Crea con Gemini su Google Cloud

Se non hai mai utilizzato Gemini, le guide rapide rappresentano il modo più rapido per iniziare.

Tuttavia, man mano che le tue soluzioni di IA generativa maturano, potresti aver bisogno di una piattaforma per creare e eseguire il deployment di applicazioni e soluzioni di IA generativa end-to-end. Google Cloud offre un ecosistema completo di strumenti per consentire agli sviluppatori di sfruttare la potenza dell'IA generativa, dalle fasi iniziali dello sviluppo delle app al deployment delle app, all'hosting delle app 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 di IA per garantire 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'IA generativa.

La seguente tabella riassume le principali differenze tra l'AI di Google e Vertex AI per aiutarti a scegliere l'opzione più adatta al tuo caso d'uso:

Per scoprire quali prodotti, framework e strumenti sono la soluzione migliore per creare la tua applicazione di IA generativa su Google Cloud, consulta Creare un'applicazione di IA generativa su Google Cloud.

Eseguire la migrazione da Gemini su Google AI a Vertex AI

Se la tua applicazione utilizza le API Gemini di Google AI, dovrai eseguire la migrazione alle API Gemini di Vertex AI di Google Cloud.

Durante la migrazione:

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

• Le regioni supportate potrebbero variare tra Google AI Studio e Vertex AI. Consulta l'elenco delle regioni supportate per l'IA generativa su Google Cloud.

• Tutti i modelli creati in Google AI Studio devono essere riaddestrati in Vertex AI.

Tieni presente che se vuoi chiamare l'API Gemini direttamente da un'app web o mobile di produzione, devi eseguire la migrazione a Vertex AI negli SDK client di Firebase (disponibile per app Swift, Android, web e Flutter). Questi SDK client offrono opzioni di sicurezza fondamentali e altre funzionalità per le app web e mobile di produzione.

Python: esegui la migrazione dall'API Gemini di Google AI all'API Gemini di Vertex AI

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

Configurazione dell'SDK Python per Vertex AI

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

Sebbene esistano molti modi per eseguire l'autenticazione, il metodo più semplice per eseguire 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 account utente o di servizio abbia il ruolo Utente Vertex AI.

Esempio di codice per installare il client

# 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)
        

Esempio di codice per generare testo dal prompt di testo

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.
        

Esempio di codice per generare testo da testo e immagine

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.
        

Esempio di codice per generare una chat multi-turno

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)
        

Eliminare le chiavi API inutilizzate

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

Per eliminare una chiave API:

1. Apri la pagina Credenziali API di 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 credenziale, seleziona Elimina.

   L'eliminazione di una chiave API richiede alcuni minuti per essere propagata. Una volta completata la propagazione, il traffico che utilizza la chiave API eliminata viene rifiutato.

Passaggi successivi

• Consulta la panoramica dell'IA generativa su Vertex AI per saperne di più sulle soluzioni di IA generativa su Vertex AI.
• Scopri di più sull'API Gemini di Vertex AI.