A IA generativa na Vertex AI, também conhecida como genAI ou genAI, oferece acesso aos modelos de IA generativa do Google em várias modalidades (texto, código, imagens, fala). É possível testar e ajustar esses modelos de linguagem grandes (LLM) e implantá-los para uso em aplicativos com tecnologia de IA. Para mais informações, consulte a Visão geral da IA generativa na Vertex AI.
A Vertex AI tem uma variedade de modelos de fundação de IA generativa que podem ser acessados por uma API, incluindo os modelos usados nos exemplos a seguir:
- O Gemini Pro foi criado para processar tarefas de linguagem natural, chat de código e texto com várias interações e geração de código.
- O Gemini Pro Vision é compatível com comandos multimodais. É possível incluir texto, imagens e vídeo nas solicitações e receber respostas de texto ou código.
- O Pathways Language Model 2 (PaLM 2) para texto é ajustado para tarefas de linguagem, como classificação, resumo e extração de entidades.
Cada modelo é exposto por meio de um endpoint do editor específico para seu projeto do Google Cloud. Portanto, não é necessário implantar o modelo de fundação, a menos que você precise ajustá-lo para um caso de uso específico. É possível enviar um prompt ao endpoint do editor. Um prompt é uma solicitação de linguagem natural enviada a um LLM para receber uma resposta de resposta.
Neste tutorial, demonstramos quatro fluxos de trabalho que geram respostas usando
modelos da Vertex AI ao enviar solicitações de texto por solicitações HTTP POST
para os endpoints do editor. É possível implantar e executar cada
fluxo de trabalho de maneira independente.
Objetivos
Neste tutorial, você vai fazer o seguinte:
- Ative as APIs Vertex AI e Workflows e
conceda o papel de usuário da Vertex AI (
roles/aiplatform.user
) à sua conta de serviço. Esse papel permite acesso à maioria dos recursos da Vertex AI. Para mais informações sobre como configurar a Vertex AI, consulte Configurar no Google Cloud. - Implantar e executar um fluxo de trabalho que solicite um modelo da Vertex AI (Gemini Pro Vision) para descrever uma imagem disponível publicamente no Cloud Storage. Para mais informações, consulte Tornar os dados públicos.
- Implantar e executar um fluxo de trabalho que percorre uma lista de países em paralelo e solicita um modelo da Vertex AI (Gemini Pro) para gerar e retornar os históricos dos países. O uso de ramificações paralelas permite reduzir o tempo total de execução iniciando as chamadas ao LLM ao mesmo tempo e aguardando a conclusão de todas elas antes de combinar os resultados. Para mais informações, consulte Executar etapas do fluxo de trabalho em paralelo.
- Implante um fluxo de trabalho semelhante ao anterior. No entanto, solicite um modelo da Vertex AI (PaLM 2 para texto) para gerar e retornar os históricos dos países. Para mais informações sobre como escolher um modelo, consulte Informações do modelo.
- Implante um fluxo de trabalho que possa resumir um documento grande. Como há um limite para a janela de contexto que define até onde o modelo analisa durante o treinamento (e para previsões), o fluxo de trabalho divide o documento em partes menores e, em seguida, solicita um modelo da Vertex AI (Gemini Pro) para resumir cada parte em paralelo. Para mais informações, consulte Prompts de resumo e Horizonte da previsão, janela de contexto e janela de previsão.
Custos
Neste documento, você usará os seguintes componentes faturáveis do Google Cloud:
Para gerar uma estimativa de custo baseada na projeção de uso deste tutorial, use a calculadora de preços.
Ao concluir as tarefas descritas neste documento, é possível evitar o faturamento contínuo excluindo os recursos criados. Saiba mais em Limpeza.
Antes de começar
Antes de testar os exemplos deste tutorial, verifique se você concluiu as seguintes etapas.
Console
- Faça login na sua conta do Google Cloud. Se você começou a usar o Google Cloud agora, crie uma conta para avaliar o desempenho de nossos produtos em situações reais. Clientes novos também recebem US$ 300 em créditos para executar, testar e implantar cargas de trabalho.
-
No console do Google Cloud, na página do seletor de projetos, selecione ou crie um projeto do Google Cloud.
-
Verifique se a cobrança está ativada para o seu projeto do Google Cloud.
-
Ative as APIs Vertex AI and Workflows.
-
Crie uma conta de serviço:
-
No Console do Google Cloud, acesse a página Criar conta de serviço.
Acesse "Criar conta de serviço" - Selecione o projeto.
-
No campo Nome da conta de serviço, insira um nome. O Console do Google Cloud preenche o campo ID da conta de serviço com base nesse nome.
No campo Descrição da conta de serviço, insira uma descrição. Por exemplo,
Service account for quickstart
. - Clique em Criar e continuar.
-
Conceda o papel Vertex AI > Vertex AI User à conta de serviço do.
Para conceder o papel, encontre a lista Selecionar um papel e clique em Vertex AI > Vertex AI User.
- Clique em Continuar.
-
Clique em Concluído para terminar a criação da conta de serviço.
-
-
No console do Google Cloud, na página do seletor de projetos, selecione ou crie um projeto do Google Cloud.
-
Verifique se a cobrança está ativada para o seu projeto do Google Cloud.
-
Ative as APIs Vertex AI and Workflows.
-
Crie uma conta de serviço:
-
No Console do Google Cloud, acesse a página Criar conta de serviço.
Acesse "Criar conta de serviço" - Selecione o projeto.
-
No campo Nome da conta de serviço, insira um nome. O Console do Google Cloud preenche o campo ID da conta de serviço com base nesse nome.
No campo Descrição da conta de serviço, insira uma descrição. Por exemplo,
Service account for quickstart
. - Clique em Criar e continuar.
-
Conceda o papel Vertex AI > Vertex AI User à conta de serviço do.
Para conceder o papel, encontre a lista Selecionar um papel e clique em Vertex AI > Vertex AI User.
- Clique em Continuar.
-
Clique em Concluído para terminar a criação da conta de serviço.
-
gcloud
- Faça login na sua conta do Google Cloud. Se você começou a usar o Google Cloud agora, crie uma conta para avaliar o desempenho de nossos produtos em situações reais. Clientes novos também recebem US$ 300 em créditos para executar, testar e implantar cargas de trabalho.
- Instale a CLI do Google Cloud.
-
Para inicializar a CLI gcloud, execute o seguinte comando:
gcloud init
-
Crie ou selecione um projeto do Google Cloud.
-
Crie um projeto do Google Cloud:
gcloud projects create PROJECT_ID
Substitua
PROJECT_ID
por um nome para o projeto do Google Cloud que você está criando. -
Selecione o projeto do Google Cloud que você criou:
gcloud config set project PROJECT_ID
Substitua
PROJECT_ID
pelo nome do projeto do Google Cloud.
-
-
Verifique se a cobrança está ativada para o seu projeto do Google Cloud.
-
Ative as APIs Vertex AI and Workflows:
gcloud services enable aiplatform.googleapis.com
workflows.googleapis.com -
Configure a autenticação:
-
Crie a conta de serviço:
gcloud iam service-accounts create SERVICE_ACCOUNT_NAME
Substitua
SERVICE_ACCOUNT_NAME
por um nome para a conta de serviço. -
Conceda o papel do IAM
roles/aiplatform.user
à conta de serviço:gcloud projects add-iam-policy-binding PROJECT_ID --member="serviceAccount:SERVICE_ACCOUNT_NAME@PROJECT_ID.iam.gserviceaccount.com" --role=roles/aiplatform.user
Substitua:
SERVICE_ACCOUNT_NAME
: o nome da conta de serviço.PROJECT_ID
: o ID do projeto em que você criou a conta de serviço
-
- Instale a CLI do Google Cloud.
-
Para inicializar a CLI gcloud, execute o seguinte comando:
gcloud init
-
Crie ou selecione um projeto do Google Cloud.
-
Crie um projeto do Google Cloud:
gcloud projects create PROJECT_ID
Substitua
PROJECT_ID
por um nome para o projeto do Google Cloud que você está criando. -
Selecione o projeto do Google Cloud que você criou:
gcloud config set project PROJECT_ID
Substitua
PROJECT_ID
pelo nome do projeto do Google Cloud.
-
-
Verifique se a cobrança está ativada para o seu projeto do Google Cloud.
-
Ative as APIs Vertex AI and Workflows:
gcloud services enable aiplatform.googleapis.com
workflows.googleapis.com -
Configure a autenticação:
-
Crie a conta de serviço:
gcloud iam service-accounts create SERVICE_ACCOUNT_NAME
Substitua
SERVICE_ACCOUNT_NAME
por um nome para a conta de serviço. -
Conceda o papel do IAM
roles/aiplatform.user
à conta de serviço:gcloud projects add-iam-policy-binding PROJECT_ID --member="serviceAccount:SERVICE_ACCOUNT_NAME@PROJECT_ID.iam.gserviceaccount.com" --role=roles/aiplatform.user
Substitua:
SERVICE_ACCOUNT_NAME
: o nome da conta de serviço.PROJECT_ID
: o ID do projeto em que você criou a conta de serviço
-
Implantar um fluxo de trabalho que descreva uma imagem (Gemini Pro Vision)
Implantar um fluxo de trabalho que faça uma solicitação
http.post
para um endpoint do editor do Gemini Pro Vision.
O fluxo de trabalho fornece uma solicitação de texto e o URI de uma imagem disponível publicamente em um bucket do Cloud Storage. É possível visualizar a imagem e, no console do Google Cloud, visualizar os detalhes do objeto.
O fluxo de trabalho retorna uma descrição da imagem a partir da resposta gerada do modelo.
Para mais informações sobre os parâmetros do corpo da solicitação HTTP usados ao solicitar o LLM, e os elementos do corpo da resposta, consulte a referência da API Genmini.
Console
No console do Google Cloud, abra a página Workflows.
Clique em
Criar.Insira um nome para o novo fluxo de trabalho:
describe-image
.Na lista Região, selecione us-central1 (Iowa).
Em Conta de serviço, selecione a conta de serviço criada anteriormente.
Clique em Próxima.
No editor de fluxo de trabalho, insira a seguinte definição para seu fluxo de trabalho:
Dependendo do modelo usado, talvez seja necessário remover espaços em branco desnecessários da resposta.
Selecione Implantar.
gcloud
Crie um arquivo de código-fonte para seu fluxo de trabalho:
touch describe-image.yaml
Em um editor de texto, copie o fluxo de trabalho a seguir para seu arquivo de código-fonte:
Dependendo do modelo usado, talvez seja necessário remover espaços em branco desnecessários da resposta.
Implante o fluxo de trabalho digitando o seguinte comando:
gcloud workflows deploy describe-image \ --source=describe-image.yaml \ --location=us-central1 \ --service-account=SERVICE_ACCOUNT_NAME@PROJECT_ID.iam.gserviceaccount.com
Executar o fluxo de trabalho
Quando um fluxo de trabalho é executado, a definição atual associada a ele também é.
Console
No console do Google Cloud, abra a página Workflows.
Na página Fluxos de trabalho, selecione describe-image para acessar a página de detalhes.
Na página Detalhes do fluxo de trabalho, clique em play_arrow Executar.
Em Entrada, insira o seguinte:
{"image_url":"gs://generativeai-downloads/images/scones.jpg"}
Clique em Executar novamente.
Veja os resultados do fluxo de trabalho no painel Saída.
A saída será semelhante a esta:
{ "image_description": "There are three pink peony flowers on the right side of the picture[]...]There is a white napkin on the table.", "image_url": "gs://generativeai-downloads/images/scones.jpg" }
gcloud
Abra um terminal.
Execute o fluxo de trabalho:
gcloud workflows run describe-image \ --data='{"image_url":"gs://generativeai-downloads/images/scones.jpg"}'
Os resultados da execução serão semelhantes aos seguintes:
Waiting for execution [258b530e-a093-46d7-a4ff-cbf5392273c0] to complete...done. argument: '{"image_url":"gs://generativeai-downloads/images/scones.jpg"}' createTime: '2024-02-09T13:59:32.166409938Z' duration: 4.174708484s endTime: '2024-02-09T13:59:36.341118422Z' name: projects/1051295516635/locations/us-central1/workflows/describe-image/executions/258b530e-a093-46d7-a4ff-cbf5392273c0 result: "{\"image_description\":\"The picture shows a rustic table with a white surface,\ \ on which there are several scones with blueberries, as well as two cups of coffee\ [...] \ on the table. The background of the table is a dark blue color.\",\"image_url\"\ :\"gs://generativeai-downloads/images/scones.jpg\"}" startTime: '2024-02-09T13:59:32.166409938Z' state: SUCCEEDED
Implantar um fluxo de trabalho que gere históricos dos países (Gemini Pro)
Implante um fluxo de trabalho que passa por uma lista de entrada de países em
parallel,
fazendo uma solicitação
http.post
para um endpoint de editor do Gemini Pro.
O fluxo de trabalho retorna os históricos dos países gerados pelo modelo, combinando-os em um mapa.
Para mais informações sobre os parâmetros do corpo da solicitação HTTP usados ao solicitar o LLM, e os elementos do corpo da resposta, consulte a referência da API Genmini.
Console
No console do Google Cloud, abra a página Workflows.
Clique em
Criar.Insira um nome para o novo fluxo de trabalho:
gemini-pro-country-histories
.Na lista Região, selecione us-central1 (Iowa).
Em Conta de serviço, selecione a conta de serviço criada anteriormente.
Clique em Próxima.
No editor de fluxo de trabalho, insira a seguinte definição para seu fluxo de trabalho:
Selecione Implantar.
gcloud
Crie um arquivo de código-fonte para seu fluxo de trabalho:
touch gemini-pro-country-histories.yaml
Em um editor de texto, copie o fluxo de trabalho a seguir para seu arquivo de código-fonte:
Implante o fluxo de trabalho digitando o seguinte comando:
gcloud workflows deploy gemini-pro-country-histories \ --source=gemini-pro-country-histories.yaml \ --location=us-central1 \ --service-account=SERVICE_ACCOUNT_NAME@PROJECT_ID.iam.gserviceaccount.com
Executar o fluxo de trabalho
Quando um fluxo de trabalho é executado, a definição atual associada a ele também é.
Console
No console do Google Cloud, abra a página Workflows.
Na página Fluxos de trabalho, selecione o fluxo de trabalho gemini-pro-country-histories para acessar a página de detalhes.
Na página Detalhes do fluxo de trabalho, clique em play_arrow Executar.
Em Entrada, insira o seguinte:
{"countries":["Argentina", "Bhutan", "Cyprus", "Denmark", "Ethiopia"]}
Clique em Executar novamente.
Veja os resultados do fluxo de trabalho no painel Saída.
A saída será semelhante a esta:
{ "Argentina": "The history of Argentina is a complex and fascinating one, marked by periods of prosperity and decline, political [...] "Bhutan": "The history of Bhutan is a rich and fascinating one, dating back to the 7th century AD. Here is a brief overview: [...] "Cyprus": "The history of Cyprus is a long and complex one, spanning over 10,000 years. The island has been ruled by a succession [...] "Denmark": "1. **Prehistory and Early History (c. 12,000 BC - 800 AD)**\\n - The earliest evidence of human habitation in Denmark [...] "Ethiopia": "The history of Ethiopia is a long and complex one, stretching back to the earliest human civilizations. The country is [...] }
gcloud
Abra um terminal.
Execute o fluxo de trabalho:
gcloud workflows run gemini-pro-country-histories \ --data='{"countries":["Argentina", "Bhutan", "Cyprus", "Denmark", "Ethiopia"]}' \ --location=us-central1
Os resultados da execução serão semelhantes aos seguintes:
Waiting for execution [7ae1ccf1-29b7-4c2c-99ec-7a12ae289391] to complete...done. argument: '{"countries":["Argentina","Bhutan","Cyprus","Denmark","Ethiopia"]}' createTime: '2024-02-09T16:25:16.742349156Z' duration: 12.075968673s endTime: '2024-02-09T16:25:28.818317829Z' name: projects/1051295516635/locations/us-central1/workflows/gemini-pro-country-histories/executions/7ae1ccf1-29b7-4c2c-99ec-7a12ae289391 result: "{\"Argentina\":\"The history of Argentina can be traced back to the arrival\ [...] n* 2015: Argentina elects Mauricio Macri as president.\",\"Bhutan\":\"The history\ [...] \ natural beauty, ancient monasteries, and friendly people.\",\"Cyprus\":\"The history\ [...] ,\"Denmark\":\"The history of Denmark can be traced back to the Stone Age, with\ [...] \ a high standard of living.\",\"Ethiopia\":\"The history of Ethiopia is long and\ [...] startTime: '2024-02-09T16:25:16.742349156Z' state: SUCCEEDED
Implantar um fluxo de trabalho que gere históricos de países (PaLM 2 para texto)
Talvez você não queira usar o Gemini Pro como modelo. O
exemplo a seguir usa um fluxo de trabalho semelhante ao anterior. No entanto, a solicitação
http.post
é feita para um PaLM 2 para endpoint do editor de texto.
Para mais informações sobre os parâmetros do corpo da solicitação HTTP usados ao solicitar o LLM, e os elementos do corpo da resposta, consulte PaLM 2 para referência da API de texto.
Console
No console do Google Cloud, abra a página Workflows.
Clique em
Criar.Insira um nome para o novo fluxo de trabalho:
text-bison-country-histories
.Na lista Região, selecione us-central1 (Iowa).
Em Conta de serviço, selecione a conta de serviço criada anteriormente.
Clique em Próxima.
No editor de fluxo de trabalho, insira a seguinte definição para seu fluxo de trabalho:
Dependendo do modelo usado, talvez seja necessário remover espaços em branco desnecessários da resposta.
Selecione Implantar.
gcloud
Crie um arquivo de código-fonte para seu fluxo de trabalho:
touch text-bison-country-histories.yaml
Em um editor de texto, copie o fluxo de trabalho a seguir para seu arquivo de código-fonte:
Dependendo do modelo usado, talvez seja necessário remover espaços em branco desnecessários da resposta.
Implante o fluxo de trabalho digitando o seguinte comando:
gcloud workflows deploy text-bison-country-histories \ --source=text-bison-country-histories.yaml \ --location=us-central1 \ --service-account=SERVICE_ACCOUNT_NAME@PROJECT_ID.iam.gserviceaccount.com
Implante um fluxo de trabalho que resume um grande documento (Gemini Pro)
Implante um fluxo de trabalho que divida um documento grande em partes menores, fazendo solicitações http.post
para um endpoint do editor do Gemini Pro em parallel para que o modelo possa resumir cada parte simultaneamente. O fluxo de trabalho finalmente
combina todos os resumos parciais em um completo.
Para mais informações sobre os parâmetros do corpo da solicitação HTTP usados ao solicitar o LLM, e os elementos do corpo da resposta, consulte a referência da API Genmini.
A definição do fluxo de trabalho pressupõe que você criou um bucket do Cloud Storage para o qual é possível fazer upload de um arquivo de texto. Para mais informações
sobre o conector do Workflows (googleapis.storage.v1.objects.get
)
usado para recuperar objetos do bucket do Cloud Storage, consulte a
Referência de conectores.
Depois de implantar o fluxo de trabalho, é possível executá-lo criando um gatilho apropriado do Eventarc e, em seguida, fazendo upload de um arquivo para o bucket. Para
mais informações, consulte
Rotear eventos do Cloud Storage para fluxos de trabalho.
É necessário ativar outras APIs e conceder outros papéis, inclusive conceder à sua conta de serviço o papel de Usuário do objeto do Storage (roles/storage.objectUser
) compatível com o uso de objetos do Cloud Storage. Para mais informações, consulte a seção
Preparar para criar um gatilho.
Console
No console do Google Cloud, abra a página Workflows.
Clique em
Criar.Insira um nome para o novo fluxo de trabalho:
gemini-pro-summaries
.Na lista Região, selecione us-central1 (Iowa).
Em Conta de serviço, selecione a conta de serviço criada anteriormente.
Clique em Próxima.
No editor de fluxo de trabalho, insira a seguinte definição para seu fluxo de trabalho:
Selecione Implantar.
gcloud
Crie um arquivo de código-fonte para seu fluxo de trabalho:
touch gemini-pro-summaries.yaml
Em um editor de texto, copie o fluxo de trabalho a seguir para seu arquivo de código-fonte:
Implante o fluxo de trabalho digitando o seguinte comando:
gcloud workflows deploy gemini-pro-summaries \ --source=gemini-pro-summaries.yaml \ --location=us-central1 \ --service-account=SERVICE_ACCOUNT_NAME@PROJECT_ID.iam.gserviceaccount.com
Limpar
Para evitar cobranças na sua conta do Google Cloud pelos recursos usados no tutorial, exclua o projeto que os contém ou mantenha o projeto e exclua os recursos individuais.
Exclua o projeto
Console
- No Console do Google Cloud, acesse a página Gerenciar recursos.
- Na lista de projetos, selecione o projeto que você quer excluir e clique em Excluir .
- Na caixa de diálogo, digite o ID do projeto e clique em Encerrar para excluí-lo.
gcloud
Exclua um projeto do Google Cloud:
gcloud projects delete PROJECT_ID
Excluir recursos individuais
Exclua os fluxos de trabalho criados neste tutorial.
A seguir
- Saiba mais sobre como fazer uma solicitação HTTP.
- Saiba mais sobre o método
streamGenerateContent
da Vertex AI. - Saiba mais sobre o método
predict
da Vertex AI.