试用 Vertex AI Gemini API

本页介绍如何使用 Google Cloud 控制台、编程语言 SDK 或 REST API 快速开始向 Vertex AI Gemini API 发送请求。

Google Cloud 新手

在 Google Cloud 中进行设置

如果您是 Google Cloud 新手，请创建一个账号来评估我们的产品在实际场景中的表现。新客户还可获享 300 美元赠金，用于运行、测试和部署工作负载。设置过程只需三个简短的步骤：

使用以下按钮创建账号。操作完成后，请返回此页面完成此新手教程。如需使用此网站上提供的所有功能，请使用您的账号登录。

创建账号

如需详细了解如何在 Google Cloud 上进行设置，请参阅在 Google Cloud 上进行设置。

向 Vertex AI Gemini API 发送请求

如需查看向 Vertex AI Gemini API 发送请求的说明，请选择以下标签页之一：

Python

1. 执行以下操作，选择 Google Cloud 项目：

   1. 在 Google Cloud 控制台中，转到信息中心页面。

      转到“信息中心”页面

   2. 点击页面顶部的项目选择列表。 在随即显示的选择资源窗口中，选择一个项目。

   3. 记下项目信息部分中显示的项目 ID。您需要项目 ID 才能执行后续步骤。

2. In the Google Cloud console, activate Cloud Shell.

   Activate Cloud Shell

   At the bottom of the Google Cloud console, a Cloud Shell session starts and displays a command-line prompt. Cloud Shell is a shell environment with the Google Cloud CLI already installed and with values already set for your current project. It can take a few seconds for the session to initialize.

3. 在 Cloud Shell 中，通过运行以下命令安装或更新 Python 版 Vertex AI SDK：

   pip3 install "google-cloud-aiplatform>=1.38"

4. 发送提示请求。将 PROJECT_ID 替换为您的 Google Cloud 项目的 ID。

   # TODO(developer): Vertex AI SDK - uncomment below & run
   # pip3 install --upgrade --user google-cloud-aiplatform
   # gcloud auth application-default login
   
   import vertexai
   from vertexai.generative_models import GenerativeModel, Part
   
   # Initialize Vertex AI
   vertexai.init(project=project_id, location=location)
   # Load the model
   multimodal_model = GenerativeModel(model_name="gemini-1.0-pro-vision-001")
   # Query the model
   response = multimodal_model.generate_content(
       [
           # Add an example image
           Part.from_uri(
               "gs://generativeai-downloads/images/scones.jpg", mime_type="image/jpeg"
           ),
           # Add an example query
           "what is shown in this image?",
       ]
   )
   print(response)
   return response.text
   
   

   如需详细了解如何安装、更新和使用 Python 版 Vertex AI SDK，请参阅安装 Python 版 Vertex AI SDK 和 Python 版 Vertex AI SDK API 参考文档。

Node.js

1. 执行以下操作，选择 Google Cloud 项目：

   1. 在 Google Cloud 控制台中，转到信息中心页面。

      转到“信息中心”页面

   2. 点击页面顶部的项目选择列表。 在随即显示的选择资源窗口中，选择一个项目。

   3. 记下项目信息部分中显示的项目 ID。您需要项目 ID 才能执行后续步骤。

2. In the Google Cloud console, activate Cloud Shell.

   Activate Cloud Shell

   At the bottom of the Google Cloud console, a Cloud Shell session starts and displays a command-line prompt. Cloud Shell is a shell environment with the Google Cloud CLI already installed and with values already set for your current project. It can take a few seconds for the session to initialize.

3. 在 Cloud Shell 中，通过运行以下命令安装或更新 Node.js 版 Vertex AI SDK：

   npm install @google-cloud/vertexai

4. 发送提示请求。将 PROJECT_ID 替换为您的 Google Cloud 项目的 ID。

   const {VertexAI} = require('@google-cloud/vertexai');
   
   /**
    * TODO(developer): Update these variables before running the sample.
    */
   async function createNonStreamingMultipartContent(
     projectId = 'PROJECT_ID',
     location = 'us-central1',
     model = 'gemini-1.0-pro-vision',
     image = 'gs://generativeai-downloads/images/scones.jpg',
     mimeType = 'image/jpeg'
   ) {
     // Initialize Vertex with your Cloud project and location
     const vertexAI = new VertexAI({project: projectId, location: location});
   
     // Instantiate the model
     const generativeVisionModel = vertexAI.getGenerativeModel({
       model: model,
     });
   
     // For images, the SDK supports both Google Cloud Storage URI and base64 strings
     const filePart = {
       fileData: {
         fileUri: image,
         mimeType: mimeType,
       },
     };
   
     const textPart = {
       text: 'what is shown in this image?',
     };
   
     const request = {
       contents: [{role: 'user', parts: [filePart, textPart]}],
     };
   
     console.log('Prompt Text:');
     console.log(request.contents[0].parts[1].text);
   
     console.log('Non-Streaming Response Text:');
     // Create the response stream
     const responseStream =
       await generativeVisionModel.generateContentStream(request);
   
     // Wait for the response stream to complete
     const aggregatedResponse = await responseStream.response;
   
     // Select the text from the response
     const fullTextResponse =
       aggregatedResponse.candidates[0].content.parts[0].text;
   
     console.log(fullTextResponse);
   }

   如需详细了解如何安装和使用 Vertex AI Node.js SDK，请参阅 Node.js 版 Vertex AI SDK 参考文档。

Java

1. 通过执行以下操作，选择 Google Cloud 项目：

   1. 在 Google Cloud 控制台中，转到信息中心页面。

      转到“信息中心”页面

   2. 点击页面顶部的项目选择列表。 在随即显示的选择资源窗口中，选择一个项目。

   3. 记下项目信息部分中显示的项目 ID。您需要项目 ID 才能执行后续步骤。

2. 设置 Java 开发环境。

3. 运行以下命令来进行身份验证。将 PROJECT_ID 替换为您的 Google Cloud 项目 ID，并将 ACCOUNT 替换为您的 Google Cloud 用户名。

   gcloud config set project PROJECT_ID &&
   gcloud auth login ACCOUNT
   

4. 将 google-cloud-vertexai 添加为依赖项：

   <!--If you are using Maven with BOM, add the following in your pom.xml-->
   <dependencyManagement>
     <dependencies>
       <dependency>
         <groupId>com.google.cloud</groupId>
         <artifactId>libraries-bom</artifactId>
         <version>26.32.0</version>
         <type>pom</type>
         <scope>import</scope>
       </dependency>
     </dependencies>
   </dependencyManagement>
   <dependencies>
     <dependency>
       <groupId>com.google.cloud</groupId>
       <artifactId>google-cloud-vertexai</artifactId>
     </dependency>
   </dependencies>
   
   <!--If you are using Maven without BOM, add the following to your pom.xml-->
   <dependency>
     <groupId>com.google.cloud</groupId>
     <artifactId>google-cloud-vertexai</artifactId>
     <version>0.4.0</version>
   </dependency>
   
   <!--If you are using Gradle without BOM, add the following to your build.gradle-->
   implementation 'com.google.cloud:google-cloud-vertexai:0.4.0'
   

5. 发送提示请求。将 projectID 设置为您的 Google Cloud 项目 ID。

   import com.google.cloud.vertexai.VertexAI;
   import com.google.cloud.vertexai.api.GenerateContentResponse;
   import com.google.cloud.vertexai.generativeai.ContentMaker;
   import com.google.cloud.vertexai.generativeai.GenerativeModel;
   import com.google.cloud.vertexai.generativeai.PartMaker;
   import java.io.IOException;
   
   public class Quickstart {
   
     public static void main(String[] args) throws IOException {
       // TODO(developer): Replace these variables before running the sample.
       String projectId = "your-google-cloud-project-id";
       String location = "us-central1";
       String modelName = "gemini-1.0-pro-vision";
   
       String output = quickstart(projectId, location, modelName);
       System.out.println(output);
     }
   
     // Analyzes the provided Multimodal input.
     public static String quickstart(String projectId, String location, String modelName)
         throws IOException {
       // Initialize client that will be used to send requests. This client only needs
       // to be created once, and can be reused for multiple requests.
       try (VertexAI vertexAI = new VertexAI(projectId, location)) {
         String imageUri = "gs://cloud-samples-data/vertex-ai/llm/prompts/landmark1.png";
   
         GenerativeModel model = new GenerativeModel(modelName, vertexAI);
         GenerateContentResponse response = model.generateContent(ContentMaker.fromMultiModalData(
             PartMaker.fromMimeTypeAndData("image/png", imageUri),
             "What's in this photo"
         ));
   
         return response.toString();
       }
     }
   }

   如需详细了解如何安装和使用 Vertex AI Java 开发工具包 (JDK)，请参阅 Vertex AI JDK 参考文档。

Go

1. 执行以下操作，选择 Google Cloud 项目：

   1. 在 Google Cloud 控制台中，转到信息中心页面。

      转到“信息中心”页面

   2. 点击页面顶部的项目选择列表。 在随即显示的选择资源窗口中，选择一个项目。

   3. 记下项目信息部分中显示的项目 ID。您需要项目 ID 才能执行后续步骤。
2. 为 Go 开发准备好环境。

3. 查看可用的 Vertex AI API Go 软件包，以确定哪个软件包最符合您的项目需求：

   • 软件包 cloud.google.com/go/vertexai（推荐）

     vertexai 是人工编写的软件包，可通过其访问常用功能和特征。

     对于大多数使用 Vertex AI API 进行构建的开发者，建议将此软件包作为起点。如需访问此软件包尚未涵盖的功能和特性，请改用自动生成的 aiplatform。

   • 软件包 cloud.google.com/go/aiplatform

     aiplatform 是自动生成的软件包。

     此软件包适用于需要访问人工编写的 vertexai 软件包尚未提供的 Vertex AI API 功能和特性的项目。

4. 通过运行以下命令之一，根据项目需求安装所需的 Go 软件包：

   # Human authored package. Recommended for most developers.
   go get cloud.google.com/go/vertexai
   
   
   # Auto-generated package.
   go get cloud.google.com/go/aiplatform

5. 发送提示请求。将 PROJECT_ID 替换为您的 Google Cloud 项目的 ID。

   import (
   	"context"
   	"encoding/json"
   	"fmt"
   	"io"
   
   	"cloud.google.com/go/vertexai/genai"
   )
   
   func tryGemini(w io.Writer, projectID string, location string, modelName string) error {
   	// location := "us-central1"
   	// modelName := "gemini-1.0-pro-vision-001"
   
   	ctx := context.Background()
   	client, err := genai.NewClient(ctx, projectID, location)
   	if err != nil {
   		return fmt.Errorf("error creating client: %w", err)
   	}
   	gemini := client.GenerativeModel(modelName)
   
   	img := genai.FileData{
   		MIMEType: "image/jpeg",
   		FileURI:  "gs://generativeai-downloads/images/scones.jpg",
   	}
   	prompt := genai.Text("What is in this image?")
   
   	resp, err := gemini.GenerateContent(ctx, img, prompt)
   	if err != nil {
   		return fmt.Errorf("error generating content: %w", err)
   	}
   	rb, err := json.MarshalIndent(resp, "", "  ")
   	if err != nil {
   		return fmt.Errorf("json.MarshalIndent: %w", err)
   	}
   	fmt.Fprintln(w, string(rb))
   	return nil
   }
   

   如需详细了解如何安装和使用 Go 版 Vertex AI SDK，请参阅 Go 版 Vertex AI SDK 参考文档。

C#

在尝试此示例之前，请按照《Vertex AI 快速入门：使用客户端库》中的 C# 设置说明执行操作。如需了解详情，请参阅 Vertex AI C# API 参考文档。

如需向 Vertex AI 进行身份验证，请设置应用默认凭据。 如需了解详情，请参阅为本地开发环境设置身份验证。

using Google.Api.Gax.Grpc;
using Google.Cloud.AIPlatform.V1;
using System.Collections.Generic;
using System.Text;
using System.Threading.Tasks;

public class GeminiQuickstart
{
    public async Task<string> GenerateContent(
        string projectId = "your-project-id",
        string location = "us-central1",
        string publisher = "google",
        string model = "gemini-1.0-pro-vision"
    )
    {
        // Create client
        var predictionServiceClient = new PredictionServiceClientBuilder
        {
            Endpoint = $"{location}-aiplatform.googleapis.com"
        }.Build();

        // Prompt
        string prompt = "What's in this photo";
        string imageUri = "gs://generativeai-downloads/images/scones.jpg";

        // Initialize request argument(s)
        var content = new Content
        {
            Role = "USER"
        };
        content.Parts.AddRange(new List<Part>()
        {
            new() {
                Text = prompt
            },
            new() {
                FileData = new() {
                    MimeType = "image/png",
                    FileUri = imageUri
                }
            }
        });

        var generateContentRequest = new GenerateContentRequest
        {
            Model = $"projects/{projectId}/locations/{location}/publishers/{publisher}/models/{model}",
            GenerationConfig = new GenerationConfig
            {
                Temperature = 0.4f,
                TopP = 1,
                TopK = 32,
                MaxOutputTokens = 2048
            }
        };
        generateContentRequest.Contents.Add(content);

        // Make the request, returning a streaming response
        using PredictionServiceClient.StreamGenerateContentStream response = predictionServiceClient.StreamGenerateContent(generateContentRequest);

        StringBuilder fullText = new();

        // Read streaming responses from server until complete
        AsyncResponseStream<GenerateContentResponse> responseStream = response.GetResponseStream();
        await foreach (GenerateContentResponse responseItem in responseStream)
        {
            fullText.Append(responseItem.Candidates[0].Content.Parts[0].Text);
        }

        return fullText.ToString();
    }
}

REST

1. 通过执行以下操作，选择 Google Cloud 项目：

   1. 在 Google Cloud 控制台中，转到信息中心页面。

      转到“信息中心”页面

   2. 点击页面顶部的项目选择列表。 在随即显示的选择资源窗口中，选择一个项目。

   3. 记下项目信息部分中显示的项目 ID。您需要项目 ID 才能执行后续步骤。

2. In the Google Cloud console, activate Cloud Shell.

   Activate Cloud Shell

3. 输入以下命令来配置环境变量。将 PROJECT_ID 替换为您的 Google Cloud 项目的 ID。

   MODEL_ID="gemini-1.0-pro-vision"
   PROJECT_ID="PROJECT_ID"
   

4. 预配端点：

   gcloud beta services identity create --service=aiplatform.googleapis.com --project=PROJECT_ID
   

5. 输入以下 curl 命令以发送提示请求：

   curl \
   -X POST \
   -H "Authorization: Bearer $(gcloud auth application-default print-access-token)" \
   -H "Content-Type: application/json" \
   https://us-central1-aiplatform.googleapis.com/v1/projects/${PROJECT_ID}/locations/us-central1/publishers/google/models/${MODEL_ID}:streamGenerateContent -d \
   $'{
     "contents": {
       "role": "user",
       "parts": [
         {
         "fileData": {
           "mimeType": "image/jpeg",
           "fileUri": "gs://generativeai-downloads/images/scones.jpg"
           }
         },
         {
           "text": "Describe this picture."
         }
       ]
     }
   }'
   

6. 如果系统要求您授权 Cloud Shell，请点击授权。

   模型会返回回复。 请注意，系统分多个部分生成回复，其中每个部分会分别评估安全性。

控制台

使用 Vertex AI Studio 快速设计并迭代您的提示。提示准备就绪后，您可以使用任何受支持的编程语言获取提示的代码。

1. 执行以下操作，选择 Google Cloud 项目：

   1. 在 Google Cloud 控制台中，转到信息中心页面。

      转到“信息中心”页面

   2. 点击页面顶部的项目选择列表。 在随即显示的选择资源窗口中，选择一个项目。

2. 在 Google Cloud 控制台中，转到 Vertex AI Studio 页面。

   Vertex AI Studio

3. 点击多模态。

4. 在示例提示下，找到标题为从图片中提取文本的提示，然后点击打开。

   系统随即会打开提示页面，并在提示字段中填充提示。

5. 点击提交以提交提示。

   模型会返回回复。

6. 点击 获取代码以查看此提示请求的代码等效项。

后续步骤

• 请参阅 Vertex AI Gemini API 参考文档。
• 请参阅 Vertex AI Gemini API Python SDK 参考文档。
• 详细了解多模态模型。