Crie com o Gemini no Google Cloud

Se você é iniciante no Gemini, usar os guias de início rápido é a maneira mais rápida de começar.

No entanto, à medida que suas soluções de IA generativa se desenvolverem, talvez você precise de uma plataforma para criar e implantar aplicativos e soluções de IA generativa de ponta a ponta. O Google Cloud oferece um ecossistema abrangente de ferramentas para permitir que os desenvolvedores aproveitem o poder da IA generativa, desde os estágios iniciais de desenvolvimento até a implantação, hospedagem e gerenciamento de dados complexos em escala de apps.

A plataforma Vertex AI do Google Cloud oferece um conjunto de ferramentas de MLOps que simplificam o uso, a implantação e o monitoramento de modelos de IA para eficiência e confiabilidade. Além disso, as integrações com bancos de dados, ferramentas de DevOps, geração de registros, monitoramento e IAM fornecem uma abordagem holística para gerenciar todo o ciclo de vida da IA generativa.

A tabela a seguir resume as principais diferenças entre a IA do Google e a Vertex AI para ajudar você a decidir qual é a opção certa para seu caso de uso:

Recursos API Google AI Gemini API Vertex AI do Google Cloud Vertex AI
Modelos mais recentes do Gemini Gemini Pro e Gemini Ultra Gemini Pro e Gemini Ultra
Inscreva-se Conta do Google Conta do Google Cloud (com contrato e faturamento de termos)
Proporção de Eficiência Energética (EER) Chave de API Conta de serviço do Google Cloud
Playground de interface do usuário o Google AI Studio; Vertex AI Studio
API e SDK Python, Node.js, Android (Kotlin/Java), Swift, Go O SDK oferece suporte a Python, Node.js, Java e Go
Nível sem custo financeiro Sim Crédito de US$ 300 do Google Cloud para novos usuários
Cota (solicitação por minuto) 60 (pode solicitar aumento) Aumentar mediante solicitação (padrão: 60)
Suporte empresarial Não Chave de criptografia do cliente
Nuvem privada virtual
Residência de dados
Transparência no acesso
Infraestrutura escalonável para hospedagem de aplicativos
Bancos de dados e armazenamento de dados
MLOps Não MLOps completas na Vertex AI (exemplos: avaliação de modelo, monitoramento de modelos, registro de modelos)

Para saber quais produtos, frameworks e ferramentas são a melhor opção para criar seu aplicativo de IA generativa no Google Cloud, consulte Criar um aplicativo de IA generativa no Google Cloud.

Migrar do Gemini no Google AI para a Vertex AI

Caso seu aplicativo use as APIs Google AI Gemini, será necessário migrar para as APIs Vertex AI Gemini do Google Cloud.

Confira o que acontecerá ao migrar:

Python: migrar da API Google AI Gemini para a API Vertex AI Gemini

As seções a seguir mostram snippets de código que ajudam você a migrar seu código Python para usar a API Vertex AI Gemini.

Configuração do SDK da Vertex AI para Python

Na Vertex AI, você não precisa de uma chave de API. Em vez disso, o Gemini na Vertex AI é gerenciado usando o acesso ao IAM, que controla a permissão de um usuário, um grupo ou uma conta de serviço para chamar a API Gemini usando o SDK da Vertex AI.

Há muitas maneiras de autenticar, o método mais fácil de autenticação em um ambiente de desenvolvimento é instalar a CLI do Google Cloud e usar suas credenciais de usuário para fazer login na CLI.

Para fazer chamadas de inferência para a Vertex AI, você também precisa verificar se sua conta de usuário ou de serviço tem a função de usuário da Vertex AI.

Exemplo de código para instalar o cliente

IA do 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)

Exemplo de código para gerar texto com base em um comando

IA do 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.

Exemplo de código para gerar texto com base em texto e imagem

IA do 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.

Exemplo de código para gerar um chat multiturno

IA do 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)

Excluir chaves de API não usadas

Se você não precisar mais usar sua chave de API do Google AI Gemini, siga as práticas recomendadas de segurança e exclua a chave.

Próximas etapas