מעקב אחרי עלויות, שימוש ומדדים אחרים

מעקב אחרי העלויות, השימוש ומדדים אחרים של תכונות ה-AI הוא חלק חשוב בהפעלת אפליקציה בייצור. אתם צריכים לדעת איך נראים דפוסי שימוש רגילים באפליקציה שלכם, ולוודא שאתם לא חורגים מספי שימוש שחשובים לכם.

בדף הזה מפורטות כמה אפשרויות מומלצות למעקב אחרי העלויות, השימוש ומדדים אחרים במסוף Firebase ובמסוף Google Cloud.

מעקב אחרי העלויות

בלוח הבקרה Usage and Billing במסוף Firebase אפשר לראות את העלויות של הפרויקט על קריאה ל-Agent Platform Gemini API (formerly Vertex AI) ול-Gemini Developer API (אם אתם משתמשים בתוכנית התמחור Blaze).

העלויות שמוצגות בלוח הבקרה לא בהכרח ספציפיות לשיחות באמצעות ערכות ה-SDK של לקוח Firebase AI Logic. העלויות שמוצגות משויכות לכל הקריאות ל-Gemini APIs, בין אם נעשה שימוש ב-SDK של לקוח Firebase AI Logic, ב-SDK של שרת Google GenAI, ב-Genkit, ב-Firebase Extensions ל-Gemini API, בקריאות REST, באחד מ-AI Studios או בלקוחות API אחרים.

מידע נוסף על התמחור של המוצרים שמשויכים לשימוש שלכם ב-Firebase AI Logic

הגדרת התראות לגבי תקציב ומגבלות הוצאה

אם אתם משתמשים במינוי Blaze בתשלום לפי שימוש, כדי להימנע מחשבונות מפתיעים, מומלץ להגדיר תקציבים, ואז להגדיר במיוחד התראות על תקציב ומגבלות הוצאה על תקציב.

חשוב לזכור שהתראות לגבי תקציב לא מגבילות את התקציב. התראה תשלח לכם הודעות כשאתם מתקרבים לסף שהגדרתם או עוברים אותו, כדי שתוכלו לבצע פעולה באפליקציה או בפרויקט. כדי שהשירות יושהה כשתגיעו לתקציב, תצטרכו להגדיר תקרת הוצאות בתקציב.

צפייה בנתוני השימוש בתכונות מבוססות-AI במסוף Firebase

אתם יכולים להפעיל את התכונה 'מעקב אחרי שימוש בתכונות AI' בדף Firebase AI Logic במסוף Firebase כדי לעקוב אחרי מדדים שונים ברמת האפליקציה ונתוני שימוש, ולקבל תמונה מקיפה של הבקשות מ-SDKs של לקוחות Firebase AI Logic. לוחות הבקרה האלה מספקים נתונים מפורטים יותר מאלה שמתקבלים מקריאה ל-Count Tokens API.

היכולות העיקריות של מעקב אחרי AI במסוף Firebase כוללות:

  • הצגת מדדים כמותיים כמו נפח הבקשות, זמן האחזור, השגיאות ושימוש באסימונים לכל מצב של כל אחת מהאפליקציות.

  • בדיקת עקבות כדי לראות את המאפיינים, הקלט והפלט של הבקשות, שיכולים לעזור בניפוי באגים ובשיפור האיכות.

  • פילוח הנתונים לפי מאפיינים כמו סטטוס הבקשה, זמן האחזור המינימלי, שם המודל ועוד.

כל התכונות האלה מבוססות על Google Cloud Observability Suite (מידע מפורט על המוצר מופיע בהמשך).

הפעלת מעקב מבוסס-AI

אלה הדרכים שבהן אפשר להפעיל מעקב אחרי שימוש בתכונות AI במסוף Firebase:

הדרישות להפעלה ולשימוש בניטור באמצעות AI:

  • צריך להיות לכם תפקיד של בעלים, עריכה או אדמין ב-Firebase Vertex AI.

  • באפליקציה צריך להשתמש לפחות בגרסאות הבאות של ספריות Firebase:‏
    ‫iOS+‎: גרסה 11.13.0 ואילך | ‫Android: גרסה 16.0.0 ואילך (BoM: גרסה 33.14.0 ואילך) | ‫Web: גרסה 11.8.0 ואילך | ‫Flutter: גרסה 2.0.0 ואילך (BoM: גרסה 3.11.0 ואילך) | ‫Unity: גרסה 12.9.0 ואילך

  • באפליקציה שלכם צריך להפעיל את איסוף הנתונים בהסכמה (האפשרות הזו מופעלת כברירת מחדל).

אחרי שהאפליקציה עומדת בדרישות האלה ומפעילים את מעקב אחרי שימוש בתכונות AI במסוף, לא צריך לעשות שום דבר נוסף באפליקציה או במסוף כדי להתחיל לראות את הנתונים מתעדכנים בלוחות הבקרה בכרטיסייה שירותי AI > לוגיקת AI > מעקב אחרי שימוש בתכונות AI. יכול להיות שיהיה עיכוב קל (לפעמים עד 5 דקות) עד שהטלמטריה מבקשה תהיה זמינה במסוף Firebase.

שימוש מתקדם

בסעיף הזה נסביר על הגדרת קצב הדגימה ועל אפשרויות שונות לצפייה בנתונים ולעבודה איתם.

תדירות הדגימה

אם אתם שולחים מספר גדול של בקשות, מומלץ להשתמש בהגדרה של קצב הדגימה. שיעור הדגימה מציין את החלק היחסי של הבקשות שעבורן נאספים בפועל פרטי מעקב.

בכרטיסייה הגדרות של AI Logic > AI Services במסוף Firebase, אפשר להגדיר את קצב הדגימה של הפרויקט לערך בין 1 ל-100%. ערך של 100% אומר שמעקב אחרי שימוש בתכונות AI יאסוף עקבות מכל תעבורת הנתונים. ערך ברירת המחדל הוא 100%. איסוף של פחות עקבות יפחית את העלויות, אבל גם יקטין את מספר העקבות שאפשר לעקוב אחריהם. הערה: ללא קשר לשיעור הדגימה, הגרפים שמוצגים בלוח הבקרה של המעקב תמיד ישקפו את נפח התנועה האמיתי.

אפשרויות נוספות מחוץ למסוף Firebase

בנוסף למעקב אחרי שימוש בתכונות AI שזמין במסוף Firebase, כדאי לשקול את האפשרויות הבאות:

  • כדאי לעיין ב-Vertex AI Model Garden.
    לוחות הבקרה האלה מספקים תובנות נוספות לגבי מגמות של זמן האחזור וקצב העברת הנתונים של המודלים המנוהלים, בנוסף לתובנות שמתקבלות ממעקב אחרי ה-AI במסוף Firebase.

  • אפשר לעיין בנתונים ולהשתמש בהם באמצעות Google Cloud Observability Suite
    . נתוני הטלמטריה למעקב אחרי שימוש בתכונות AI מאוחסנים ב-Google Cloud Observability Suite שמשויך לפרויקט שלכם, כך שתוכלו לעיין בנתונים בלוחות הבקרה שלו, כולל Trace Explorer ו-Logs Explorer, שמקושרים לזמן שבו אתם בודקים את העקבות האישיים שלכם במסוף Firebase. אפשר גם להשתמש בנתונים כדי ליצור מרכזי בקרה בהתאמה אישית, להגדיר התראות ועוד.

מידע מפורט על מוצרים שמשמשים למעקב אחרי שימוש בתכונות AI

הנתונים הטלמטריים של מעקב ה-AI נשמרים במוצרים שונים שזמינים ב-Google Cloud Observability Suite, כולל Cloud Monitoring,‏ Cloud Trace ו-Cloud Logging.

  • ‫Cloud Monitoring: אחסון מדדים, כולל מספר הבקשות, שיעור ההצלחה והשהייה של הבקשות.

  • ‫Cloud Trace: מאחסן עקבות של כל אחת מהבקשות, כדי שתוכלו לראות את הפרטים בנפרד ולא במצטבר. בדרך כלל, מעקב משויך ליומנים כדי שתוכלו לבדוק את התוכן ואת התזמון של כל אינטראקציה.

  • ‫Cloud Logging: מתעד מטא-נתונים של קלט, פלט והגדרות כדי לספק פרטים עשירים על כל חלק בבקשת ה-AI.

מכיוון שנתוני הטלמטריה שלכם מאוחסנים במוצרים האלה, אתם יכולים לציין את הגדרות השמירה והגישה ישירות בכל מוצר (מידע נוסף זמין במסמכי התיעוד של Cloud Monitoring, Cloud Trace ו-Cloud Logging).

שימו לב: מעקב אחרי שימוש בתכונות AI שומר את ההנחיות הממשיות ואת הפלט שנוצר מכל בקשה לדגימה ב-Cloud Logging, כך שהנתונים האלה יהיו נגישים במסוף Firebase. אפשר גם להשבית את האפשרות לשמירת פרומפטים ותשובות.

תמחור

  • פרויקטים בתוכנית התמחור Spark ללא עלות (זמינה רק כשמשתמשים ב-Gemini Developer API): השימוש בשירותים הבסיסיים לצורך מעקב אחרי AI הוא ללא עלות.

  • פרויקטים בתוכנית התמחור Blaze עם תשלום לפי שימוש: תחויבו על השימוש במוצרי Google Cloud Observability Suite הבסיס שבהם נעשה שימוש בפיקוח מבוסס-AI (ללא קשר לספק Gemini API שבחרתם). עם זאת, לכל מוצר Google Cloud Observability Suite יש רמות שימוש נדיבות ללא עלות. מידע נוסף זמין בGoogle Cloud Observability Suiteמסמכי התמחור.

(אופציונלי) השבתת השמירה של הנחיות ותשובות

כברירת מחדל, מעקב אחרי שימוש בתכונות AI מתעד את הפרומפטים האמיתיים שנשלחים למודל ואת התשובות שהמודל יוצר, כולל מידע רגיש (כמו פרטים אישיים מזהים (PII)) בפרומפטים ובתשובות האלה. כל הנתונים האלה מאוחסנים ב-Cloud Logging, כך שאפשר לגשת אליהם במסוף Firebase.

כדי להשבית את האחסון של ההנחיות והתשובות, מוסיפים את מסנן ההחרגה הבא ליעד Cloud Logging (בדרך כלל היעד _Default): resource.type="firebasevertexai.googleapis.com/Model".

הצגת מדדי API ברמת הפרויקט במסוף Google Cloud

במסוף Google Cloud אפשר לראות מדדים ברמת הפרויקט, כמו שימוש, לכל API.

שימו לב שדפי המסוף Google Cloud שמתוארים בקטע הזה לא כוללים מידע כמו תוכן הבקשה והתגובה וכמות הטוקנים. כדי לעקוב אחרי סוג המידע הזה, כדאי להשתמש במעקב אחרי שימוש בתכונות AI במסוף Firebase (ראו את הקטע הקודם).

  1. במסוף Google Cloud, עוברים לדף Metrics של ה-API שרוצים להציג:

    • ‫Agent Platform API: צפייה בשימוש שמשויך לכל בקשה אל Agent Platform Gemini API (formerly Vertex AI).

      • כולל בקשות באמצעות ערכות SDK של לקוחFirebase AI Logic, ערכות SDK של שרת Google AI גנרטיבי, ‏ Genkit, ‏ Firebase Extensions, ‏ Gemini API, API בארכיטקטורת REST, ‏ Agent  Studio וכו'.

    • ‫Gemini Developer API: צפייה בנתוני השימוש שמשויכים לכל בקשה אל Gemini Developer API.

      • כולל בקשות באמצעות Firebase AI Logic client SDKs,‏ Google GenAI server SDKs,‏ Genkit,‏ Firebase Extensions‏ Gemini API, API בארכיטקטורת REST,‏ Google AI Studio וכו'.
      • השם המוצג של ה-API הזה במסוף Google Cloud הוא Generative Language API.

    אם מגיעים לדף סקירה כללית של ה-API, לוחצים על ניהול ואז על הכרטיסייה מדדים.

  2. משתמשים בתפריטים הנפתחים כדי לראות את המדדים שמעניינים אתכם, כמו תנועה לפי קוד תגובה, שגיאות לפי method של API, חביון כולל וחביון לפי method של API.