Compila con Gemini en Google Cloud

Si no tienes experiencia en Gemini, usar las guías de inicio rápido es la forma más rápida de comenzar.

Sin embargo, a medida que tus soluciones de IA generativas evolucionan, es posible que necesites una plataforma para compilar y, luego, implementar aplicaciones y soluciones de IA generativas de extremo a extremo. Google Cloud proporciona un ecosistema integral de herramientas para que los desarrolladores puedan aprovechar la potencia de la IA generativa, desde las etapas iniciales del desarrollo de apps hasta la implementación de apps, el hosting de apps y la administración de datos complejos a gran escala.

La plataforma Vertex AI de Google Cloud ofrece un conjunto de herramientas de MLOps que optimizan el uso, la implementación y la supervisión de los modelos de IA para lograr eficiencia y confiabilidad. Además, las integraciones con bases de datos, las herramientas de DevOps, el registro, la supervisión y la IAM proporcionan un enfoque integral para administrar todo el ciclo de vida de la IA generativa.

En la siguiente tabla, se resumen las principales diferencias entre Google AI y Vertex AI para ayudarte a decidir qué opción es adecuada para tu caso de uso:

Para saber qué productos, frameworks y herramientas son la mejor opción para compilar tu aplicación de IA generativa en Google Cloud, consulta Compila una aplicación de IA generativa en Google Cloud.

Migra de Gemini en Google AI a Vertex AI

Si tu aplicación usa las APIs de Gemini de Google AI, deberás migrar a las APIs de Gemini de Vertex AI de Google Cloud.

Cuando realices la migración, ocurrirá lo siguiente:

• Puedes usar tu proyecto existente de Google Cloud (el mismo que usaste para generar tu clave de API) o puedes crear un proyecto nuevo de Google Cloud.

• Las regiones compatibles pueden diferir entre Google AI Studio y Vertex AI. Consulta la lista de regiones compatibles para la IA generativa en Google Cloud.

• Todos los modelos que creaste en Google AI Studio deben volver a entrenarse en Vertex AI.

Ten en cuenta que, si quieres llamar a la API de Gemini directamente desde una app web o para dispositivos móviles de producción, debes migrar para usar Vertex AI en los SDK cliente de Firebase (disponible para apps de Swift, Android, la Web y Flutter). Estos SDK de cliente ofrecen opciones de seguridad fundamentales y otras funciones para apps web y para dispositivos móviles de producción.

Python: Migra de la API de Gemini de la IA de Google a la API de Gemini de Vertex AI

En las siguientes secciones, se muestran fragmentos de código para ayudarte a migrar tu código de Python para usar la API de Gemini en Vertex AI.

Configuración del SDK de Vertex AI para Python

En Vertex AI, no necesitas una clave de API. En cambio, Gemini en Vertex AI se administra a través del acceso a IAM, que controla el permiso de un usuario, un grupo o una cuenta de servicio para llamar a la API de Gemini a través del SDK de Vertex AI.

Si bien hay muchas formas de autenticar, el método más fácil para realizar la autenticación en un entorno de desarrollo es instalar Google Cloud CLI y, luego, usar tus credenciales de usuario para acceder a la CLI.

Para realizar llamadas de inferencia a Vertex AI, también debes asegurarte de que tu cuenta de usuario o servicio tenga el rol de usuario de Vertex AI.

Ejemplo de código para instalar el cliente

# 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)
        

Ejemplo de código para generar texto a partir de una solicitud de texto

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.
        

Ejemplo de código para generar texto a partir de imagen y texto

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.
        

Ejemplo de código para generar un chat de varios turnos

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)
        

Borra claves de API sin usar

Si ya no necesitas usar tu clave de API de Gemini en Google AI, sigue las prácticas recomendadas de seguridad y bórrala.

Para borrar una clave de API, haz lo siguiente:

1. Abre la página Credenciales de la API de Google Cloud.

2. Busca la clave de API que deseas borrar y haz clic en el ícono Acciones.

3. Selecciona Borrar clave de API.

4. En la ventana modal Borrar credencial, selecciona Borrar.

   Borrar una clave de API por completo demora algunos minutos. Una vez que finalice este proceso, el tráfico que use la clave de API borrada se rechazará.

Próximos pasos

• Consulta la descripción general de la IA generativa en Vertex AI para obtener más información sobre las soluciones de IA generativa en Vertex AI.
• Obtén más información sobre la API de Gemini de Vertex AI.