Von Gemini in Google AI zu Vertex AI migrieren

Wenn Sie noch nicht mit Gemini vertraut sind, verwenden Sie die Kurzanleitungen für die ersten Schritte.

Wenn Ihre generativen KI-Lösungen besser werden, benötigen Sie möglicherweise eine Plattform für die Erstellung und Bereitstellung von generativen KI-Anwendungen und -Lösungen. Google Cloud bietet ein umfassendes Netzwerk an Tools, mit denen Entwickler das Potenzial der generativen KI nutzen können – von den ersten Phasen der App-Entwicklung bis zur App-Bereitstellung, zum App-Hosting und zur Verwaltung komplexer Daten im großen Maßstab.

Die Vertex AI-Plattform von Google Cloud bietet eine Reihe von MLOps-Tools, die Nutzung, Bereitstellung und Monitoring von KI-Modellen im Hinblick auf Effizienz und Zuverlässigkeit optimieren. Darüber hinaus bieten Integrationen mit Datenbanken, DevOps-Tools, Logging, Monitoring und IAM einen ganzheitlichen Ansatz zum Verwalten des gesamten Lebenszyklus der generativen KI.

Gängige Anwendungsfälle für Google Cloud-Angebote

Im Folgenden finden Sie einige Beispiele für gängige Anwendungsfälle, die sich gut für Google Cloud-Angebote eignen.

• Apps und Lösungen für die Produktion bereitstellen Mit Produkten wie Cloud Run-Funktionen und Cloud Run können Sie Anwendungen mit Sicherheit und Datenschutz im Unternehmensmaßstab bereitstellen. Weitere Informationen zu Sicherheit und Datenschutz finden Sie im Leitfaden Sicherheit, Datenschutz und Cloud-Compliance in Google Cloud.
• Vertex AI für End-to-End-MLOps-Funktionen verwenden, von der Feinabstimmung bis zur Suche nach Vektorähnlichkeiten und ML-Pipelines
• Lösen Sie den LLM-Aufruf mit einer ereignisgesteuerten Architektur mit Cloud Run Functions oder Cloud Run aus.
• Beobachten Sie die Nutzung Ihrer App mit Cloud Logging und BigQuery.
• Speichern Sie Ihre Daten im Unternehmensmaßstab in großem Umfang mit Diensten wie BigQuery, Cloud Storage und Cloud SQL.
• Führen Sie mithilfe von Daten in der Cloud mit BigQuery oder Cloud Storage RAG (Retrieval Augmented Generation) durch.
• Datenpipelines erstellen und planen. Mit Cloud Scheduler können Sie Jobs planen.
• LLMs auf Ihre Daten in der Cloud anwenden. Wenn Sie Daten in Cloud Storage oder BigQuery speichern, können Sie LLMs über diese Daten prompten. Sie können beispielsweise Informationen extrahieren, zusammenfassen oder Fragen dazu stellen.
• Nutzen Sie die Google Cloud-Richtlinien zur Datenverwaltung und -speicherung, um den Datenlebenszyklus zu verwalten.

Unterschiede zwischen Google AI und Vertex AI

In der folgenden Tabelle sind die Hauptunterschiede zwischen Google AI und Vertex AI zusammengefasst, damit Sie Entscheiden können, welche Option für Ihren Anwendungsfall am besten ist:

Produkte	Google AI Gemini API	Vertex AI Gemini API
Gemini-Modelle	Gemini 1.5 Flash, Gemini 1.5 Pro, Gemini 1.0 Pro, Gemini 1.0 Pro Vision (veraltet)	Gemini 1.5 Flash, Gemini 1.5 Pro, Gemini 1.0 Pro, Gemini 1.0 Pro Vision, Gemini 1.0 Ultra, Gemini 1.0 Ultra Vision
Registrieren	Google-Konto	Google Cloud-Konto (mit Nutzungsbedingungen und Abrechnung)
Authentifizierung	API-Schlüssel	Google Cloud-Dienstkonto
Playground für die Benutzeroberfläche	Google AI Studio	Vertex AI Studio
API und SDK	Server- und mobile/Web-Client-SDKs Server: Python, Node.js, Go, Dart, ABAP Mobil-/Webclient: Android (Kotlin/Java), Swift, Web, Flutter	Server- und mobile/Web-Client-SDKs Server: Python, Node.js, Go, Java, ABAP Mobiler/Web-Client (über Vertex AI for Firebase): Android (Kotlin/Java), Swift, Web, Flutter
Kostenlose Nutzung von API und SDK	Ja, sofern zutreffend	300 $ Google Cloud-Guthaben für neue Nutzer
Kontingent (Anfragen pro Minute)	Variiert je nach Modell und Preismodell (weitere Informationen)	Variiert je nach Modell und Region (weitere Informationen)
Abbildung: Enterprise Support	Nein	kunden-Verschlüsselungsschlüssel Virtual private cloud Datenstandort Access transparency Skalierbare Infrastruktur für Anwendungshosting Datenbanken und Datenspeicher
MLOps	Nein	Vollständige MLOps in Vertex AI (z. B. Modellbewertung, Modellüberwachung, Modellregister)

Zu Vertex AI migrieren

In diesem Abschnitt wird gezeigt, wie Sie von Gemini in Google AI zu Vertex AI migrieren.

Hinweise zur Migration

Beachten Sie bei der Migration Folgendes:

• Sie können Ihr vorhandenes Google Cloud-Projekt verwenden (das, mit dem Sie Ihren API-Schlüssel generiert haben) oder ein neues Google Cloud-Projekt erstellen.

• Die unterstützten Regionen können für Google AI Studio und Vertex AI unterschiedlich sein. Hier finden Sie eine Liste der unterstützten Regionen für Generative AI in Google Cloud.

• Alle in Google AI Studio erstellten Modelle müssen in Vertex AI neu trainiert werden.

Vertex AI Studio verwenden

Die Migration zu Vertex AI unterscheidet sich je nachdem, ob Sie bereits ein Google Cloud-Konto haben oder Google Cloud neu für Sie ist.

Hinweis :Google AI Studio und die Gemini API sind nur in bestimmten Regionen und Sprachen verfügbar. Wenn Sie sich nicht in einer unterstützten Region befinden, können Sie nicht starten mit Vertex AI.

Klicken Sie je nach Status Ihres Google Cloud-Kontos auf einen der folgenden Tabs, um zu erfahren, wie Sie zu Vertex AI migrieren:

Sie nutzen bereits Google Cloud

1. Melden Sie sich in Google AI Studio an.

2. Klicken Sie im linken Navigationsbereich unten auf Mit Vertex AI in Google Cloud erstellen.

   Die Seite Vertex AI und Google Cloud kostenlos testen wird geöffnet.

3. Klicken Sie auf Zustimmen und fortfahren.

   Das Dialogfeld Erste Schritte mit Vertex AI Studio wird angezeigt.

4. Klicken Sie auf Zustimmen und fortfahren, um die APIs zu aktivieren, die zum Ausführen von Vertex AI erforderlich sind.

   Die Vertex AI-Konsole wird angezeigt. Informationen zum Migrieren Ihrer Daten aus Google AI Studio finden Sie unter Prompts migrieren.

Neu bei Google Cloud?

1. Melden Sie sich in Google AI Studio an.

2. Klicken Sie im linken Navigationsbereich unten auf Mit Vertex AI in Google Cloud erstellen.

   Die Seite Konto erstellen, um mit Google Cloud loszulegen wird geöffnet.

3. Klicken Sie auf Zustimmen und fortfahren.

   Die Seite Identität bestätigen wird angezeigt.

4. Klicken Sie auf Jetzt kostenlos starten.

   Das Dialogfeld Erste Schritte mit Vertex AI Studio wird angezeigt.

5. Klicken Sie auf Zustimmen und fortfahren, um die APIs zu aktivieren, die für die Ausführung von Vertex AI erforderlich sind.

6. Optional: Informationen zum Migrieren Ihrer Daten aus Google AI Studio finden Sie auf der Seite Prompts migrieren unter Prompts migrieren.

Python: Migration zur Vertex AI Gemini API

In den folgenden Abschnitten finden Sie Code-Snippets, die Ihnen bei der Migration Ihres Python-Codes zur Verwendung der Vertex AI Gemini API helfen.

Vertex AI Python SDK einrichten

In Vertex AI ist kein API-Schlüssel erforderlich. Stattdessen wird Gemini in Vertex AI mit IAM-Zugriff verwaltet. Damit wird die Berechtigung für einen Nutzer, eine Gruppe oder ein Dienstkonto gesteuert, mit dem die Gemini API über das Vertex AI SDK aufgerufen wird.

Es gibt zwar viele Möglichkeiten zur Authentifizierung, aber die einfachste Methode zur Authentifizierung in einer Entwicklungsumgebung ist die Installation der Google Cloud CLI und die Verwendung Ihrer Nutzeranmeldedaten, um sich bei der CLI anzumelden.

Damit Sie Vertex AI-Inferenzaufrufe ausführen können, muss Ihrem Nutzer- oder Dienstkonto außerdem die Rolle Vertex AI-Nutzer zugewiesen sein.

Codebeispiel für die Installation des Clients

KI von Google	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-cloud-aiplatform import vertexai from vertexai.generative_models import GenerativeModel, Image PROJECT_ID = "PROJECT_ID" REGION = "REGION" # e.g. us-central1 vertexai.init(project=PROJECT_ID, location=REGION)

Codebeispiel zum Generieren von Text aus einem Text-Prompt

KI von Google	Vertex AI
model = GenerativeModel("gemini-1.5-flash") response = model.generate_content("The opposite of hot is") print(response.text) # The opposite of hot is cold.	model = GenerativeModel("gemini-1.5-flash") response = model.generate_content("The opposite of hot is") print(response.text) # The opposite of hot is cold.

Codebeispiel zum Erstellen von Text aus Text und Bild

KI von Google	Vertex AI
import PIL.Image multimodal_model = GenerativeModel("gemini-1.5-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.	multimodal_model = GenerativeModel("gemini-1.5-flash") image = Image.load_from_file("image.jpg") response = multimodal_model.generate_content(["What is shown in this image?", image]) print(response.text) # A cat is shown in this picture.

Codebeispiel zum Generieren des wechselseitigen Chats

KI von Google	Vertex AI
model = GenerativeModel("gemini-1.5-flash") chat = model.start_chat() print(chat.send_message("How are you?").text) print(chat.send_message("What can you do?").text)	model = GenerativeModel("gemini-1.5-flash") chat = model.start_chat() print(chat.send_message("How are you?").text) print(chat.send_message("What can you do?").text)

Prompts zu Vertex AI Studio migrieren

Die Daten Ihrer Google AI Studio-Prompts werden in einem Google Drive-Ordner gespeichert. In diesem Abschnitt wird gezeigt, wie Sie Ihre Prompts zu Vertex AI Studio migrieren.

1. Öffnen Sie Google Drive.
2. Wechseln Sie zum Ordner AI_Studio, in dem die Prompts gespeichert sind.

3. Laden Sie Ihre Prompts aus Google Drive in ein lokales Verzeichnis herunter.

   Hinweis :Aus Google Drive heruntergeladene Prompts sind im Textformat (txt). Konvertieren Sie sie vor dem Hochladen in Vertex AI Studio in JSON-Dateien. Ändern Sie dazu die Dateiendung von .txt in .json.

4. Öffnen Sie Vertex AI Studio in der Google Cloud Console.

5. Klicken Sie im Menü Vertex AI auf Prompt-Verwaltung.

6. Klicken Sie auf Prompt importieren.

7. Klicken Sie im Feld Promptdatei auf Durchsuchen und wählen Sie einen Prompt aus Ihrem lokalen Verzeichnis aus.

   Wenn Sie Prompts im Bulk hochladen möchten, müssen Sie sie manuell in einer einzigen JSON-Datei kombinieren.

8. Klicken Sie auf Hochladen.

   Die Prompts werden auf den Tab Meine Prompts hochgeladen.

Trainingsdaten in Vertex AI Studio hochladen

Wenn Sie Ihre Trainingsdaten zu Vertex AI migrieren möchten, müssen Sie die Daten in einen Cloud Storage-Bucket hochladen. Weitere Informationen finden Sie unter Einführung in die Optimierung .

Nicht verwendete API-Schlüssel löschen

Wenn Sie den Google AI Gemini API-Schlüssel nicht mehr verwenden müssen, folgen Sie den Best Practices für die Sicherheit und löschen Sie ihn.

So löschen Sie einen API-Schlüssel:

1. Öffnen Sie die Seite Google Cloud API-Anmeldedaten.

2. Suchen Sie den API-Schlüssel, den Sie löschen möchten, und klicken Sie auf das Symbol Aktionen.

3. Wählen Sie API-Schlüssel löschen aus.

4. Wählen Sie im Modalfenster Anmeldedaten löschen die Option Löschen aus.

   Das Löschen eines API-Schlüssels dauert einige Minuten. Danach werden alle Anfragen, für die der gelöschte API-Schlüssel verwendet wird, abgelehnt.

Wichtig :Falls Sie einen Schlüssel gelöscht haben, der noch in der Produktion verwendet wird, und ihn wiederherstellen möchten, lesen Sie gcloud beta services api-keys undelete.

Nächste Schritte

• Wagen Sie sich an eine Kurzeinführung mit Vertex AI Studio oder der Vertex AI API.