per alcuni argomenti, Gemini può mostrare o fare riferimento a video che integrano la risposta testuale, creando un percorso di apprendimento più multimodale in cui si legge, si guarda e si interagisce con le domande in un unico flusso.

Questa modalità di insegnamento viene introdotta gradualmente nelle app Gemini per dispositivi mobili, quindi potresti non visualizzare tutte le opzioni immediatamente. In tal caso, l'alternativa è utilizzare la versione web, dove le funzionalità di Gemini sono spesso disponibili prima durante le implementazioni graduali.

Gemini Enterprise e Workspace: agenti di intelligenza artificiale per i team

Oltre all'uso personale, la suite di strumenti Gemini si estende all'ambiente di lavoro grazie alle integrazioni con Gemini Enterprise e Google Workspace. In questo contesto, l'attenzione si sposta dai promemoria occasionali ad agenti persistenti, flussi di lavoro e collaborazione su larga scala.

Gemini Enterprise è descritta da Google come una piattaforma avanzata per agenti che porta il meglio dell'intelligenza artificiale di Google a ogni dipendente e flusso di lavoro. In pratica, consente ai team di scoprire, creare, condividere ed eseguire agenti IA in un ambiente sicuro supportato dai dati aziendali, riducendo i colli di bottiglia nello sviluppo e abilitando casi d'uso come l'analisi delle vendite, l'automazione dei processi e la ricerca di conoscenze interne.

Google Workspace funge da piattaforma di collaborazione potenziata da Gemini, con l'intelligenza artificiale integrata in app come Gmail, Documenti e Meet. Invece di dover ricorrere a uno strumento di intelligenza artificiale separato, gli utenti possono richiamare Gemini all'interno delle loro app di produttività quotidiane per redigere contenuti, riassumere informazioni o generare idee in modo contestualizzato.

In alcune configurazioni, è persino possibile chattare direttamente con Gemini sui dati aziendali archiviati in Google Workspace, Microsoft 365 e altri sistemi connessi. Questo trasforma Gemini in un livello di conoscenza aziendale in grado di rispondere a domande basate su e-mail, documenti e file, nel rispetto delle autorizzazioni e delle impostazioni di sicurezza configurate dal reparto IT.

L'API Gemini: la spina dorsale della cassetta degli attrezzi per sviluppatori.

Alla base delle app Gemini rivolte all'utente si trova l'API Gemini, che espone gli stessi modelli fondamentali affinché gli sviluppatori possano integrarli nelle proprie applicazioni. Questa API è il punto d'incontro tra multimodalità, chiamate di funzione e flussi di lavoro personalizzati per un'automazione avanzata, in particolare con Google Workspace e Apps Script.

I modelli Gemini sono i sistemi di intelligenza artificiale più potenti di Google e l'API offre diverse varianti, come le versioni incentrate sul testo e quelle orientate alla visione, ognuna con funzionalità e limiti specifici. È possibile esplorarli visivamente in Google AI Studio, un'interfaccia ospitata che consente di provare i prompt, modificare le impostazioni del modello e persino ottimizzare modelli personalizzati senza scrivere codice.

Per iniziare a utilizzare l'API, è necessario richiedere una chiave API tramite Google AI Studio o un'altra console supportata, quindi testarla con una semplice chiamata REST. Ad esempio, è possibile esportare la chiave in una variabile d'ambiente come GOOGLE_API_KEY e richiamare l'endpoint che elenca i modelli disponibili, ricevendo un JSON come models/gemini-1.0-pro se tutto è configurato correttamente.

Da lì, la generazione del contenuto si riduce all'invio di un payload JSON tramite POST all'endpoint appropriato, come ad esempio il metodo generateContent per il modello scelto. Una richiesta minima include un campo contents con parti di testo, mentre i parametri opzionali generationConfig e safetySettings consentono di controllare parametri come la temperatura e i filtri di sicurezza.

Chiamare l'API Gemini da Apps Script

Uno dei modelli più potenti nel set di strumenti di Gemini è la combinazione dell'API con Google Apps Script per automatizzare i flussi di lavoro all'interno di Workspace. Questo approccio consente di orchestrare Gemini insieme a servizi come Drive, Calendar, Gmail, Fogli e Presentazioni senza dover creare un backend completo.

La configurazione standard inizia con un progetto Apps Script (ad esempio, creato tramite script.new) in cui si memorizza la chiave API di Gemini come proprietà dello script. Nel codice, si recupera tale valore e si costruisce un URL endpoint per un modello specifico, spesso gemini-1.0-pro-latest:generateContent , passando la chiave API come parametro di query.

Una funzione di supporto come callGemini(prompt, temperature) in genere crea un payload JSON, lo invia tramite UrlFetchApp.fetch e analizza la risposta per estrarre il testo generato. Questo wrapper semplifica l'utilizzo ripetuto dell'API da diverse utility nel tuo script.

Eseguire i test è semplice: è possibile creare una funzione `testGemini()` che definisce un prompt, richiama la funzione di supporto e registra sia l'input che l'output nei log di esecuzione. Una volta che funziona, si ha la certezza che l'ambiente Apps Script e la chiave API di Gemini siano configurati correttamente per scenari più avanzati.

Utilizzo dell'endpoint Gemini Vision per le immagini

La suite di strumenti Gemini va oltre il semplice testo grazie al supporto multimodale, in particolare alla possibilità di elaborare immagini tramite un endpoint abilitato alla visione artificiale. In Apps Script, si tratta solitamente di un endpoint separato, come gemini-1.0-pro-vision-latest:generateContent , parametrizzato a sua volta dalla chiave API.

Una tipica funzione di supporto come callGeminiProVision(prompt, image, temperature) converte un blob di immagine in base64, lo incorpora come inlineData con il tipo MIME appropriato e lo invia insieme a un prompt testuale. Il modello restituisce quindi un testo che riflette la sua interpretazione sia dell'immagine che del prompt.

Per verificare la configurazione, potresti scrivere un piccolo testGeminiVision() che scarichi un'immagine di esempio da un URL pubblico, la passi al tuo helper e registri una curiosità o un'analisi prodotta da Gemini Vision. Questo tipo di test dimostra che l'input multimodale funziona correttamente nel tuo ambiente.

Una volta stabilizzato il flusso visivo, è possibile riutilizzarlo all'interno di automazioni di livello superiore, come l'analisi di grafici da Fogli Google o immagini archiviate in Drive. È qui che la multimodalità inizia a sembrare uno strumento davvero utile, piuttosto che un semplice espediente dimostrativo.

Chiamata di funzione: dare a Gemini accesso agli strumenti

Un altro elemento chiave del toolbox di Gemini è la chiamata di funzioni, che consente al modello di decidere quando richiamare i propri strumenti o API. Invece di generare semplicemente testo, Gemini può restituire oggetti functionCall strutturati che descrivono quale funzione utilizzare e con quali argomenti.

In Apps Script, è possibile configurare una funzione di supporto come `callGeminiWithTools(prompt, tools, temperature)` che invia una specifica degli strumenti insieme al prompt dell'utente. Questa specifica segue uno schema `FunctionDeclaration` , in cui si descrivono il nome della funzione, lo scopo e i parametri JSON.

Quando Gemini decide che uno strumento deve essere utilizzato, la sua risposta include un oggetto di chiamata di funzione che è possibile analizzare nello script e instradare all'implementazione effettiva. Ad esempio, si potrebbe definire uno strumento fittizio chiamato "datetime" che restituisce la data e l'ora correnti e osservare come Gemini richiede tale funzione per risolvere problemi relativi ai calcoli del calendario.

La chiamata di funzioni è particolarmente potente perché può operare su più turni, non solo per singole richieste. Ciò significa che è possibile progettare agenti conversazionali più complessi, in grado di decidere quando richiamare gli strumenti, interpretare i risultati e proseguire il dialogo.

Integrazioni dimostrative: Gemini + Google Workspace come pratico strumento di lavoro

Una volta combinati la generazione di testo, l'input visivo e la chiamata di funzioni, il toolbox Gemini diventa un motore pratico per le automazioni di Workspace. Il materiale del codelab di Google illustra diversi esempi concreti che mostrano cosa è possibile fare.

A livello generale, le query degli utenti vengono passate a Gemini insieme a una serie di strumenti disponibili che rappresentano diversi flussi di lavoro: pianificazione di riunioni, stesura di email a partire da grafici e creazione di presentazioni. In base alla query, Gemini sceglie la funzione appropriata e restituisce una chiamata di funzione con argomenti strutturati come orari, nomi di file o argomenti.

Nel tuo Apps Script, interpreti quindi la chiamata di funzione all'interno di una catena if…else , richiamando il flusso di lavoro appropriato, ad esempio setupMeeting() , draftEmail() o createDeck() . Questa combinazione di ragionamento basato su modelli e logica di script esplicita è ciò che trasforma Gemini da una finestra di chat in una cassetta degli attrezzi per il lavoro reale.

Automatizzare le riunioni: riassumere i file di Drive in eventi del calendario

Una demo mostra come Gemini può aiutare a impostare un appuntamento in Calendar che includa automaticamente un riepilogo di un file di testo ospitato su Google Drive. L'utente potrebbe digitare qualcosa del tipo: "Imposta un appuntamento domani alle 10:00 con Helen per discutere le notizie contenute nel file Gemini-blog.txt".

Dietro le quinte, nello strumento specificato viene dichiarato uno strumento Workspace denominato "setupMeeting", con parametri per l'ora, il destinatario e il nome del file. Quando Gemini interpreta la query, seleziona questo strumento e restituisce una chiamata di funzione con tali argomenti già compilati.

La funzione setupMeeting() corrispondente individua quindi il file specificato in Drive, ne legge il contenuto e lo passa a Gemini tramite callGemini() con le istruzioni per produrre un breve oggetto JSON contenente un titolo e un breve riassunto. La risposta potrebbe essere restituita racchiusa in blocchi di formattazione che è necessario rimuovere prima di analizzarla come JSON.

Utilizzando il titolo e il riepilogo estratti, lo script crea un evento nel calendario tramite CalendarApp , imposta la descrizione sul riepilogo e allega il file sorgente tramite il servizio avanzato Calendar. Il risultato è una riunione programmata con il contesto integrato, il tutto attivato da una singola richiesta in linguaggio naturale.

Redigere email dai grafici di Fogli con Gemini Vision

Un altro flusso di lavoro disponibile nella suite di strumenti Gemini prevede l'analisi di un grafico in Fogli Google e la stesura di un messaggio Gmail basato su di esso. Immagina di avere un foglio di calcolo con le spese universitarie e di voler inviare un'email a una collega di nome Mary che riassuma quanto mostrato dal grafico.

La richiesta dell'utente potrebbe essere: "Scrivi una bozza di email per Mary con le informazioni ricavate dal grafico nel foglio Spese universitarie". È definito uno strumento chiamato "draftEmail" che accetta un nome di foglio e un destinatario, e Gemini seleziona tale strumento quando rileva questo tipo di richiesta.

La funzione draftEmail() individua il foglio di calcolo richiesto in Drive, apre il foglio pertinente, recupera il primo grafico e lo salva come file (ad esempio, ExpenseChart.png). Successivamente, crea un messaggio che indica a Gemini di utilizzare solo le informazioni contenute nel grafico, di evitare confronti storici e di mantenere il messaggio conciso.

Tramite la chiamata a callGeminiProVision(prompt, expenseChart) , lo script invia sia il prompt che l'immagine del grafico a Gemini Vision, che restituisce un corpo dell'email personalizzato. Infine, lo script crea una bozza di Gmail indirizzata all'indirizzo email del destinatario, imposta un oggetto come "Spese universitarie" e allega l'immagine del grafico.

Questo schema trasforma di fatto Gemini in un analista in grado di leggere un grafico, estrarre le informazioni chiave e riformularle in linguaggio naturale per tuo conto. Potrai comunque rivedere e modificare la bozza, ma la maggior parte del lavoro più impegnativo verrà svolta automaticamente.

Creazione automatica di presentazioni con Gemini e Google Slides

Il terzo flusso di lavoro principale per le dimostrazioni in questa raccolta di strumenti crea automaticamente una presentazione di base di Google Slides su un argomento specificato dall'utente. Ad esempio, potresti chiedere: "Aiutami a preparare una presentazione sulla conservazione dell'acqua".

Viene dichiarato uno strumento chiamato "createDeck" con un singolo parametro, topic, e a Gemini viene richiesto di restituire un JSON strutturato che descriva una serie di diapositive. Il prompt indica a Gemini quante diapositive creare (in base a una costante come NUM_SLIDES), richiede titoli brevi ed elenchi puntati e chiede esplicitamente un oggetto JSON valido affinché lo script possa analizzarlo in modo sicuro.

Dopo aver chiamato callGemini() con quel prompt, lo script rimuove eventuali barriere di formattazione, analizza il JSON e quindi utilizza SlidesApp per generare una nuova presentazione. La prima diapositiva viene trattata come pagina del titolo e le diapositive successive seguono un layout TITOLO_E_CORPO in cui lo script inserisce il titolo e il testo puntato.

In pochi secondi, otterrete una presentazione di base con punti chiave strutturati per ogni diapositiva, pronta per essere personalizzata visivamente. Sebbene il risultato sia volutamente minimale, questo flusso di lavoro mostra come Gemini possa dare una spinta iniziale alla strutturazione dei contenuti, permettendovi di concentrarvi sul design e sui dettagli.

Ampliare la cassetta degli attrezzi: chatbot, RAG e strumenti multi-turno

Gli esempi sopra riportati sono solo un punto di partenza; la più ampia gamma di strumenti di Gemini può essere ampliata in molte direzioni una volta acquisita familiarità con le API e le chiamate di funzione. Google suggerisce esplicitamente diverse strade da esplorare.

Un caso d'uso comune è la creazione di chatbot per Google Chat utilizzando l'API Gemini. Anche in questo caso, si applicano gli stessi schemi: si mettono a disposizione gli strumenti, si lascia che Gemini decida quando richiamarli e si collegano le risposte a un'interfaccia conversazionale all'interno di Chat, il tutto gestito dall'API di Chat e dai relativi codelab.

Un'altra importante direzione è la generazione potenziata dal recupero (RAG) basata su contenuti privati ​​in Drive o Keep. Invece di riassumere un singolo file di testo, è possibile combinare l'API Gemini con un database vettoriale e, facoltativamente, un framework di orchestrazione come LangChain per recuperare frammenti rilevanti da PDF, immagini e note prima di chiedere a Gemini di generare una risposta basata su tali documenti.

La chiamata di funzioni a più turni sblocca anche agenti più sofisticati che possono decidere iterativamente quali strumenti utilizzare e in quale sequenza. Invece di una singola decisione, un agente può chiamare una funzione, esaminarne il risultato, quindi chiamare un'altra funzione o porre una domanda di chiarimento, il tutto all'interno di un unico thread in corso.

Infine, non è necessario rimanere all'interno di Workspace; una volta padroneggiati i modelli API di Gemini, è possibile integrare il modello con API esterne presenti sul web. È così che Gemini si trasforma da assistente aziendale autonomo a orchestratore versatile del lavoro digitale.

Nel loro insieme, questi elementi – Strumenti stabili, Laboratori sperimentali, funzionalità di tutoraggio, agenti aziendali e API per sviluppatori – formano una vera e propria cassetta degli attrezzi Gemini, adattabile sia agli utenti occasionali che a quelli più esperti. Se considererete Gemini non come una singola app, ma piuttosto come un insieme di strumenti in continua espansione che potete combinare tra loro, sarete in una posizione privilegiata per sfruttare al meglio qualsiasi novità Google aggiunga in futuro, senza dover ripensare ogni volta l'intero flusso di lavoro.