Configurando Firebase AI Logic en Android para usar Modelos de Gemini

Portada del blog

¿Qué dispositivo usamos casi todo el tiempo? Nuestro celular casi que seguro. Si quisiéramos desarrollar apps para dispositivos móviles, nos habremos preguntado cómo poder integrarle Inteligencia Artificial (IA) a nuestros proyectos de alguna forma debido al creciente auge de esta.

Se han empezado a hacer algunos avances con Gemini Nano y Gemma 4 como IA on-device. Sin embargo, Gemma 4 es un lanzamiento reciente que aún no tiene la madurez suficiente para ser práctica en la mayoría de casos, debido a limitaciones de hardware y capacidades del mismo modelo. En estos escenarios es dónde brilla usar modelos en la nube como Gemini, los cuáles poseen una mayor calidad en sus respuestas, pueden generar contenido multimodal y pueden extender sus funciones por medio de integraciones con terceros.

Esta temática quiero abordarla en dos posts diferentes: este primero explicará cómo puedes configurar Firebase AI Logic con una app Android; y haré otro post con dos demos que presenté durante el marco de Build With AI 2026 en el Chapter de GDG Cali.

¿Qué es Firebase AI Logic?

Firebase presenta a Firebase AI Logic como un servicio enfocado en ofrecer llamados a la API de Gemini para aplicaciones del lado del cliente, ya sea Android, iOS, web e incluso experiencias desarrolladas con Unity.

Firebase es una plataforma que agiliza el desarrollo de aplicaciones a los desarrolladores que no quieren construir un servidor backend para realizar sus MVPs o pruebas de concepto, ofreciendo una gran gama de servicios como lo son base de datos en tiempo real, almacenamiento, autenticación, etc.

Con respecto al tema de los costos, Firebase AI Logic se puede utilizar tanto con el plan Spark como con el plan Blaze de Firebase, diferenciándose por el acceso a modelos más avanzados y cobros por consumo en este último. Si quieres empezar a experimentar con IA en tus apps, el plan Spark ofrece una capa gratuita generosa para la mayoría de servicios de Firebase.

¿Cómo puedo empezar a usar Firebase AI Logic?

Lo primero será acceder a la consola de Firebase y crear un nuevo proyecto usando una cuenta personal de Google preferiblemente. Durante la creación, Firebase te preguntará si deseas habilitar la asistencia de IA dentro de la plataforma y si quieres activar Google Analytics — ambas opciones son opcionales y no afectan el funcionamiento de AI Logic.

Al presionar el botón de “Continuar”, nos aparecerá la pestaña principal de Firebase y un menú desplegable en el costado inferior izquierdo. Desde aquí se podrá acceder y controlar todos los servicios de la plataforma. Para ir a AI Logic, buscamos la sección “Servicios IA”, despliégala y selecciona la opción “AI Logic”.

Navegación dentro del menú principal de Firebase

Veras una pestaña de bienvenida a la sección de Firebase AI Logic junto a un botón de “comenzar”. Al presionarlo, aparecerá un modal dónde deberás seleccionar el proveedor de Gemini API que deseas para tu proyecto: Gemini Developer API o Vertex AI Gemini API.

Proveedores de Gemini API

• Gemini Developer API: funciona desde el plan gratuito Spark, tiene una cuota generosa sin costo y te permite experimentar sin necesidad de vincular una cuenta de facturación, perfecto para empezar a conocer este servicio. No tiene acceso a los modelos de generación de imágenes a la fecha de publicación de este post.
• Vertex AI Gemini API: orientada a producción y escala empresarial, permite usar los modelos de Gemini más avanzados (incluyendo la generación de imágenes, videos y audio ). Requiere obligatoriamente el plan de pago Blaze para activarse y se cobrará por los tokens de entrada y salida que utilices.

NOTA: Para más información sobre los precios y qué modelos de Gemini puedes usar en cada plan, puedes revisar este enlace.

Dependiendo del proveedor que escojas, deberás seguir una serie de pasos para para activar dicho proveedor. Sigue las instrucciones en la plataforma según sea tu caso.

Configuración del SDK de Firebase AI Logic en Android

Una vez llegues a la opción “Agrega el SDK de Firebase AI Logic” después de configurar el proveedor que seleccionaste, deberemos dirigirnos a nuestro proyecto de Android Studio. Firebase muestra un formulario con dos campos — el nombre del paquete (obligatorio) y el sobrenombre de la app (opcional). El nombre del paquete corresponde al valor de applicationId en el archivo build.gradle.kts de nivel de app. Puedes verificarlo abriendo ese archivo — encontrarás que namespace y applicationId comparten el mismo valor, que será el identificador que debes ingresar.

Ubicación del atributo applicationId en el archivo build.gradle.kts

Al presionar “Registrar app”, se nos dará la opción de descargar el archivo google-services.json, el cuál debemos moverlo al directorio raíz del módulo app de nuestro proyecto. Para ubicarlo correctamente en Android Studio, cambia la vista del explorador de archivos a Project (en lugar de Android), navega hasta la carpeta /app y coloca el archivo allí, al mismo nivel que el build.gradle.kts del módulo.

Posterior a esto, debemos dirigirnos al archivo gradle/libs.versions.toml y agregar las siguientes líneas de código con las dependencias de Firebase y Google Services como se ve abajo:

// libs.versions.toml

[versions]
google-services = "4.4.4"
firebase-bom = "34.11.0"

[libraries]
firebase-bom = { module = "com.google.firebase:firebase-bom", version.ref = "firebase-bom" }
firebase-ai = { module = "com.google.firebase:firebase-ai" }

[plugins]
google-services = { id = "com.google.gms.google-services", version.ref = "google-services" }

Procederemos a buscar el archivo build.gradle.kts a nivel de proyecto y colocar la línea alias(libs.plugins.google.services) apply false dentro del bloque de plugins.

En el archivo app/build.gradle.kts colocaremos en su bloque de plugins alias(libs.plugins.google.services) y dentro del bloque dependencies, las librerías de Firebase a continuación

// Google Services - Firebase AI Logic

implementation(platform(libs.firebase.bom))
implementation(libs.firebase.ai)

Gracias al usar platform(libs.firebase.bom), no debemos preocuparnos de la compatibilidad entre las versiones de todos los paquetes que ofrece Firebase, ya que esta implementación se encargará de la compatibilidad de los mismos.

Cerca a la recta final, debemos ir a la pestaña de configuración de nuestro proyecto de Firebase AI Logic y habilitar las APIs obligatorias de Gemini Developer si usamos el plan Spark o de Vertex AI Gemini API si usamos el plan Blaze. Para ambos casos, recomiendo activar la opción de IA monitoring, pues te permitirá ver dentro de Firebase cuánto consume cada petición que se le haga al servicio, qué contenido tiene, entre otros datos relevantes.

Después de toda esta artesanía, ya podremos empezar a integrar IA generativa en nuestras apps de Android. Puesto que este proceso de configuración es demasiado extenso, decidí separar mi post inicial en dos, siendo este el primero con todo el paso a paso de exploración de la herramienta. El siguiente post contendrá demos usando las dos APIs, permitiendo enviar imágenes y texto al modelo e incluso lograr que este genere imágenes de acuerdo al prompt que hayamos ingresado. De momento, puedes revisar este repositorio con mi código presentado en el workshop del Build With AI 2026.

Si deseas investigar más a profundizar, puedes revisar la guía oficial de Firebase AI Logic. Pronto volveré con más proyectos sobre Android e IA :)