Esegui la migrazione dall'API Gemini Developer all'API Gemini in Vertex AI

Se non hai mai utilizzato Gemini, l'utilizzo delle guide rapide è il modo più veloce per iniziare.

Tuttavia, man mano che le tue soluzioni di AI generativa maturano, potresti aver bisogno di una piattaforma per creare e implementare applicazioni e soluzioni di AI generativa end-to-end. Google Cloud fornisce un ecosistema completo di strumenti per consentire agli sviluppatori di sfruttare la potenza dell'AI generativa, dalle fasi iniziali dello sviluppo dell'app al deployment, all'hosting e alla gestione di dati complessi su larga scala.

La piattaforma Vertex AI di Google Cloud offre una suite di strumenti MLOps che semplificano l'utilizzo, il deployment e il monitoraggio dei modelli AI per efficienza e affidabilità. Inoltre, le integrazioni con database, strumenti DevOps, logging, monitoraggio e IAM forniscono un approccio olistico alla gestione dell'intero ciclo di vita dell'AI generativa.

Casi d'uso comuni per le offerte Google Cloud

Ecco alcuni esempi di casi d'uso comuni adatti alle offerte. Google Cloud

Differenze tra l'API Gemini Developer e l'API Gemini in Vertex AI

La seguente tabella riassume le principali differenze tra l'API Gemini Developer e l'API Gemini di Vertex AI per aiutarti a decidere quale opzione è più adatta al tuo caso d'uso:

Funzionalità API Gemini Developer API Vertex AI Gemini
Nomi degli endpoint generativelanguage.googleapis.com aiplatform.googleapis.com
Registrati Account Google Account Google Cloud (con accettazione dei termini e fatturazione)
Autenticazione Chiave API Account di servizio Google Cloud
Playground dell'interfaccia utente Google AI Studio Vertex AI Studio
API e SDK SDK server e client web/mobile
  • Server: Python, Node.js, Go, Dart, ABAP
  • Client web/mobile: Android (Kotlin/Java), Swift, web, Flutter
 SDK server e client web/mobile
  • Server: Python, Node.js, Go, Java, ABAP
  • Client mobile/web (tramite Vertex AI in Firebase): Android (Kotlin/Java), Swift, web, Flutter
Utilizzo senza costi di API e SDK Sì, se applicabile 300 $ di credito Google Cloud per i nuovi utenti
Quota (richieste al minuto) Varia in base al modello e al piano tariffario (vedi le informazioni dettagliate) Varia in base al modello e alla regione (vedi informazioni dettagliate)
Supporto per le aziende No Chiave di crittografia fornita dal cliente
Virtual Private Cloud
Residenza dei dati
Access Transparency
Infrastruttura scalabile per l'hosting di applicazioni
Database e archiviazione dei dati
MLOps No MLOps completo su Vertex AI (esempi: valutazione dei modelli, monitoraggio dei modelli, registro dei modelli)

Esegui la migrazione all'API Gemini in Vertex AI

Questa sezione mostra come eseguire la migrazione dall'API Gemini Developer all'API Gemini in Vertex AI.

Considerazioni sulla migrazione

Tieni presente quanto segue durante la migrazione:

  • Puoi utilizzare il progetto Google Cloud esistente (lo stesso che hai utilizzato per generare la chiave API Gemini) o puoi creare un nuovoGoogle Cloud progetto.

  • Le regioni supportate potrebbero differire tra l'API Gemini Developer e l'API Gemini in Vertex AI. Consulta l'elenco delle regioni supportate per l'AI generativa su Google Cloud.

  • Tutti i modelli che hai creato in Google AI Studio devono essere riaddestrati in Vertex AI.

Inizia a utilizzare Vertex AI Studio

La procedura da seguire per eseguire la migrazione all'API Gemini in Vertex AI è diversa a seconda che tu disponga già di un account Google Cloud o che tu non abbia mai utilizzato Google Cloud.

Per scoprire come eseguire la migrazione all'API Gemini in Vertex AI, fai clic su una delle seguenti schede, a seconda dello stato del tuo account Google Cloud :

Già utilizzi Google Cloud

  1. Accedi a Google AI Studio.

  2. In fondo al riquadro di navigazione a sinistra, fai clic su Crea con Vertex AI su Google Cloud.

    Si apre la pagina Prova Vertex AI e Google Cloud gratuitamente.

  3. Fai clic su Accetta e continua.

    Viene visualizzata la finestra di dialogo Inizia a utilizzare Vertex AI Studio.

  4. Per abilitare le API necessarie per eseguire Vertex AI, fai clic su Accetta e continua.

    Viene visualizzata la console Vertex AI. Per scoprire come eseguire la migrazione dei dati da Google AI Studio, consulta Eseguire la migrazione dei prompt.

Novità di Google Cloud

  1. Accedi a Google AI Studio.

  2. In fondo al riquadro di navigazione a sinistra, fai clic su Crea con Vertex AI su Google Cloud.

    Si apre la pagina Crea un account per iniziare a utilizzare Google Cloud.

  3. Fai clic su Accetta e continua.

    Viene visualizzata la pagina Verifichiamo la tua identità.

  4. Fai clic su Inizia gratis.

    Viene visualizzata la finestra di dialogo Inizia a utilizzare Vertex AI Studio.

  5. Per abilitare le API necessarie per eseguire Vertex AI, fai clic su Accetta e continua.

  6. (Facoltativo) Per scoprire come eseguire la migrazione dei dati da Google AI Studio, consulta la sezione Migrazione dei prompt in questa pagina Migrazione dei prompt.

Python: esegui la migrazione all'API Gemini in Vertex AI

Le sezioni seguenti mostrano snippet di codice per aiutarti a eseguire la migrazione del codice Python per utilizzare l'API Gemini in Vertex AI.

Configurazione dell'SDK Vertex AI Python

Su Vertex AI, non è necessaria una chiave API. Al contrario, Gemini su Vertex AI viene gestito utilizzando l'accesso IAM, che controlla l'autorizzazione per un utente, un gruppo o un account di servizio a chiamare l'API Gemini tramite l'SDK Vertex AI.

Sebbene esistano molti modi per autenticarsi, il metodo più semplice per l'autenticazione in un ambiente di sviluppo è installare Google Cloud CLI e poi utilizzare le credenziali utente per accedere alla CLI.

Per effettuare chiamate di inferenza a Vertex AI, devi anche assicurarti che il tuo utente o account di servizio disponga del ruolo Utente Vertex AI.

Esempio di codice per installare il client

API Gemini Developer API Gemini in 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)

Esempio di codice per generare testo da un prompt di testo

API Gemini Developer API Gemini in 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:
# ...

Esempio di codice per generare testo da testo e immagine

API Gemini Developer API Gemini in 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 ...

Esempio di codice per generare una chat multi-turno

API Gemini Developer API Gemini in 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:
# ...

Migrare i prompt a Vertex AI Studio

I dati dei prompt di Google AI Studio vengono salvati in una cartella di Google Drive. Questa sezione mostra come eseguire la migrazione dei prompt a Vertex AI Studio.

  1. Apri Google Drive.
  2. Vai alla cartella AI_Studio in cui sono archiviati i prompt. Posizione dei prompt in Google Drive

  3. Scarica i prompt da Google Drive in una directory locale.

  4. Apri Vertex AI Studio nella Google Cloud console.

  5. Nel menu Vertex AI, fai clic su Gestione dei prompt.

  6. Fai clic su Importa prompt.

  7. Nel campo File prompt, fai clic su Sfoglia e seleziona un prompt dalla directory locale.

    Per caricare i prompt collettivamente, devi combinarli manualmente in un unico file JSON.

  8. Fai clic su Carica.

    I prompt vengono caricati nella scheda I miei prompt.

Caricare i dati di addestramento in Vertex AI Studio

Per eseguire la migrazione dei dati di addestramento a Vertex AI, devi caricarli in un bucket Cloud Storage. Per ulteriori informazioni, consulta la pagina Introduzione all'ottimizzazione .

Elimina le chiavi API inutilizzate

Se non hai più bisogno di utilizzare la chiave API Gemini per l'API Gemini Developer, segui le best practice per la sicurezza ed eliminala.

Per eliminare una chiave API:

  1. Apri la pagina Credenziali API Google Cloud .

  2. Individua la chiave API che vuoi eliminare e fai clic sull'icona Azioni.

  3. Seleziona Elimina chiave API.

  4. Nella finestra modale Elimina credenziali, seleziona Elimina.

    L'eliminazione di una chiave API richiede alcuni minuti per la propagazione. Al termine della propagazione, tutto il traffico che utilizza la chiave API eliminata viene rifiutato.

Passaggi successivi