Fluxos de trabalho avançados para modelos


Para Firebase AI Logic, o console do Firebase oferece uma interface guiada para você especificar o conteúdo de um modelo. No entanto, há vários casos de uso em que você pode precisar de maneiras mais avançadas de configurar um modelo, incluindo:

Os fluxos de trabalho avançados descritos nesta página usam a API REST Firebase AI Logic.

Informações importantes sobre o uso da API REST

  • Se um modelo estiver desbloqueado, será possível substituir o modelo usando o mesmo ID de modelo na chamada de API REST. Não é possível substituir um modelo bloqueado.

  • Quando você cria um modelo de comando do servidor usando a API REST e define o local como global, o modelo de comando do servidor é provisionado automaticamente em todos os locais (incluindo global) e fica disponível para uso com ambos os provedores de Gemini API. No entanto, se você definir qualquer outro local ao criar o modelo usando a API REST, ele estará disponível apenas para o Agent Platform Gemini API (formerly Vertex AI). Saiba mais sobre como definir um local específico para um modelo mais adiante nesta página.

    Ao usar a interface guiada no console do Firebase, o modelo também é provisionado automaticamente em todos os locais (incluindo global) e fica disponível para uso com ambos os provedores do Gemini API.

  • Para acessar um modelo de comando de servidor em uma solicitação templateGenerateContent ou templateStreamGenerateContent pela API REST, use o endpoint específico do seu provedor de Gemini API (Gemini Developer API | Agent Platform Gemini API (formerly Vertex AI)).

(Somente Agent Platform Gemini API (formerly Vertex AI)) Definir um local específico para um modelo

Esta seção é aplicável para estas situações:

  • O caso de uso do seu app tem requisitos baseados em localização.

  • As solicitações do app usam o Agent Platform Gemini API (formerly Vertex AI), e você especifica um local para acessar um modelo.

Como descrito anteriormente nesta página, um modelo de comando de servidor é provisionado automaticamente para todas as regiões com disponibilidade para Firebase AI Logic (incluindo global) se você fizer uma das seguintes ações:

  • Crie o modelo usando a interface guiada no console do Firebase.
  • Criar o modelo usando a API REST e definir o local como global.

Isso significa que é possível definir o local na solicitação do app para qualquer uma das regiões disponíveis para Firebase AI Logic, e o modelo estará disponível. Não é necessário definir o local na solicitação do app para global.

No entanto, se você quiser que o modelo esteja disponível apenas em um local específico, será necessário criar o modelo usando a API REST e definir esse local específico explicitamente. Não defina o local como global.

  1. Crie o modelo chamando o endpoint projects.locations.templates.create. Especifique o location do modelo (por exemplo, europe-west4) ao criar um PromptTemplate.

  2. Na solicitação do app, verifique se o local em que você acessa o modelo corresponde ao local do modelo (eu).

Atente para o seguinte:

  • A lista de modelos no console do Firebase mostra apenas os modelos que estão (no mínimo) provisionados no local global.

  • Se você usar a API REST para provisionar um modelo em um local específico (que não seja global), o local em que você acessa o modelo na solicitação do app precisa corresponder ao local definido para o modelo. Se os locais não corresponderem, a solicitação vai falhar (devido às políticas de isolamento regional).

Fornecer o modelo como um arquivo

Para fornecer o conteúdo de um arquivo de modelo de comando do servidor, chame o endpoint projects.locations.templates.create.