始める

Firebase Genkit の使用を開始するには、Genkit CLI をインストールして次のコマンドを実行します。 Node.js プロジェクトの genkit init。このページの残りの部分では、その方法について説明します。

要件

Node.js 20 以降。

推奨事項: nvm と nvm-windowsのツールは 簡単にインストールできます。

Genkit をインストールする

次のコマンドを実行して、Genkit CLI をインストールします。

npm i -g genkit

このコマンドは、Genkit CLI を Node インストール ディレクトリにインストールし、Node プロジェクトの外部で使用できるようにします。

サンプル プロジェクトを作成して確認する

  1. 新しい Node プロジェクトを作成します。

    mkdir genkit-intro && cd genkit-intro
npm init -y

    package.json で、main フィールドが以下に設定されていることを確認します。 lib/index.js。

  2. Genkit プロジェクトを初期化します。

    genkit init

    1. モデルを選択します。

      Gemini（Google AI）

      開始する最も簡単な方法は、Google AI Gemini API を使用することです。お住まいの地域で利用可能であることを確認してください。

      Google AI Studio を使用して Gemini API の API キーを生成します。次に、そのキーを GOOGLE_GENAI_API_KEY 環境変数に設定します。

      export GOOGLE_GENAI_API_KEY=<your API key>

      Gemini（Vertex AI）

      お住まいの地域で Google AI Gemini API が利用できない場合は、Vertex AI API の使用を検討してください。Vertex AI API では、Gemini 以外のモデルも提供されています。課金が有効になっている Google Cloud プロジェクトがあり、AI Platform API を有効にし、いくつかの環境変数を設定する必要があります。

      gcloud services enable aiplatform.googleapis.com
export GCLOUD_PROJECT=<your project ID>
export GCLOUD_LOCATION=us-central1

      Vertex AI の料金については、https://cloud.google.com/vertex-ai/generative-ai/pricing をご覧ください。

    2. 残りの質問に対してデフォルトの回答を選択します。これにより、サンプルコードを使用するプロジェクト フォルダが初期化されます。

    genkit init コマンドは、サンプルのソースファイル index.ts を作成します。 LLM に質問の候補を表示する単一のフロー menuSuggestionFlow を定義 特定のテーマのレストランのアイテム

    このファイルは、次のようになります（プラグインの構成手順）。 Vertex AI を選択した場合は、見た目が異なる場合があります）。

    import * as z from 'zod';

// Import the Genkit core libraries and plugins.
import { generate } from '@genkit-ai/ai';
import { configureGenkit } from '@genkit-ai/core';
import { defineFlow, startFlowsServer } from '@genkit-ai/flow';
import { googleAI } from '@genkit-ai/googleai';

// Import models from the Google AI plugin. The Google AI API provides access to
// several generative models. Here, we import Gemini 1.5 Flash.
import { gemini15Flash } from '@genkit-ai/googleai';

configureGenkit({
  plugins: [
    // Load the Google AI plugin. You can optionally specify your API key
    // by passing in a config object; if you don't, the Google AI plugin uses
    // the value from the GOOGLE_GENAI_API_KEY environment variable, which is
    // the recommended practice.
    googleAI(),
  ],
  // Log debug output to tbe console.
  logLevel: 'debug',
  // Perform OpenTelemetry instrumentation and enable trace collection.
  enableTracingAndMetrics: true,
});

// Define a simple flow that prompts an LLM to generate menu suggestions.
export const menuSuggestionFlow = defineFlow(
  {
    name: 'menuSuggestionFlow',
    inputSchema: z.string(),
    outputSchema: z.string(),
  },
  async (subject) => {
    // Construct a request and send it to the model API.
    const llmResponse = await generate({
      prompt: `Suggest an item for the menu of a ${subject} themed restaurant`,
      model: gemini15Flash,
      config: {
        temperature: 1,
      },
    });

    // Handle the response from the model API. In this sample, we just convert
    // it to a string, but more complicated flows might coerce the response into
    // structured output or chain the response into another LLM call, etc.
    return llmResponse.text();
  }
);

// Start a flow server, which exposes your flows as HTTP endpoints. This call
// must come last, after all of your plug-in configuration and flow definitions.
// You can optionally specify a subset of flows to serve, and configure some
// HTTP server options, but by default, the flow server serves all defined flows.
startFlowsServer();

    Genkit でアプリの AI 機能を構築する際、 入力の前処理など複数のステップからなるフローの作成、 高度なプロンプト構築、外部情報の統合、 などのソースがあります。

  3. これで、Genkit の機能とサンプル プロジェクトをローカルマシンで実行して確認できるようになりました。Genkit デベロッパー UI をダウンロードして開始します。

    genkit start

    Genkit デベロッパー UI へようこそ

    これで、Genkit デベロッパー UI がお使いのマシンで実行されるようになりました。次のステップでモデルやフローを実行すると、マシンはフローの各ステップを連携させるために必要なオーケストレーション タスクを実行します。Gemini API などの外部サービスへの呼び出しは、引き続きライブサーバーに対して行われます。

    また、開発環境にいるため、Genkit はトレースと ローカル ファイルに保存されています。

  4. Genkit デベロッパー UI は、genkit start コマンドを実行すると自動的にダウンロードされ、開かれます。

    デベロッパー UI を使用すると、定義したフローや構成したモデルを確認したり、実行したり、以前の実行のトレースを調べたりできます。一部の機能を試してみましょう。

    • [Run] タブに、実行中のすべてのフローのリストが表示されます。 プラグインで構成されたモデルが含まれます。

      menuSuggestionFlow をクリックし、入力テキスト（例: "cat"）。問題がなければ、猫用のメニュー候補が表示されます。 レストランのメニューです。

    • [検査] タブに、フローの実行履歴が表示されます。各 フローに渡されたパラメータと、フローに渡された トレースデータを確認できます

次のステップ

Firebase を使用して Genkit アプリをビルドしてデプロイする方法をご覧ください。 Cloud Run、任意の Node.js プラットフォーム。