今天我們要將 Gemini 接進我的 Workflow

1. 建立 Gemini API Key
   首先，要先到 Google AI Studio 申請一個 API key。獲得的 API key 要放在我們的 .env 檔裡面，API key 千萬不能放到 Github 上，要保護好他不能外流。如果有使用 git 的話，.env檔一定要加進.gitignore裡

2. 安裝需要的 Python 套件
   我們需要安裝官方的 Gemini SDK，以及用來讀取 .env 的套件。
   請打開終端機，確保你在虛擬環境中，然後執行：

pip install google-generativeai python-dotenv

3. 改寫 FastAPI 程式碼 (main.py)
   接者要修改 main.py，把 Gemini 接進去。請將 main.py 的內容更新為以下程式碼：

import os
from fastapi import FastAPI, HTTPException
from pydantic import BaseModel
from dotenv import load_dotenv
import google.generativeai as genai
app = FastAPI()

load_dotenv()

GOOGLE_API_KEY = os.getenv("GEMINI_API_KEY")
if not GOOGLE_API_KEY:
    raise ValueError("Can't find GEMINI_API_KEY")

genai.configure(api_key=GOOGLE_API_KEY)

model = genai.GenerativeModel('gemini-3.5-flash-lite')

app = FastAPI()

class TextRequest(BaseModel):
    text: str

@app.get("/health")
def health():
    return {"status": "ok"}

@app.post("/summarize")
def summarize(data: TextRequest):
    try:
        prompt = f"""
        你是一個專業的知識管家。請幫我將以下文字進行摘要，並提取出核心重點。
        
        待處理文字：
        {data.text}
        """
        
        response = model.generate_content(prompt)
        
        return {
            "received_text": data.text,
            "summary": response.text,
            "message": "Gemini finish summary"
        }
    except Exception as e:
        raise HTTPException(status_code=500, detail=str(e))

這邊使用的是gemini-3.5-flash-lite模型做測試。可以依照自己的需求更改模型

4. 測試
   再次將 Fast API 與 n8n 跑起來，在 Edit Fields 的 text 輸入一段文字，點擊畫面上的 "Execute Workflow"，接著查看 HTTP Request 節點的 Output。成功的話會看到 Gemini 產生的 summary。
   
   這樣就代表有接成功了，後面幾天再來處理輸入輸出的格式與模式。