Mit Gemini in Google Cloud erstellen

Wenn Sie Gemini noch nicht kennen, sind die Kurzanleitungen die schnellste Möglichkeit.

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 Tool-Ökosystem, mit dem Entwickler das Potenzial der generativen KI voll ausschöpfen können – von den ersten Phasen der Anwendungsentwicklung über die Anwendungsbereitstellung bis hin zum Anwendungshosting und zur Verwaltung komplexer Daten in großem Umfang.

Die Vertex AI-Plattform von Google Cloud bietet eine Reihe von MLOps-Tools, mit denen die Nutzung, Bereitstellung und das Monitoring von KI-Modellen im Hinblick auf Effizienz und Zuverlässigkeit optimiert werden. Darüber hinaus bieten die Einbindung von Datenbanken, DevOps-Tools, Logging, Monitoring und IAM einen ganzheitlichen Ansatz für die Verwaltung des gesamten Lebenszyklus der generativen KI.

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

Funktionen Google AI Gemini API Google Cloud Vertex AI Gemini API
Neueste Gemini-Modelle Gemini Pro und Gemini Ultra Gemini Pro und Gemini Ultra
Anmelden Google-Konto Google Cloud-Konto (mit Nutzungsbedingungen und Abrechnung)
Authentifizierung API-Schlüssel Google Cloud-Dienstkonto
Playground für Benutzeroberfläche Google AI Studio Vertex AI Studio
API und SDK Python, Node.js, Android (Kotlin/Java), Swift, Go SDK unterstützt Python, Node.js, Java, Go
Kostenlose Stufe Ja 300 $ Google Cloud-Guthaben für neue Nutzer
Kontingent (Anfrage pro Minute) 60 (kann erhöht werden) Auf Anfrage erhöhen (Standard: 60)
Abbildung: Enterprise Support Nein Kundenverschlüsselungsschlüssel
Virtual Private Cloud
Datenstandort
Access Transparency
Skalierbare Infrastruktur für das Anwendungshosting
Datenbanken und Datenspeicher
MLOps Nein Vollständige MLOps in Vertex AI (Beispiele: Modellbewertung, Modellmonitoring, Modell-Registry)

Informationen dazu, welche Produkte, Frameworks und Tools am besten zum Erstellen Ihrer generativen KI-Anwendung in Google Cloud geeignet sind, finden Sie unter Anwendung mit generativer KI 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.

Dabei gilt Folgendes:

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 benötigen Sie keinen API-Schlüssel. 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.

Für Inferenzaufrufe an Vertex AI müssen Sie außerdem dafür sorgen, dass Ihr Nutzer- oder Dienstkonto die Rolle Vertex AI User hat.

Codebeispiel für die Installation des Clients

KI von Google Vertex AI 
# To install the Python SDK, use this CLI command:
# pip install google-generativeai

from google.generativeai import GenerativeModel
from google.colab import userdata

genai.configure(userdata.get('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 = ""
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-1.0-pro')

response = model.generate_content('The opposite of hot is')
print(response.text) #  The opposite of hot is cold.
        
model = GenerativeModel('gemini-1.0-pro')

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-1.0-pro-vision')

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-1.0-pro-vision")

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-1.0-pro')

chat = model.start_chat()

print(chat.send_message("How are you?").text)
print(chat.send_message("What can you do?").text)
        
model = GenerativeModel("gemini-1.0-pro")

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.

Nächste Schritte