Mit Gemini in Google Cloud erstellen

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.

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:

Informationen dazu, welche Produkte, Frameworks und Tools sich am besten für das Erstellen Ihrer generativen KI-Anwendung in Google Cloud eignen, finden Sie unter Generative KI-Anwendung in Google Cloud erstellen.

Von Gemini in Google AI zu Vertex AI migrieren

Wenn Ihre Anwendung Google AI Gemini APIs verwendet, müssen Sie zu den Vertex AI Gemini APIs von Google Cloud migrieren.

Bei der Migration gilt 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. Liste der unterstützten Regionen für generative KI in Google Cloud

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

Wenn Sie die Gemini API direkt über eine Produktions-App aufrufen möchten, müssen Sie zu Vertex AI in Firebase Client SDKs migrieren. Diese sind für Swift-, Android-, Web- und Flutter-Apps verfügbar. Diese Client-SDKs bieten wichtige Sicherheitsoptionen und andere Funktionen für die Produktion von mobilen und Web-Apps.

Python: Von der Google AI Gemini API zur Vertex AI Gemini API migrieren

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

# 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

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

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

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)
        

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.

Nächste Schritte

• Weitere Informationen zu Lösungen für generative KI in Vertex AI finden Sie in der Übersicht über Generative AI in Vertex AI.
• Weitere Informationen zur Vertex AI Gemini API