Bermigrasi dari Gemini Developer API ke Gemini API di Vertex AI

Jika Anda baru menggunakan Gemini, panduan memulai cepat adalah cara tercepat untuk mulai menggunakannya.

Namun, seiring berkembangnya solusi AI generatif Anda, Anda mungkin memerlukan platform untuk membangun dan men-deploy aplikasi dan solusi AI generatif secara menyeluruh. Google Cloud menyediakan ekosistem alat yang komprehensif untuk memungkinkan developer memanfaatkan kecanggihan AI generatif, mulai dari tahap awal pengembangan aplikasi hingga deployment aplikasi, hosting aplikasi, dan pengelolaan data yang kompleks dalam skala besar.

Platform Vertex AI Google Cloud menawarkan rangkaian alat MLOps yang menyederhanakan penggunaan, deployment, dan pemantauan model AI untuk efisiensi dan keandalan. Selain itu, integrasi dengan database, alat DevOps, logging, pemantauan, dan IAM memberikan pendekatan holistik untuk mengelola seluruh siklus proses AI generatif.

Kasus penggunaan umum untuk Google Cloud penawaran

Berikut beberapa contoh kasus penggunaan umum yang cocok untuk penawaran Google Cloud .

  • Menjadikan aplikasi dan solusi Anda siap untuk produksi. Produk seperti Cloud Run Functions dan Cloud Run memungkinkan Anda men-deploy aplikasi dengan skala, keamanan, dan privasi tingkat perusahaan. Temukan detail selengkapnya tentang keamanan dan privasi di panduan Keamanan, Privasi, dan Kepatuhan Cloud di Google Cloud.
  • Gunakan Vertex AI untuk kemampuan MLOps end-to-end mulai dari penyesuaian hingga penelusuran kemiripan vektor dan pipeline ML.
  • Picu panggilan LLM Anda dengan arsitektur berbasis peristiwa dengan Cloud Run functions atau Cloud Run.
  • Pantau penggunaan aplikasi Anda dengan Cloud Logging dan BigQuery.
  • Simpan data Anda dengan keamanan tingkat perusahaan, dalam skala besar dengan layanan seperti BigQuery, Cloud Storage, dan Cloud SQL.
  • Lakukan pembuatan dengan bantuan pengambilan (RAG) menggunakan data di cloud dengan BigQuery atau Cloud Storage.
  • Membuat dan menjadwalkan pipeline data. Anda dapat menjadwalkan tugas menggunakan Cloud Scheduler.
  • Terapkan LLM ke data Anda di cloud. Jika Anda menyimpan data di Cloud Storage atau BigQuery, Anda dapat meminta LLM untuk memproses data tersebut. Misalnya, untuk mengekstrak informasi, meringkas, atau mengajukan pertanyaan tentangnya.
  • Manfaatkan kebijakan Google Cloud tata kelola/lokalitas data untuk mengelola siklus proses data Anda.

Perbedaan antara Gemini Developer API dan Gemini API di Vertex AI

Tabel berikut merangkum perbedaan utama antara Gemini Developer API dan Vertex AI Gemini API untuk membantu Anda memutuskan opsi mana yang tepat untuk kasus penggunaan Anda:

Fitur Gemini Developer API Vertex AI Gemini API
Nama endpoint generativelanguage.googleapis.com aiplatform.googleapis.com
Daftar Akun Google Akun Google Cloud (dengan perjanjian persyaratan dan penagihan)
Autentikasi Kunci API Akun layanan Google Cloud
Ruang uji coba antarmuka pengguna Google AI Studio Vertex AI Studio
API & SDK SDK server dan klien seluler/web
  • Server: Python, Node.js, Go, Dart, ABAP
  • Klien Mobile/Web: Android (Kotlin/Java), Swift, Web, Flutter
 SDK server dan klien seluler/web
  • Server: Python, Node.js, Go, Java, ABAP
  • Klien seluler/Web (melalui Vertex AI in Firebase): Android (Kotlin/Java), Swift, Web, Flutter
Penggunaan API & SDK tanpa biaya Ya, jika berlaku Kredit Google Cloud senilai $300 untuk pengguna baru
Kuota (permintaan per menit) Bervariasi berdasarkan model dan paket harga (lihat informasi mendetail) Bervariasi berdasarkan model dan wilayah (lihat informasi mendetail)
Dukungan untuk perusahaan Tidak Kunci enkripsi pelanggan
Virtual private cloud
Residensi data
Transparansi akses
Infrastruktur yang skalabel untuk hosting aplikasi
Database dan penyimpanan data
MLOps Tidak MLOps lengkap di Vertex AI (contoh: evaluasi model, Pemantauan Model, Model Registry)

Bermigrasi ke Gemini API di Vertex AI

Bagian ini menunjukkan cara bermigrasi dari Gemini Developer API ke Gemini API di Vertex AI.

Pertimbangan saat melakukan migrasi

Pertimbangkan hal berikut saat melakukan migrasi:

  • Anda dapat menggunakan project Google Cloud yang sudah ada (project yang sama yang Anda gunakan untuk membuat kunci Gemini API) atau membuat Google Cloud project baru.

  • Region yang didukung mungkin berbeda antara Gemini Developer API dan Gemini API di Vertex AI. Lihat daftar region yang didukung untuk AI generatif di Google Cloud.

  • Semua model yang Anda buat di Google AI Studio harus dilatih ulang di Vertex AI.

Mulai menggunakan Vertex AI Studio

Proses yang Anda ikuti untuk bermigrasi ke Gemini API di Vertex AI berbeda, bergantung pada apakah Anda sudah memiliki akun Google Cloud atau baru menggunakan Google Cloud.

Untuk mempelajari cara bermigrasi ke Gemini API di Vertex AI, klik salah satu tab berikut, bergantung pada status akun Anda: Google Cloud

Sudah menggunakan Google Cloud

  1. Login ke Google AI Studio.

  2. Di bagian bawah panel navigasi kiri, klik Build with Vertex AI on Google Cloud.

    Halaman Coba Vertex AI dan Google Cloud secara gratis akan terbuka.

  3. Klik Setuju & Lanjutkan.

    Dialog Get Started with Vertex AI studio akan muncul.

  4. Untuk mengaktifkan API yang diperlukan untuk menjalankan Vertex AI, klik Setuju & Lanjutkan.

    Konsol Vertex AI akan muncul. Untuk mempelajari cara memigrasikan data Anda dari Google AI Studio, lihat Memigrasikan Perintah.

Baru di Google Cloud

  1. Login ke Google AI Studio.

  2. Di bagian bawah panel navigasi kiri, klik Build with Vertex AI on Google Cloud.

    Halaman Buat akun untuk mulai menggunakan Google Cloud akan terbuka.

  3. Klik Setuju & Lanjutkan.

    Halaman Mari konfirmasi identitas Anda akan muncul.

  4. Klik Start Free.

    Dialog Get Started with Vertex AI studio akan muncul.

  5. Untuk mengaktifkan API yang diperlukan untuk menjalankan Vertex AI, klik Setuju & Lanjutkan.

  6. Opsional: Untuk mempelajari cara memigrasikan data Anda dari Google AI Studio, lihat bagian Memigrasikan Perintah di halaman ini Memigrasikan Perintah.

Python: Bermigrasi ke Gemini API di Vertex AI

Bagian berikut menunjukkan cuplikan kode untuk membantu Anda memigrasikan kode Python agar menggunakan Gemini API di Vertex AI.

Penyiapan Vertex AI Python SDK

Di Vertex AI, Anda tidak memerlukan kunci API. Sebagai gantinya, Gemini di Vertex AI dikelola menggunakan akses IAM, yang mengontrol izin bagi pengguna, grup, atau akun layanan untuk memanggil Gemini API melalui Vertex AI SDK.

Meskipun ada banyak cara untuk melakukan autentikasi, metode termudah untuk melakukan autentikasi di lingkungan pengembangan adalah dengan menginstal Google Cloud CLI, lalu menggunakan kredensial pengguna Anda untuk login ke CLI.

Untuk melakukan panggilan inferensi ke Vertex AI, Anda juga harus memastikan bahwa akun pengguna atau akun layanan Anda memiliki peran Vertex AI User.

Contoh kode untuk menginstal klien

Gemini Developer API Gemini API di Vertex AI 
# To install the Python SDK, use this CLI command:
# pip install google-generativeai

import google.generativeai as genai
from google.generativeai import GenerativeModel

API_KEY="API_KEY"
genai.configure(api_key=API_KEY)
        
# To install the Python SDK, use this CLI command:
# pip install google-genai

from google import genai

PROJECT_ID = "PROJECT_ID"
LOCATION = "LOCATION"  # e.g. us-central1
client = genai.Client(project=PROJECT_ID, location=LOCATION, vertexai=True)

Contoh kode untuk membuat teks dari perintah teks

Gemini Developer API Gemini API di Vertex AI 
model = GenerativeModel("gemini-2.0-flash")

response = model.generate_content("The opposite of hot is")
print(response.text) #  The opposite of hot is cold.
        
from google import genai
from google.genai.types import HttpOptions

client = genai.Client(http_options=HttpOptions(api_version="v1"))
response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents="How does AI work?",
)
print(response.text)
# Example response:
# Okay, let's break down how AI works. It's a broad field, so I'll focus on the ...
#
# Here's a simplified overview:
# ...

Contoh kode untuk membuat teks dari teks dan gambar

Gemini Developer API Gemini API di Vertex AI 
import PIL.Image

multimodal_model = GenerativeModel("gemini-2.0-flash")

image = PIL.Image.open("image.jpg")

response = multimodal_model.generate_content(["What is this picture?", image])
print(response.text) # A cat is shown in this picture.
        
from google import genai
from google.genai.types import HttpOptions, Part

client = genai.Client(http_options=HttpOptions(api_version="v1"))
response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents=[
        "What is shown in this image?",
        Part.from_uri(
            file_uri="gs://cloud-samples-data/generative-ai/image/scones.jpg",
            mime_type="image/jpeg",
        ),
    ],
)
print(response.text)
# Example response:
# The image shows a flat lay of blueberry scones arranged on parchment paper. There are ...

Contoh kode untuk membuat multi-turn chat

Gemini Developer API Gemini API di Vertex AI 
model = GenerativeModel("gemini-2.0-flash")

chat = model.start_chat()

print(chat.send_message("How are you?").text)
print(chat.send_message("What can you do?").text)
        
from google import genai
from google.genai.types import HttpOptions, ModelContent, Part, UserContent

client = genai.Client(http_options=HttpOptions(api_version="v1"))
chat_session = client.chats.create(
    model="gemini-2.5-flash",
    history=[
        UserContent(parts=[Part(text="Hello")]),
        ModelContent(
            parts=[Part(text="Great to meet you. What would you like to know?")],
        ),
    ],
)
response = chat_session.send_message("Tell me a story.")
print(response.text)
# Example response:
# Okay, here's a story for you:
# ...

Memigrasikan perintah ke Vertex AI Studio

Data perintah Google AI Studio Anda disimpan di folder Google Drive. Bagian ini menunjukkan cara memigrasikan perintah Anda ke Vertex AI Studio.

  1. Buka Google Drive.
  2. Buka folder AI_Studio tempat perintah disimpan. Lokasi perintah di Google Drive

  3. Download perintah Anda dari Google Drive ke direktori lokal.

  4. Buka Vertex AI Studio di konsol Google Cloud .

  5. Di menu Vertex AI, klik Prompt management.

  6. Klik Impor perintah.

  7. Di kolom Prompt file, klik Browse, lalu pilih perintah dari direktori lokal Anda.

    Untuk mengupload perintah secara massal, Anda harus menggabungkan perintah secara manual ke dalam satu file JSON.

  8. Klik Upload.

    Perintah diupload ke tab Perintah Saya.

Mengupload data pelatihan ke Vertex AI Studio

Untuk memigrasikan data pelatihan ke Vertex AI, Anda harus mengupload data ke bucket Cloud Storage. Untuk mengetahui informasi selengkapnya, lihat Pengantar penyesuaian .

Menghapus Kunci API yang tidak digunakan

Jika Anda tidak perlu lagi menggunakan kunci Gemini API untuk Gemini Developer API, ikuti praktik terbaik keamanan dan hapus kunci tersebut.

Cara menghapus kunci API:

  1. Buka halaman Google Cloud Kredensial API.

  2. Temukan kunci API yang ingin Anda hapus, lalu klik ikon Actions.

  3. Pilih Hapus kunci API.

  4. Di modal Delete credential, pilih Delete.

    Penghapusan kunci API memerlukan waktu beberapa menit untuk diterapkan. Setelah propagasi selesai, traffic yang menggunakan kunci API yang dihapus akan ditolak.

Langkah berikutnya