วิธีเชื่อม Gemini API กับ Google Search

Gemini API สามารถเชื่อมกับ Google Search เพื่อให้โมเดลค้นหาข้อมูลจากเว็บแบบปัจจุบันก่อนสร้างคำตอบ ช่วยลดข้อจำกัดของการตอบจากความรู้ภายในโมเดลเพียงอย่างเดียว และเหมาะกับคำถามที่ข้อมูลมีการเปลี่ยนแปลงตลอดเวลา เช่น ข่าว ราคาสินค้า ผลการแข่งขัน ข้อมูลบริษัท เหตุการณ์ล่าสุด หรือข้อมูลที่ต้องตรวจสอบแหล่งอ้างอิง

ความสามารถนี้เรียกว่า Grounding with Google Search

สำหรับ Interactions API รุ่นปัจจุบัน การเปิด Google Search ทำได้ง่ายมาก เพียงเพิ่ม Tool

google_search

เข้าไปใน Request

ตัวอย่าง Python พื้นฐาน

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-3.7-flash",
    input="สรุปข่าว AI ล่าสุดวันนี้",
    tools=[
        {
            "type": "google_search",
        }
    ],
)

print(interaction.output_text)

เมื่อเปิด Tool นี้ Gemini จะจัดการ Workflow ตั้งแต่

วิเคราะห์คำถาม
↓
ตัดสินใจว่าต้องค้นหรือไม่
↓
สร้าง Search Query
↓
ค้น Google
↓
อ่านผลการค้นหา
↓
สังเคราะห์ข้อมูล
↓
สร้างคำตอบ
↓
แนบ Citation

Developer ไม่จำเป็นต้องสร้าง Search Query เองทุกครั้ง

❶ 🔎 Grounding with Google Search คืออะไร

Grounding หมายถึงการให้โมเดลนำข้อมูลจากแหล่งภายนอกมาใช้เป็นฐานในการตอบ

ถ้าไม่เปิด Search

User
↓
Gemini Model
↓
Model Knowledge
↓
Answer

เมื่อเปิด Google Search

User
↓
Gemini
↓
Google Search
↓
Web Information
↓
Gemini
↓
Grounded Answer
+
Citations

จึงเหมาะกับข้อมูลที่ต้องการความสดใหม่และตรวจสอบย้อนกลับได้

❷ 🎯 Google Search เหมาะกับคำถามแบบไหน

ควรพิจารณาเปิด Search เมื่อคำตอบขึ้นกับข้อมูลปัจจุบัน

ตัวอย่าง

ข่าวล่าสุด

วันนี้มีข่าว AI สำคัญอะไรบ้าง

ราคาปัจจุบัน

ราคาหุ้นบริษัท X ล่าสุดเป็นอย่างไร

ผลการแข่งขัน

เมื่อคืนทีม X แข่งกับทีม Y ผลเป็นอย่างไร

ข้อมูลผลิตภัณฑ์ล่าสุด

มือถือรุ่นนี้เปิดตัวแล้วหรือยัง

ข่าวบริษัท

บริษัทนี้ประกาศผลิตภัณฑ์ใหม่ล่าสุดอะไร

เหตุการณ์ปัจจุบัน

ตอนนี้มีเหตุการณ์อะไรเกิดขึ้นในประเทศนี้

งานเหล่านี้ไม่ควรพึ่ง Model Knowledge เพียงอย่างเดียว

❸ 🚫 งานแบบไหนไม่จำเป็นต้อง Search

Google Search ไม่ได้จำเป็นกับทุก Prompt

ตัวอย่าง

2 + 2 เท่ากับเท่าไร

อธิบาย Python list

ช่วยปรับข้อความนี้ให้อ่านง่ายขึ้น

แปลประโยคนี้เป็นภาษาไทย

หากข้อมูลทั้งหมดอยู่ใน Prompt แล้ว Search อาจเพิ่ม

• Latency
• Cost
• Complexity

โดยไม่มีประโยชน์ชัดเจน

❹ 🧠 Gemini ตัดสินใจค้นเองได้

เมื่อเพิ่ม

{
  "type": "google_search"
}

ไม่ได้หมายความว่าทุก Prompt จะต้องสร้าง Search Query เสมอไป

Gemini สามารถวิเคราะห์คำถามก่อนว่า Search ช่วยให้คำตอบดีขึ้นหรือไม่

Flow คือ

Prompt
↓
Gemini วิเคราะห์
↓
ต้องข้อมูลเว็บหรือไม่?
├── ไม่ต้อง → ตอบ
└── ต้อง → Google Search

ดังนั้น Developer เปิดความสามารถ Search ให้โมเดล แล้วโมเดลจัดการขั้นตอนค้นหาตามความเหมาะสม

❺ 🐍 วิธีใช้ Google Search กับ Gemini API ด้วย Python

ติดตั้ง SDK ปัจจุบัน

pip install -U google-genai

ตั้ง API Key ผ่าน

GEMINI_API_KEY

จากนั้นสร้างไฟล์

search.py

Code

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-3.7-flash",
    input=(
        "ค้นหาข่าว AI ล่าสุด "
        "และสรุปเหตุการณ์สำคัญ 5 ข้อ"
    ),
    tools=[
        {
            "type": "google_search",
        }
    ],
)

print(interaction.output_text)

Run

python search.py

หาก Search ถูกใช้งาน Gemini จะค้นข้อมูลแล้วสร้างคำตอบจาก Search Results

❻ 🔍 อธิบาย Python Code

สร้าง Client

client = genai.Client()

ใช้ Gemini API Credential จาก Environment

เลือก Model

model="gemini-3.7-flash"

เป็น Stable Model ปัจจุบันที่รองรับ Google Search Grounding

กำหนด Input

input="ค้นหาข่าว AI ล่าสุด..."

คือคำถามของ User

เปิด Search Tool

tools=[
    {
        "type": "google_search",
    }
]

นี่คือส่วนสำคัญที่สุด

หากไม่มี Tool นี้ Request จะไม่ใช้ Grounding with Google Search

❼ 🟨 วิธีใช้ Google Search ด้วย JavaScript

ติดตั้ง

npm install @google/genai

ตัวอย่าง

import { GoogleGenAI } from "@google/genai";

const ai = new GoogleGenAI({});

const interaction =
  await ai.interactions.create({
    model: "gemini-3.7-flash",
    input:
      "ค้นหาข่าวเทคโนโลยีล่าสุดและสรุป 5 ข้อ",
    tools: [
      {
        type: "google_search",
      },
    ],
  });

console.log(interaction.output_text);

หลักการเหมือน Python

Create Client
↓
Input
↓
Enable google_search
↓
Gemini searches
↓
Return Answer

❽ 🌐 ใช้ REST API ได้ไหม

ได้

PHP, Go, C#, Ruby หรือภาษาอื่นที่เรียก HTTP ได้สามารถใช้ Google Search Tool ผ่าน REST ได้

Request Body พื้นฐาน

{
  "model": "gemini-3.7-flash",
  "input": "ค้นหาข่าว AI ล่าสุดและสรุป 5 ข้อ",
  "tools": [
    {
      "type": "google_search"
    }
  ]
}

ดังนั้น Feature นี้ไม่ได้จำกัดเฉพาะ Python หรือ JavaScript

❾ 🔄 Google Search ทำงานเบื้องหลังอย่างไร

Google อธิบาย Workflow หลักไว้ประมาณนี้

❶ User Prompt

Application ส่งคำถามพร้อมเปิด Google Search Tool

❷ Prompt Analysis

Gemini วิเคราะห์ว่าคำถามควร Search หรือไม่

❸ Search Query Generation

หากต้องการข้อมูลเว็บ Gemini สร้าง Search Query เอง

❹ Google Search

Query ถูกส่งไปค้นหา

❺ Search Result Processing

Gemini อ่านและสังเคราะห์ Search Results

❻ Grounded Response

โมเดลสร้าง Final Answer พร้อมข้อมูลอ้างอิง

Developer ไม่จำเป็นต้องสร้าง Search Engine Workflow ทุกส่วนด้วยตนเอง

❿ 🔎 Gemini สามารถสร้างหลาย Search Query ได้

คำถามหนึ่ง Prompt ไม่จำเป็นต้องค้นเพียงครั้งเดียว

ตัวอย่าง User ถาม

เปรียบเทียบข่าวล่าสุดของบริษัท A กับบริษัท B

Gemini อาจสร้าง Query

บริษัท A latest news

และ

บริษัท B latest news

หรือ Query เพิ่มเติมเพื่อยืนยันข้อมูล

ดังนั้น

1 User Prompt

อาจเท่ากับ

หลาย Google Search Queries

จุดนี้สำคัญมากเมื่อคำนวณค่าใช้จ่าย

⓫ 📦 Response ของ Google Search มีอะไรบ้าง

Interactions API สามารถคืน Steps เช่น

thought

google_search_call

google_search_result

model_output

ตัวอย่าง Structure แบบย่อ

{
  "steps": [
    {
      "type": "google_search_call",
      "arguments": {
        "queries": [
          "latest AI news"
        ]
      }
    },
    {
      "type": "google_search_result",
      "result": [
        {
          "search_suggestions": "..."
        }
      ]
    },
    {
      "type": "model_output",
      "content": [
        {
          "type": "text",
          "text": "...",
          "annotations": []
        }
      ]
    }
  ]
}

ข้อมูลเหล่านี้ช่วยให้ Application ตรวจสอบว่า Gemini ใช้ Search อย่างไร

⓬ 🔍 ดู Search Query ที่ Gemini ใช้ได้ไหม

ได้

ให้ตรวจ Step

google_search_call

ภายในจะมี

queries

ตัวอย่าง

{
  "type": "google_search_call",
  "arguments": {
    "queries": [
      "AI news today",
      "latest generative AI announcements"
    ]
  }
}

จึงสามารถนำไปใช้กับ

• Debug
• Logging
• Analytics
• Cost Monitoring

ได้ตาม Privacy Policy ของระบบ

⓭ 📚 Gemini API คืน Citation ได้

จุดเด่นสำคัญของ Grounding with Google Search คือ Response สามารถมี Citation

Citation อยู่ใน

annotations

ของ Text Content Block

ตัวอย่าง Structure

{
  "type": "text",
  "text": "ข้อมูล...",
  "annotations": [
    {
      "type": "url_citation",
      "url": "...",
      "title": "...",
      "start_index": 0,
      "end_index": 50
    }
  ]
}

ทำให้ Developer รู้ว่า Source ใดสนับสนุนข้อความช่วงใด

⓮ 🎯 start_index และ end_index ใช้ทำอะไร

Citation ไม่ได้เพียงบอก URL

แต่สามารถบอกช่วงของ Text ที่ Source สนับสนุน

เช่น

Answer:
บริษัท X เปิดตัวผลิตภัณฑ์ใหม่วันนี้
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
start_index
→
end_index

Application สามารถนำข้อมูลนี้ไปสร้าง

• Inline Citation
• Footnote
• Source Link
• Tooltip

ใน User Interface ได้

⓯ 🐍 วิธีดึง Citation ด้วย Python

ตัวอย่าง

for step in interaction.steps:
    if step.type == "model_output":
        for content_block in step.content:
            if content_block.type != "text":
                continue

            print(content_block.text)

            if not content_block.annotations:
                continue

            print("\nแหล่งอ้างอิง:")

            for annotation in (
                content_block.annotations
            ):
                if (
                    annotation.type
                    == "url_citation"
                ):
                    print(
                        annotation.title,
                        annotation.url,
                    )

วิธีนี้ช่วยให้ Application แสดงคำตอบและแหล่งข้อมูลแยกกันได้

⓰ 🧩 ดึงข้อความที่ Citation รองรับ

สามารถใช้ Index

cited_text = content_block.text[
    annotation.start_index:
    annotation.end_index
]

จากนั้นแสดง

Source:
example.com

Supports:
"ข้อความช่วงนี้..."

เหมาะกับ Application ที่ต้องการ Traceability สูง

⓱ 🟨 วิธีดึง Citation ด้วย JavaScript

ตัวอย่าง

for (const step of interaction.steps) {
  if (step.type !== "model_output") {
    continue;
  }

  for (const block of step.content) {
    if (block.type !== "text") {
      continue;
    }

    console.log(block.text);

    for (
      const annotation
      of block.annotations || []
    ) {
      if (
        annotation.type
        === "url_citation"
      ) {
        console.log(
          annotation.title,
          annotation.url
        );
      }
    }
  }
}

สามารถนำข้อมูลไปสร้าง Source Card หรือ Citation UI ได้ต่อ

⓲ 🔗 Citation สำคัญกับ AI Search อย่างไร

หาก Application ตอบว่า

บริษัท X เพิ่งเปิดตัว Product ใหม่

โดยไม่มี Source

User ต้องเชื่อ AI อย่างเดียว

แต่ถ้ามี Citation

คำตอบ
+
Source

ผู้ใช้สามารถตรวจสอบต่อได้

เหมาะมากกับ

• Research Assistant
• News App
• Business Intelligence
• Education
• Knowledge Assistant

Citation ไม่ได้ทำให้คำตอบถูก 100% แต่ช่วยให้ตรวจสอบได้ง่ายขึ้น

⓳ ⚠️ Citation ไม่ได้หมายความว่าทุก Claim ถูกต้องเสมอ

แม้ Gemini มี Source

Application ยังควรระวัง

• Source เก่า
• Source ผิด
• Source มี Bias
• Gemini ตีความผิด
• ข้อมูลขัดแย้งกัน

ดังนั้น High-stakes Application ควรเพิ่ม

Search
↓
Sources
↓
Cross-check
↓
Validation
↓
Answer

ไม่ควรถือ Citation เป็น Guarantee ของ Truth

⓴ 🔍 Search Suggestions คืออะไร

Step

google_search_result

สามารถมี

search_suggestions

ซึ่งเป็นข้อมูล HTML สำหรับแสดง Search Suggestions ใน UI ตามข้อกำหนดการใช้งานของ Google

Developer ที่นำ Search Grounding ไปสร้าง Public UI ควรตรวจ Requirement ของการแสดงผลและ Attribution ที่เกี่ยวข้องก่อน Deploy

ไม่ควรละเลยข้อมูลนี้เพียงเพราะ Application ใช้เฉพาะ output_text

💰 Google Search ใน Gemini API ฟรีไหม

ต้องแยก

• Google AI Studio Testing
• Gemini API Free Tier
• Paid Tier

สำหรับ Gemini 3.x Pricing ปัจจุบัน Google Search Grounding ใน Paid Tier ให้ Allowance

5,000 Search Requests / เดือน

แบบแชร์ระหว่าง Gemini 3.x Models ที่เกี่ยวข้อง

หลังจากนั้นราคา

$14 / 1,000 Search Requests

ตาม Pricing ปัจจุบัน

ราคาและ Allowance สามารถเปลี่ยนได้ จึงควรตรวจ Pricing ก่อนคำนวณ Production Cost

💵 1 Prompt อาจเสียค่า Search มากกว่า 1 ครั้ง

นี่เป็นจุดสำคัญมาก

Google ระบุว่าสำหรับ Gemini 3

1 Search Query
=
1 Billable Tool Use

ถ้า Prompt หนึ่งทำให้ Gemini Search

Query A
Query B
Query C

ก็สามารถนับเป็น

3 Search Requests

แม้ User ส่ง Prompt เพียงครั้งเดียว

ดังนั้นอย่าวาง Budget จาก

จำนวน User Prompts

อย่างเดียว

ต้องดู

Search Queries Executed

ด้วย

🧮 ตัวอย่างคำนวณ Search Cost

สมมติเดือนหนึ่งมี

100,000 User Prompts

และ Gemini ใช้ Search เฉลี่ย

1.5 Queries / Prompt

จะมี

150,000 Search Requests

หลังหัก Allowance ตาม Pricing ที่ใช้

ส่วนที่เกินจึงค่อยนำไปคำนวณ

จำนวน Search ที่คิดเงิน
÷
1,000
×
$14

และยังมีค่า Model Tokens แยกต่างหาก

⚠️ Search Cost ไม่ใช่ค่าใช้จ่ายทั้งหมด

Total Cost สามารถเป็น

Input Tokens
+
Output Tokens
+
Thinking Tokens
+
Google Search
+
Other Tools

ดังนั้น Feature Search ที่ User ใช้บ่อยควรมี Cost Monitoring แยก

📊 ควรเก็บ Metric อะไร

ระบบ Production ควรเก็บอย่างน้อย

request_count
search_query_count
input_tokens
output_tokens
latency
status
model

และถ้าแยก Feature ได้

search_enabled
search_used

จะช่วยตอบคำถามว่า

เปิด Search แล้ว Cost เพิ่มเท่าไร

ได้จริง

🧠 Search ทุก Request ไม่ใช่วิธีที่ดีที่สุด

สมมติ Application มี

70% คำถามทั่วไป
30% คำถามข้อมูลสด

ไม่จำเป็นต้องบังคับ Search 100%

สามารถออกแบบ Routing เช่น

คำถามต้องข้อมูลล่าสุด?
├── ใช่ → Search
└── ไม่ใช่ → Gemini ปกติ

ช่วยลด Cost และ Latency

🧭 Rule-based Search Routing

วิธีง่ายคือดู Intent

คำที่มักต้อง Search เช่น

ล่าสุด
วันนี้
ตอนนี้
ราคา
ข่าว
ผลการแข่งขัน
เปิดตัวเมื่อไร
CEO ปัจจุบัน

แต่ Rule อย่างเดียวอาจไม่สมบูรณ์

อีกทางคือเปิด Search Tool แล้วให้ Gemini ตัดสินใจเองว่าจำเป็นหรือไม่

🕒 Search เพิ่ม Latency หรือไม่

โดยทั่วไป Search Workflow เพิ่มขั้นตอน

จาก

Prompt
↓
Generation

เป็น

Prompt
↓
Search
↓
Process Results
↓
Generation

จึงสามารถเพิ่ม Latency

สำหรับ Application แบบ Real-time ควรวัด

• Median
• p95
• p99

ก่อน Deploy

📈 วัด Search Latency

ตัวอย่าง Python

import time
from google import genai

client = genai.Client()

start = time.perf_counter()

interaction = client.interactions.create(
    model="gemini-3.7-flash",
    input="ค้นหาข่าว AI ล่าสุด",
    tools=[
        {
            "type": "google_search",
        }
    ],
)

elapsed = time.perf_counter() - start

print(interaction.output_text)
print(f"{elapsed:.2f}s")

จากนั้นเปรียบเทียบกับ Request ที่ไม่เปิด Search

📚 Search กับ URL Context ต่างกันอย่างไร

Google Search

เหมาะเมื่อ

ต้องหา Source จากเว็บ

Gemini เลือก Search Query และ Source

URL Context

เหมาะเมื่อ Developer หรือ User มี URL ที่ต้องการให้ Geminiอ่านโดยเฉพาะ

URL ที่กำหนด
↓
Gemini
↓
Analyze

ตัวอย่าง

Google Search
→ ค้นหาเว็บที่เกี่ยวข้อง

URL Context
→ อ่านเว็บที่เราระบุ

ทั้งสองสามารถใช้ร่วมกันได้ใน Workflow ที่รองรับ

🔗 Search + URL Context

ตัวอย่าง Use Case

User ถาม

เปรียบเทียบข้อมูลบนหน้า Product นี้
กับข้อมูลล่าสุดบนเว็บ

Workflow

Specific URL
+
Google Search
↓
Gemini
↓
Comparison

มีประโยชน์กับ Research Application

🧮 Google Search + Code Execution

Search ใช้หา Data

จากนั้น Code Execution สามารถช่วย

• คำนวณ
• วิเคราะห์ตัวเลข
• จัดข้อมูล
• สร้างสถิติ

ตัวอย่าง

ค้นหาข้อมูล
↓
Google Search
↓
ได้ตัวเลข
↓
Code Execution
↓
คำนวณ
↓
Answer

เหมาะกับ Data-driven Question ที่ต้องใช้ข้อมูลสดและการคำนวณ

🗺️ Google Search + Google Maps

สำหรับ Model ที่รองรับสามารถใช้ Search ร่วมกับ Maps

เหมาะกับ

• Travel
• Local Discovery
• Place Research
• Business Information

ตัวอย่าง

Search ข่าว/ข้อมูลเว็บ
+
Maps ข้อมูลสถานที่
↓
Gemini

แต่ควรตรวจ Pricing ของ Tool ทั้งสองแยกกัน

🛠️ Google Search + Function Calling

Gemini 3 Models ปัจจุบันรองรับการรวม Built-in Tool อย่าง Google Search กับ Custom Function Calling ใน Workflow ที่รองรับ

ตัวอย่าง User ถาม

หาราคาตลาดล่าสุดของสินค้า X
แล้วเช็ก Stock ในร้านของเรา

Gemini สามารถ

Google Search
↓
ราคาตลาด
↓
get_product_stock()
↓
Internal Database
↓
Final Answer

นี่เป็นพื้นฐานของ AI Agent ที่ใช้ทั้ง Public Data และ Private Data

⚠️ Built-in + Custom Tool ต้องตรวจสถานะ Feature

Tool Combination บางรูปแบบอาจมีสถานะ Preview

Production Application ควรตรวจ

• Model Support
• API Version
• Rate Limit
• Pricing
• Lifecycle

ก่อนพึ่ง Workflow นี้เป็น Critical Path

🧠 Prompt ที่ดีสำหรับ Search

ไม่ต้องบังคับ Gemini ให้ Search 10 ครั้ง

ควรอธิบาย Goal

ตัวอย่าง

ค้นหาข้อมูลล่าสุดเกี่ยวกับหัวข้อนี้
สรุปเฉพาะประเด็นที่ยืนยันได้
ถ้าหลายแหล่งให้ข้อมูลขัดแย้งกัน
ให้บอกความแตกต่าง

ช่วยให้ Model เข้าใจคุณภาพคำตอบที่ต้องการ

📅 ถ้าข้อมูลต้องเป็น “วันนี้” ให้ระบุชัด

ตัวอย่าง

ใช้ข้อมูลล่าสุด ณ วันนี้
และแยกเหตุการณ์ตามวันที่เกิดขึ้นจริง

เพราะบทความหรือ Search Result อาจถูกเผยแพร่วันนี้แต่พูดถึงเหตุการณ์เก่า

Application ข่าวควรแยก

Publication Date
vs
Event Date

เสมอ

🔍 ให้ Gemini เปรียบเทียบหลาย Source

Prompt เช่น

ค้นหาข้อมูลจากหลายแหล่ง
หากข้อมูลตรงกันให้สรุป
หากขัดแย้งกันให้แสดงความแตกต่าง

ช่วยลดการพึ่ง Source เดียว

แต่ไม่ได้รับประกันว่า Gemini จะค้นจำนวน Source ที่ตายตัว

หาก Requirement ต้องชัดมาก Application อาจต้องตรวจ Citation เพิ่มเอง

📰 Search เหมาะกับ News App

Architecture

User Topic
↓
Gemini + Google Search
↓
Current Sources
↓
Summarization
↓
Citations
↓
News Brief

แต่ควรเก็บ

• Publication Date
• Source
• Search Time
• Citation

เพื่อให้ User ตรวจสอบข้อมูลได้

🛍️ ใช้กับ Product Research

ตัวอย่าง

ค้นหาข้อมูลรุ่นล่าสุด
สเปก
ราคา
รีวิว
↓
Gemini
↓
Comparison

แต่ราคาและ Stock เปลี่ยนเร็ว

ควรระบุ Timestamp ของข้อมูลหาก Product ต้องการความแม่นยำสูง

🧑‍💼 ใช้กับ Business Research

ตัวอย่าง

Company
↓
Google Search
↓
Latest News
Funding
Product Launches
Leadership Changes
↓
Gemini Summary

เหมาะกับ

• Sales Research
• Competitive Intelligence
• Investment Research

แต่ Financial Decision ควรตรวจ Source โดยตรงเพิ่มเติม

🧪 Search กับ Structured Output

สามารถใช้ Search แล้วให้ Final Output เป็น Structured Data ใน Workflow ที่รองรับ

ตัวอย่าง

{
  "headline": "...",
  "summary": "...",
  "event_date": "...",
  "sources": []
}

เหมาะกับ Data Pipeline

แต่ Source/Citation Metadata ที่ API คืนควรถูกจัดการตาม Metadata จริง ไม่ควรให้โมเดลแต่ง URL ขึ้นเอง

⚠️ อย่าสั่ง Gemini สร้าง Citation เองใน Text หากมี Metadata

ถ้า API มี

annotations

ควรใช้ Citation Metadata ที่ API คืน

แทนให้ Prompt สั่ง

กรุณาเขียน URL ของแหล่งข้อมูลเอง

เพราะ URL ที่โมเดลสร้างใน Free-form Text อาจผิดได้

Metadata จาก Search Grounding เป็นวิธีที่เหมาะกว่า

🔐 Search ไม่ควรใช้ค้นข้อมูล Private

Google Search Tool ถูกออกแบบสำหรับ Web Search

ถ้าข้อมูลอยู่ใน

• Internal Database
• Private CRM
• Company Drive
• Private API

ควรใช้

• Function Calling
• File Search
• Private Retrieval

ตาม Architecture

ไม่ควรคาดหวัง Google Search ให้เข้าถึงข้อมูล Private ที่ไม่ได้อยู่บนเว็บ

🌐 Search กับ Public Web เท่านั้นหรือไม่

Grounding with Google Search เชื่อมโมเดลกับข้อมูลเว็บที่ Search เข้าถึงได้

หากข้อมูลอยู่หลัง

Login
Paywall
Private Session

Application ไม่ควรสมมติว่าจะดึงรายละเอียดทั้งหมดได้

หาก Developer มี URL หรือข้อมูลที่ได้รับสิทธิ์เอง ต้องเลือก Integration ที่เหมาะสมตาม Source นั้น

🔒 ระวังข้อมูลที่ส่งเข้า Search Workflow

ก่อนส่ง User Prompt ที่มี

• Customer Data
• Secret
• Password
• API Key
• Internal Confidential Information

เข้า AI Workflow ต้องตรวจ Data Policy ของ Application

ไม่ควรส่ง Secret ไปกับ Prompt เพียงเพื่อให้ Search ทำงาน

หลักคือ

ส่งเฉพาะข้อมูลที่จำเป็น

🛡️ Prompt Injection จากเว็บ

เมื่อ AI อ่านข้อมูลจากเว็บ เนื้อหาเว็บเป็น External Input

Application ไม่ควรถือว่า

ข้อมูลจากเว็บไซต์
=
Instruction ที่เชื่อถือได้

เว็บไซต์อาจมีข้อความพยายามชักนำโมเดล

ระบบ Agent ที่ใช้ Search ร่วมกับ Write Function จึงต้องมี Security Boundary ที่ Backend

โดยเฉพาะ Tool เช่น

• Send Email
• Delete
• Payment
• Update Database

🚨 Search + Write Action ต้องระวังมาก

ไม่ควร

Search Web
↓
อ่านข้อความเว็บ
↓
Gemini ตัดสินใจ
↓
โอนเงินทันที

ควรเป็น

Search
↓
Gemini Recommendation
↓
Validation
↓
User Confirmation
↓
Backend Permission
↓
Action

Public Web Content ไม่ควรสามารถควบคุม Critical Action ได้โดยตรง

📊 Logging Search อย่างไร

ควรเก็บข้อมูลที่จำเป็น เช่น

timestamp
model
search_used
search_query_count
latency
status

และอาจเก็บ Query หาก Privacy Policy อนุญาต

ไม่ควร Log

• API Key
• Password
• Secret

📈 Dashboard ที่ควรมี

สำหรับระบบ Search-heavy สามารถดู

Search Requests / day
Queries / User Prompt
Search Cost
Search Latency
Citation Count
Error Rate

ถ้า Queries ต่อ Prompt เพิ่มจาก

1.2
→
4.8

Cost อาจเพิ่มหลายเท่าแม้จำนวน User ไม่เปลี่ยน

🚦 จำกัด Search ต่อ User

Public AI Search App ควรมี Product Quota เช่น

Free User
→ X searches/day

Paid User
→ Y searches/day

ตาม Business Model

ไม่ควรให้ User ส่ง Search Prompt แบบ Unlimited หากเจ้าของ Application เป็นผู้รับ Cost

🔁 Cache Search Result ได้ไหม

ขึ้นอยู่กับ Use Case และ Terms ของข้อมูลที่เกี่ยวข้อง

Application สามารถพิจารณา Cache Final Result ของตัวเองสำหรับคำถามที่ไม่ต้อง Real-time ทุกครั้ง

เช่น

คำถามเดียวกัน
มี User ถาม 1,000 คน

อาจไม่จำเป็นต้องสร้าง Gemini Search ใหม่ 1,000 ครั้งหาก Business Requirement อนุญาต

แต่ข้อมูลสดมากควรกำหนด TTL ให้สั้นตามความเหมาะสม

🕒 Freshness Strategy

ตัวอย่าง

ข่าวด่วน

TTL = นาที

Product Spec

TTL = ชั่วโมง/วัน

Historical Fact

อาจ Cache ได้นานกว่า

ไม่มี TTL เดียวเหมาะกับทุกข้อมูล

🔄 Search Fallback

ถ้า Google Search Tool เกิด Error

Application ควรกำหนดว่าจะ

• Retry
• ตอบว่า Search ไม่พร้อม
• ตอบจาก Model Knowledge พร้อม Disclaimer
• ไม่ตอบ

ตาม Requirement

ไม่ควรเงียบแล้วทำเหมือนข้อมูลยังเป็น Real-time

⚠️ อย่าหลอก User ว่าข้อมูลสดถ้า Search ไม่ได้ทำงาน

ถ้า Application บอก

ข้อมูลล่าสุดวันนี้

แต่ Search Tool Fail แล้วระบบใช้ Model Knowledge แทนโดยไม่แจ้ง

อาจทำให้ User เข้าใจผิด

ควรให้ Application รู้ว่า

Search Used?
Search Failed?

จาก Interaction Steps

🧪 วิธีตรวจว่า Search ถูกใช้จริงหรือไม่

ดูว่า interaction.steps มี

google_search_call

หรือไม่

Python

used_search = any(
    step.type == "google_search_call"
    for step in interaction.steps
)

print("Used Google Search:", used_search)

มีประโยชน์กับ Application ที่ต้องการรับประกันว่า Answer บางประเภทผ่าน Search

📋 ถ้าต้องบังคับให้ข้อมูลผ่าน Search ทุกครั้งทำอย่างไร

แทนการเชื่อเพียงว่ามี Tool Available

Application สามารถ

1. เปิด Google Search Tool
2. ส่ง Prompt ที่ชัดว่าต้องใช้ข้อมูลล่าสุด
3. ตรวจ google_search_call
4. ถ้าไม่มี Search Call ให้ตัดสินใจ Retry หรือไม่รับคำตอบตาม Business Rule

เหมาะกับระบบที่ Requirement ระบุชัดว่า

ข้อมูลต้องมาจากเว็บปัจจุบัน

🧠 Search ไม่ได้แทน Database

ถ้าต้องการข้อมูล

Order 12345

ของระบบตัวเอง

ใช้ Function Calling

ไม่ใช่ Google Search

ถ้าต้องการ

ราคาตลาดของสินค้า

อาจใช้ Google Search

Agent ที่ดีเลือก Data Source ให้ตรงกับข้อมูล

📋 ตารางเลือก Tool

ต้องการข้อมูล	Tool ที่เหมาะ
ข่าวล่าสุด	Google Search
ข้อมูลเว็บทั่วไป	Google Search
หน้าเว็บที่กำหนด	URL Context
สถานที่/ร้าน	Google Maps
ข้อมูลใน Database	Function Calling
ไฟล์ภายใน	File Search / File Input
คำนวณ	Code Execution
Action ในระบบ	Function Calling

การเลือก Tool ถูกช่วยทั้ง Accuracy และ Cost

🔧 Model ไหนรองรับ Google Search

โมเดลปัจจุบันที่รองรับมีหลายรุ่น เช่น

Gemini 3.7 Flash
Gemini 3.6 Flash
Gemini 3.5 Flash
Gemini 3.5 Flash-Lite
Gemini 3.1 Pro Preview
Gemini 2.5 Pro
Gemini 2.5 Flash
Gemini 2.5 Flash-Lite

และรุ่นอื่นตาม Model Capability

สำหรับ Project ใหม่ควรตรวจ Model List ปัจจุบันก่อนเลือก

⚠️ อย่าใช้ google_search_retrieval กับ Model ใหม่

Tutorial เก่าอาจใช้ Tool

google_search_retrieval

Google ระบุว่ารุ่นเก่าเคยใช้ชื่อดังกล่าว

แต่สำหรับ Model ปัจจุบันควรใช้

google_search

ดังนั้น Code ใหม่

{
  "type": "google_search"
}

เป็นรูปแบบที่ควรใช้

🚫 Copy Tutorial เก่าอาจ Error

หาก Tutorial ใช้

• SDK เก่า
• Model เก่า
• google_search_retrieval
• Response Metadata รูปแบบเก่า

Code อาจไม่ตรงกับ Interactions API ปัจจุบัน

ควรตรวจ

SDK
Model ID
Tool Type
Response Structure

ทุกครั้ง

❌ Error 400

ถ้า Search Request คืน

400

ตรวจ

• Tool Structure
• Model Support
• API Version
• Request JSON

โดยเฉพาะเมื่อ Copy Code เก่า

⛔ Error 403

ตรวจ

• API Credential
• Project
• Billing/Tier
• Feature Availability

ตาม Error Message

🚨 Error 429

Search-enabled Request ยังอยู่ภายใต้ Rate Limit ของ Gemini API

และยังมี Usage ของ Search Tool

ถ้า Traffic สูงอาจชน

RPM
TPM
Spend Rate

ตาม Project

ควรใช้

• Rate Limit
• Queue
• Backoff

เหมือน Gemini API Request อื่น

🔁 Retry Search Request อย่างไร

หาก Error ชั่วคราว ใช้

Exponential Backoff
+
Maximum Attempts

ไม่ควร Retry แบบไม่มี Limit

เพราะ Request ที่ Retry อาจสร้าง Search Query และ Usage เพิ่มในสถานการณ์ที่ Request ทำงานบางส่วนแล้ว

Application ต้องออกแบบ Retry ตาม Error Type

📊 Quality Evaluation สำหรับ Search

อย่าวัดเพียงว่า

มี Citation หรือไม่

ควรวัด

Factual Accuracy

ข้อมูลถูกหรือไม่

Freshness

ข้อมูลล่าสุดจริงหรือไม่

Citation Correctness

Source สนับสนุน Claim หรือไม่

Source Quality

แหล่งข้อมูลน่าเชื่อถือหรือไม่

Latency

ช้าแค่ไหน

Search Cost

กี่ Query ต่อ Task

นี่เป็น Evaluation ที่เหมาะกับ Search Application

🧪 Test Case ที่ควรมี

Current Event

ข้อมูลวันนี้

Historical Question

ไม่ควร Search เกินจำเป็น

Ambiguous Query

ต้องตีความ

Conflicting Sources

มีข้อมูลไม่ตรงกัน

Thai Query

ภาษาไทย

English Query

ภาษาอังกฤษ

No Search Needed

ทดสอบว่า Model ไม่ Search เกินจำเป็น

Google Search Grounding รองรับภาษาที่ Gemini รองรับ จึงเหมาะกับ Application หลายภาษา

🇹🇭 ใช้ Prompt ภาษาไทยได้ไหม

ได้

เช่น

interaction = client.interactions.create(
    model="gemini-3.7-flash",
    input=(
        "ค้นหาข่าวเทคโนโลยีล่าสุด "
        "และสรุปเป็นภาษาไทย 5 ข้อ"
    ),
    tools=[
        {
            "type": "google_search",
        }
    ],
)

ไม่จำเป็นต้องแปล Prompt เป็นอังกฤษก่อน

Gemini สามารถสร้าง Search Workflow ตามคำถามภาษาไทยได้

🌍 ถ้าต้องการ Source ต่างประเทศ

ระบุ Requirement ใน Prompt เช่น

ค้นหาข้อมูลจากแหล่งต่างประเทศด้วย
และสรุปเป็นภาษาไทย

หรือ

ให้ความสำคัญกับข้อมูลจากแหล่งทางการ
เมื่อมีแหล่งดังกล่าว

แต่ Application ยังควรตรวจ Citation จริง ไม่ใช่เชื่อ Prompt อย่างเดียว

🏛️ ให้ความสำคัญกับ Official Source

สำหรับข้อมูล เช่น

• กฎหมาย
• ราคา Official
• Product Spec
• Government Announcement
• Company Announcement

Prompt สามารถระบุ

ให้ตรวจแหล่งข้อมูลทางการก่อน
และใช้แหล่งข่าวอื่นเพื่อยืนยันเมื่อจำเป็น

ช่วยให้ Workflow มุ่งหา Source ที่มี Authority มากขึ้น

🔐 อย่าใช้ Search เพื่อค้น API Key หรือข้อมูลลับ

ไม่ควรสร้าง Feature ที่พยายามค้นหา

• Password
• Credential
• Personal Secret

บนเว็บ

Search Tool ควรใช้กับข้อมูลสาธารณะที่เหมาะสมกับ Use Case และนโยบายของ Application

🛡️ Citation UI ควรออกแบบให้ User ตรวจได้

ตัวอย่าง

Answer

แหล่งอ้างอิง:
• Source A
• Source B
• Source C

หรือ Inline Citation

บริษัทประกาศผลิตภัณฑ์ใหม่ [1]

เมื่อ User กด Citation ควรเข้าถึง Source ที่ API คืนตามข้อกำหนดที่เกี่ยวข้อง

📑 อย่าลบ Source Metadata หาก Product ต้องการความน่าเชื่อถือ

หาก Backend รับ

Answer
+
Citations

แล้ว Frontend แสดงเพียง Answer

Application จะเสียจุดเด่นสำคัญของ Search Grounding

สำหรับ Research หรือ News Product ควรเก็บ Citation Data ไปถึง UI

📦 Structure Response ที่เหมาะกับ Backend

Backend ของเราอาจแปลง Response เป็น

{
  "answer": "...",
  "used_search": true,
  "sources": [
    {
      "title": "...",
      "url": "..."
    }
  ]
}

จากนั้น Frontend ไม่จำเป็นต้องรู้ Structure ภายในทั้งหมดของ Gemini API

ช่วยแยก External API Contract ออกจาก Internal App Contract

🧱 สร้าง Search Service แยก

Project ใหญ่ควรมี

Application
↓
SearchService
↓
Gemini API

SearchService จัดการ

• Model
• Search Tool
• Citation Parsing
• Error
• Logging
• Cost Metrics

ไม่ควรเขียน Search Parsing ซ้ำในทุก Endpoint

🔧 ตัวอย่าง Function สำหรับ Python

from google import genai

client = genai.Client()


def search_with_gemini(
    question: str,
) -> str:
    interaction = (
        client.interactions.create(
            model="gemini-3.7-flash",
            input=question,
            tools=[
                {
                    "type":
                        "google_search",
                }
            ],
        )
    )

    return interaction.output_text

ต่อไปสามารถขยาย Function ให้คืน Citation ด้วย

🔐 Input Validation

Public Search Endpoint ควรตรวจ

• Empty Input
• Maximum Length
• User Authentication
• Rate Limit

ตัวอย่าง

if not question.strip():
    raise ValueError(
        "Question is required"
    )

ไม่ควรส่ง Request ที่ไม่มีประโยชน์ไปสร้าง Search Usage

💸 จำกัด Output เพื่อควบคุม Cost

ถ้าต้องการ News Brief

Prompt ควรบอก

สรุป 5 ข้อ
แต่ละข้อไม่เกิน 2 ประโยค

แทน

อธิบายทุกอย่างอย่างละเอียดที่สุด

หาก Business Requirement ไม่ต้องการคำตอบยาว

ช่วยลด Output Token

🧭 Search Query Count ควรมี Budget

ระบบที่ Cost-sensitive สามารถตั้ง Internal Policy เช่น

Search-heavy task
→ Allowed

Simple task
→ Search disabled

หรือแยก Product Tier

Free
→ Search จำกัด

Pro
→ Search มากขึ้น

ตาม Business Model

📈 Search Analytics ช่วยปรับ Product

ตัวอย่าง Metrics

Most searched topics
Queries per interaction
Average citations
Search failure rate
Cost per successful answer

ช่วยรู้ว่า User ใช้ Search Feature กับอะไรจริง

และควรลงทุน Optimize ตรงไหน

🚫 15 ข้อผิดพลาดเมื่อเชื่อม Gemini API กับ Google Search

❶ ใช้ Search ทุก Prompt

เพิ่ม Cost/Latency โดยไม่จำเป็น

❷ ใช้ google_search_retrieval กับ Model ใหม่

ควรใช้ google_search

❸ ไม่แสดง Citation

เสียประโยชน์ของ Grounding

❹ ให้โมเดลแต่ง URL เอง

ควรใช้ annotations

❺ คิดว่า 1 Prompt = 1 Search

หนึ่ง Prompt อาจสร้างหลาย Query

❻ คิดค่า Search จากจำนวน User Prompt อย่างเดียว

ต้องดู Query Count

❼ ไม่ตรวจ Source Quality

Citation ไม่ได้แปลว่าถูกเสมอ

❽ ไม่ตรวจ Event Date

ข่าวใหม่อาจพูดถึงเหตุการณ์เก่า

❾ ใช้ Search กับ Private Database

ควรใช้ Function Calling

❿ ใช้ข้อมูลเว็บควบคุม Write Action โดยตรง

เสี่ยง Prompt Injection

⓫ ไม่ Monitor Cost

Search Tool มีค่าใช้จ่ายของตัวเอง

⓬ ไม่ตรวจว่า Search ถูกเรียกจริง

คำตอบอาจไม่ได้ Grounded

⓭ Copy Tutorial เก่า

Tool/API Structure อาจเปลี่ยน

⓮ ไม่มี Rate Limit ฝั่ง Application

เสี่ยง Abuse

⓯ ไม่มี Fallback Policy

User ไม่รู้ว่า Search ล้มเหลว

🪜 วิธีเชื่อม Gemini API กับ Google Search แบบ Step by Step

❶ สร้าง Gemini API Key

เก็บ Server-side

❷ ติดตั้ง SDK

Python google-genai หรือ JavaScript @google/genai

❸ สร้าง Client

เชื่อม Gemini API

❹ เลือก Model ที่รองรับ Search

เช่น gemini-3.7-flash

❺ เพิ่ม Tool

{
  "type": "google_search"
}

❻ ส่ง Prompt

เน้นข้อมูลที่ต้องการ

❼ อ่าน output_text

รับ Final Answer

❽ ตรวจ google_search_call

ดูว่า Search ถูกใช้หรือไม่

❾ อ่าน annotations

ดึง Citation

❿ ส่ง Citation ไป Frontend

ให้ User ตรวจ Source

⓫ Monitor Search Query Count

ควบคุม Cost

⓬ เพิ่ม Application Rate Limit

ป้องกัน Abuse

⓭ ทำ Evaluation

ตรวจ Accuracy และ Freshness

⓮ เพิ่ม Tool อื่นเมื่อจำเป็น

เช่น URL Context หรือ Function Calling

สำหรับระบบค้นข้อมูลของ comsiam การเก็บทั้ง Answer และ Citation Metadata ตั้งแต่ Backend จะทำให้สามารถสร้าง Search Experience ที่ตรวจสอบแหล่งข้อมูลได้ดีกว่าการเก็บเฉพาะข้อความจาก output_text

✅ Checklist ก่อนใช้ Google Search ใน Production

Model รองรับ Search

ใช้ google_search

SDK ปัจจุบัน

API Key อยู่ Server-side

Search ใช้เฉพาะงานที่จำเป็น

Citation ถูก Parse

Search Usage ถูก Monitor

Search Query Count ถูกเก็บ

Pricing ถูกคำนวณ

User Rate Limit มี

Error Handling มี

Retry มีขอบเขต

Source Quality มี Evaluation

Prompt Injection ถูกพิจารณา

Critical Action ไม่พึ่งข้อมูลเว็บโดยตรง

Search Status แสดงได้

หากครบชุดนี้ Application จะพร้อมกว่าเพียงเปิด Tool แล้วนำคำตอบไปแสดงทันที

💡 Prompt ตัวอย่างสำหรับ Google Search

ข่าวล่าสุด

ค้นหาข่าว AI ล่าสุด
สรุป 5 เหตุการณ์สำคัญ
ระบุวันที่เกิดเหตุการณ์เมื่อหาได้
และใช้ข้อมูลที่ตรวจสอบได้

Product Research

ค้นหาข้อมูลล่าสุดของสินค้านี้
สรุปสเปก ราคาโดยประมาณ
และการเปลี่ยนแปลงจากรุ่นก่อน

Company Research

ค้นหาข่าวล่าสุดของบริษัทนี้
สรุป Product, Business
และเหตุการณ์สำคัญในช่วงล่าสุด

Fact Check

ตรวจสอบข้อความนี้จากข้อมูลเว็บปัจจุบัน
ถ้าแหล่งข้อมูลขัดแย้งกัน
ให้บอกทั้งสองฝ่าย

Research

ค้นข้อมูลหัวข้อนี้จากหลายแหล่ง
สรุปข้อเท็จจริงหลัก
และแยกสิ่งที่ยังไม่สามารถยืนยันได้

❓ คำถามที่พบบ่อย

Gemini API เชื่อม Google Search ได้ไหม

ได้ โดยเปิด Tool google_search ใน Gemini API Request โมเดลจะสามารถสร้าง Search Query ค้นเว็บ ประมวลผลข้อมูล และสร้าง Grounded Response พร้อม Citation

Python ใช้ Google Search กับ Gemini API อย่างไร

เพิ่ม tools=[{"type": "google_search"}] ใน client.interactions.create() แล้วอ่านคำตอบจาก interaction.output_text

Gemini สร้าง Search Query เองหรือไม่

ได้ เมื่อเปิด Google Search Tool โมเดลจะวิเคราะห์ Prompt และสามารถสร้างหนึ่งหรือหลาย Search Queries โดยอัตโนมัติตามความจำเป็น

Gemini API คืนแหล่งอ้างอิงจาก Google Search ได้ไหม

ได้ Citation ปัจจุบันอยู่ใน annotations ของ Text Content Block โดย url_citation มีข้อมูล เช่น URL, Title, start_index และ end_index

Google Search ใน Gemini API เสียเงินไหม

สำหรับ Gemini 3.x Paid Tier Pricing ปัจจุบันมี Search Allowance 5,000 Requests ต่อเดือนแบบแชร์ระหว่าง Gemini 3.x Models ที่เกี่ยวข้อง จากนั้นคิด $14 ต่อ 1,000 Search Requests และหนึ่ง User Prompt สามารถสร้าง Search Query มากกว่าหนึ่งรายการได้

ควรใช้ google_search หรือ google_search_retrieval

สำหรับ Model ปัจจุบัน Google ระบุให้ใช้ google_search ส่วน google_search_retrieval เป็นรูปแบบของโมเดลรุ่นเก่า

🎯 สรุป

วิธีเชื่อม Gemini API กับ Google Search ในปัจจุบันทำได้ง่ายโดยเพิ่ม Tool {"type": "google_search"} เข้า Gemini API Request ผ่าน Interactions API จากนั้น Gemini จะจัดการตั้งแต่การวิเคราะห์ Prompt, สร้าง Search Query, ค้น Google, ประมวลผลข้อมูล และสร้างคำตอบที่ Grounded จากข้อมูลเว็บ

gemini-3.7-flash เป็นหนึ่งใน Stable Model ปัจจุบันที่รองรับ Google Search และใช้งานได้ผ่าน Python SDK google-genai, JavaScript SDK @google/genai รวมถึง REST API

นอกจาก output_text แล้ว Developer ควรอ่าน interaction.steps เพราะจะมี google_search_call, google_search_result และ model_output ซึ่งช่วยให้ตรวจได้ว่า Gemini Search อะไรและได้ Citation ใดกลับมา

Citation สำคัญมากสำหรับ Search Application โดย url_citation สามารถระบุ Source URL และช่วงของข้อความที่ Source สนับสนุน ทำให้สร้าง Inline Citation หรือ Source List ใน Frontend ได้

สำหรับ Gemini 3.x ค่า Search ปัจจุบันคิดตาม Search Query ที่ Gemini Execute ไม่ใช่จำนวน User Prompt ดังนั้นหนึ่ง Prompt ที่สร้างหลาย Queries สามารถเกิด Tool Usage หลายครั้งได้ จึงควรเก็บ Search Query Count และ Cost ต่อ Successful Answer

ไม่ควรเปิด Search ทุก Request โดยอัตโนมัติถ้างานไม่ต้องการข้อมูลสด เพราะจะเพิ่มทั้ง Latency และ Cost และไม่ควรใช้ Google Search แทน Private Database หรือ Internal API ซึ่ง Function Calling หรือ Retrieval เหมาะกว่า

แนวทางของ comsiam คือใช้ Google Search Grounding เฉพาะ Search Intent ที่ต้องการข้อมูลปัจจุบัน พร้อมเก็บ Citation, Query Count, Latency และ Cost แยกจาก Gemini Text Generation เพื่อให้สามารถควบคุมทั้งความน่าเชื่อถือและต้นทุนของระบบได้ในระยะยาว