Rozpocznij

Aby zacząć korzystać z Firebase Genkit, zainstaluj interfejs wiersza poleceń Genkit i uruchom genkit init w projekcie Node.js. Więcej informacji znajdziesz na tej stronie.

Wymagania

Node.js w wersji 20 lub nowszej.

Procedura

  1. Zainstaluj interfejs wiersza poleceń Genkit, uruchamiając to polecenie:

    npm i -g genkit

  2. Utwórz nowy projekt węzła:

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

    Przejrzyj plik package.json i upewnij się, że pole main jest ustawione na lib/index.js.

  3. Zainicjuj projekt Genkit:

    genkit init

    1. Wybierz Node.js jako opcję platformy wdrożenia (dostępne są również szablony dla Firebase Cloud Functions i Google Cloud Run).

    2. Wybierz model:

      Gemini (AI od Google)

      Najprostszym sposobem na rozpoczęcie jest korzystanie z interfejsu Google AI Gemini API. Upewnij się, że jest ona dostępna w Twoim regionie.

      Wygeneruj klucz interfejsu API dla interfejsu API Gemini za pomocą Google AI Studio. Następnie ustaw zmienną środowiskową GOOGLE_GENAI_API_KEY na swój klucz:

      export GOOGLE_GENAI_API_KEY=<your API key>

      Gemini (Vertex AI)

      Jeśli interfejs Google AI Gemini API nie jest dostępny w Twoim regionie, rozważ skorzystanie z interfejsu Vertex AI API, który oferuje również Gemini i inne modele. Musisz mieć projekt Google Cloud obsługujący płatności, włączyć interfejs AI Platform API i ustawić dodatkowe zmienne środowiskowe:

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

      Sprawdź cennik Vertex AI na stronie https://cloud.google.com/vertex-ai/generative-ai/pricing.

    3. Wybierz domyślne odpowiedzi na pozostałe pytania. Spowoduje to zainicjowanie folderu projektu z przykładowym kodem.

    Polecenie genkit init tworzy przykładowy plik źródłowy index.ts. To jest punkt wejścia projektu, w którym konfigurujesz Genkit na potrzeby swojego projektu, konfigurujesz wtyczki, które chcesz wczytywać i eksportować przepływy AI oraz inne zdefiniowane przez Ciebie zasoby. Przykładowy plik zawiera konfigurację, która wczytuje wtyczkę do obsługi wybranego wcześniej dostawcy modelu. Zawiera również pojedynczy proces menuSuggestionFlow, który zachęca LLM do zaproponowania produktu do restauracji o określonym motywie.

    configureGenkit({
  plugins: [googleAI()],
  logLevel: 'debug',
  enableTracingAndMetrics: true,
});

export const menuSuggestionFlow = defineFlow(
  {
    name: 'menuSuggestionFlow',
    inputSchema: z.string(),
    outputSchema: z.string(),
  },
  async (subject) => {
    const llmResponse = await generate({
      prompt: `Suggest an item for the menu of a {subject} themed restaurant`,
      model: geminiPro,
      config: {
        temperature: 1,
      },
    });

    return llmResponse.text();
  }
);

startFlowsServer();

    Rozwijając funkcje AI w aplikacji za pomocą Genkit, będziesz prawdopodobnie tworzyć przepływy obejmujące wiele etapów, takich jak wstępne przetwarzanie danych wejściowych, bardziej zaawansowane tworzenie promptów, integracja zewnętrznych źródeł informacji na potrzeby generowania rozszerzonego przez pobieranie (RAG) itp.

  4. Teraz możesz uruchamiać i poznawać funkcje Genkit oraz przykładowy projekt lokalnie na swoim komputerze. Pobierz i uruchom interfejs programisty Genkit:

    genkit start

    Witamy w interfejsie programisty Genkit

    Na Twoim komputerze działa teraz interfejs programisty Genkit. Gdy uruchomisz modele lub przepływy w następnym kroku, komputer wykona zadania administracyjne niezbędne do wspólnego działania kroków procesu. Wywołania usług zewnętrznych, takich jak Gemini API, będą nadal wykonywane na aktywnych serwerach.

    Ponieważ pracujesz w środowisku programistycznym, Genkit będzie przechowywać logi czasu i stan przepływu w plikach lokalnych.

  5. Interfejs programisty Genkit pobiera i otwiera się automatycznie po uruchomieniu polecenia genkit start.

    Interfejs dewelopera pozwala sprawdzić, które przepływy zostały zdefiniowane i skonfigurowane modele, a także je uruchamiać i analizować logi czasu poprzednich uruchomień. Wypróbuj te funkcje:

    • Na karcie Uruchom zobaczysz listę wszystkich zdefiniowanych przepływów oraz modele, które zostały skonfigurowane przez wtyczki.

      Kliknij menusuggestionFlow i spróbuj wpisać tekst (np. "cat"). Jeśli wszystko pójdzie dobrze, otrzymasz propozycję menu restauracji o kota.

    • Na karcie Zbadaj dostępna jest historia wykonań przepływów. W przypadku każdego przepływu możesz zobaczyć parametry przekazane do przepływu oraz ślad każdego wykonywanego kroku.

Dalsze kroki

Dowiedz się, jak utworzyć i wdrożyć aplikację Genkit za pomocą Firebase, Cloud Run lub dowolnej platformy Node.js.