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
- Metti in produzione le tue app e soluzioni. Prodotti come Cloud Run Functions e Cloud Run consentono di eseguire il deployment di app con scalabilità, sicurezza e privacy di livello enterprise. Scopri di più su sicurezza e privacy nella guida Sicurezza, privacy e conformità nel cloud su Google Cloud.
- Utilizza Vertex AI per funzionalità MLOps end-to-end, dalla messa a punto alla ricerca di similarità vettoriale e pipeline ML.
- Attiva la chiamata LLM con l'architettura basata su eventi con Cloud Run Functions o Cloud Run.
- Monitora l'utilizzo della tua app con Cloud Logging e BigQuery.
- Archivia i tuoi dati con sicurezza di livello aziendale, su larga scala con servizi come BigQuery, Cloud Storage e Cloud SQL.
- Esegui la generazione aumentata dal recupero (RAG) utilizzando i dati nel cloud con BigQuery o Cloud Storage.
- Crea e pianifica pipeline di dati. Puoi pianificare i job utilizzando Cloud Scheduler.
- Applica i LLM ai tuoi dati nel cloud. Se memorizzi i dati in Cloud Storage o BigQuery, puoi chiedere ai LLM di elaborarli. Ad esempio, per estrarre informazioni, riassumere o porre domande al riguardo.
- Sfrutta le norme di Google Cloud governance/residenza dei dati per gestire il ciclo di vita dei dati.
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
|
SDK server e client web/mobile
|
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
- Accedi a Google AI Studio.
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.
Fai clic su Accetta e continua.
Viene visualizzata la finestra di dialogo Inizia a utilizzare Vertex AI Studio.
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
- Accedi a Google AI Studio.
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.
Fai clic su Accetta e continua.
Viene visualizzata la pagina Verifichiamo la tua identità.
Fai clic su Inizia gratis.
Viene visualizzata la finestra di dialogo Inizia a utilizzare Vertex AI Studio.
Per abilitare le API necessarie per eseguire Vertex AI, fai clic su Accetta e continua.
(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 |
---|---|
|
|
Esempio di codice per generare testo da un prompt di testo
API Gemini Developer | API Gemini in Vertex AI |
---|---|
|
Esempio di codice per generare testo da testo e immagine
API Gemini Developer | API Gemini in Vertex AI |
---|---|
|
Esempio di codice per generare una chat multi-turno
API Gemini Developer | API Gemini in Vertex AI |
---|---|
|
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.
- Apri Google Drive.
- Vai alla cartella AI_Studio in cui sono archiviati i prompt.
Scarica i prompt da Google Drive in una directory locale.
Apri Vertex AI Studio nella Google Cloud console.
Nel menu Vertex AI, fai clic su Gestione dei prompt.
Fai clic su Importa prompt.
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.
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:
Apri la pagina Credenziali API Google Cloud .
Individua la chiave API che vuoi eliminare e fai clic sull'icona Azioni.
Seleziona Elimina chiave API.
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
- Prova un tutorial di avvio rapido utilizzando Vertex AI Studio o l'API Vertex AI.