É possível implantar fluxos do Firebase Genkit como serviços da Web usando o Cloud Run. Nesta página, como exemplo, orienta você no processo de implantação da amostra padrão fluxo
Instale a Google Cloud CLI se que você ainda não fez.
Crie um novo projeto do Google Cloud usando o Console do Cloud ou escolha um atual. O projeto precisa estar vinculado a uma conta de faturamento.
Depois de criar ou escolher um projeto, configure a CLI do Google Cloud para usar ele:
gcloud auth login
gcloud init
Crie um diretório para o projeto de amostra do Genkit:
mkdir -p ~/tmp/genkit-cloud-project
cd ~/tmp/genkit-cloud-project
Se você for usar um ambiente de desenvolvimento integrado, abra-o nesse diretório.
Inicialize um módulo Go no diretório do seu projeto:
go mod init example/cloudrun
Inicialize o Genkit no seu projeto:
genkit init
Selecione o provedor do modelo que você quer usar.
Aceite os padrões das outras solicitações. A ferramenta
genkit
criará um arquivo de origem de amostra para você começar a desenvolver seus próprios fluxos de IA. No entanto, no restante deste tutorial, você apenas implantará o fluxo de amostra.Edite o arquivo de amostra (
main.go
ougenkit.go
) para especificar explicitamente o porta em que o servidor de fluxo deve detectar:if err := genkit.Init(ctx, &genkit.Options{FlowAddr: ":3400"}, // Add this parameter. ); err != nil { log.Fatal(err) }
Disponibilize as credenciais da API para a função implantada. Siga uma destas etapas a seguir, dependendo do provedor de modelos escolhido:
Gemini (IA do Google)
Garanta que a IA do Google disponíveis na sua região.
Gere uma chave de API para a a API Gemini usando o Google AI Studio.
Disponibilize a chave de API no ambiente do Cloud Run:
- No console do Cloud, ative API Secret Manager
- No(s) dia(s) Secret Manager crie um novo secret com sua chave de API.
- Depois de criar o secret, na mesma página, conceda acesso acesso da conta de serviço ao secret com o Acessador de secrets do Secret Manager. Você pode procurar o nome da conta de serviço padrão do Compute na página do IAM.
Em uma etapa posterior, quando implantar o serviço, será preciso fazer referência ao nome do secret.
Gemini (Vertex AI)
No console do Cloud, Ativar a API Vertex AI para seu projeto.
No IAM página, verifique se a Conta de serviço padrão do Compute a função de Usuário da Vertex AI.
O único secret que você precisa configurar neste tutorial é para o modelo provedor, mas, em geral, é preciso fazer algo semelhante para cada serviço seu fluxo usa.
Opcional: teste o fluxo na interface do desenvolvedor:
Configure seu ambiente local para o provedor de modelo escolhido:
Gemini (IA do Google)
export GOOGLE_GENAI_API_KEY=<your API key>
Gemini (Vertex AI)
export GCLOUD_PROJECT=<your project ID>
export GCLOUD_LOCATION=us-central1
gcloud auth application-default login
Inicie a interface:
genkit start
Na interface do desenvolvedor (http://localhost:4000/), execute o fluxo:
Clique em menuSuggestionFlow.
Na guia Inserir JSON, forneça um assunto para o modelo:
"banana"
Clique em Executar.
Se tudo estiver funcionando como esperado até agora, você poderá criar e implantar o fluxo:
Gemini (IA do Google)
gcloud run deploy --port 3400 \ --update-secrets=GOOGLE_GENAI_API_KEY=<your-secret-name>:latest
Gemini (Vertex AI)
gcloud run deploy --port 3400 \ --set-env-vars GCLOUD_PROJECT=<your-gcloud-project> \ --set-env-vars GCLOUD_LOCATION=us-central1
O
GCLOUD_LOCATION
configura a região da API Vertex que você quer usar.Escolha
N
quando for perguntado se você quer permitir invocações não autenticadas. Se você responderN
, o serviço será configurado para exigir credenciais do IAM. Consulte Autenticação nos documentos do Cloud Run para saber como fazer isso.
Depois que a implantação terminar, a ferramenta imprimirá o URL de serviço. É possível testar
com curl
:
curl -X POST https://<service-url>/menuSuggestionFlow \
-H "Authorization: Bearer $(gcloud auth print-identity-token)" \
-H "Content-Type: application/json" -d '"banana"'