Başlama

Firebase Genkit'i kullanmaya başlamak için Genkit CLI'yı yükleyin ve bir Node.js projesinde genkit init komutunu çalıştırın. Bu sayfanın geri kalanında bu işlemi nasıl yapacağınız gösterilmektedir.

Şartlar

Node.js 20 veya üzeri.

Prosedür

1. Aşağıdaki komutu çalıştırarak Genkit CLI'ı yükleyin:

   npm i -g genkit
   

2. Yeni bir Düğüm projesi oluşturun:

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

   package.json dosyasını inceleyin ve main alanının lib/index.js olarak ayarlandığından emin olun.

3. Genkit projesini başlatma:

   genkit init
   

   1. Dağıtım platformu seçeneği olarak Node.js'i seçin (Firebase Cloud Functions ve Google Cloud Run için de şablonlar da kullanılabilir).

   2. Modelinizi seçin:

      Gemini (Google Yapay Zeka)

      Google AI Gemini API'yi kullanmaya başlamanın en basit yolu budur. Bölgenizde kullanıma sunulduğundan emin olun.

      Google AI Studio'yu kullanarak Gemini API için API anahtarı oluşturun. Ardından GOOGLE_GENAI_API_KEY ortam değişkenini anahtarınıza ayarlayın:

      export GOOGLE_GENAI_API_KEY=<your API key>
      

      Gemini (Vertex AI)

      Google AI Gemini API bölgenizde kullanılamıyorsa Gemini ve diğer modelleri de sunan Vertex AI API'yi kullanabilirsiniz. Faturalandırmanın etkin olduğu bir Google Cloud projeniz olması, AI Platform API'yi etkinleştirmeniz ve bazı ek ortam değişkenlerini ayarlamanız gerekir:

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

      Vertex AI fiyatlandırması için https://cloud.google.com/vertex-ai/generative-ai/pricing adresini ziyaret edin.

   3. Geri kalan sorular için varsayılan yanıtları seçin. Bu işlem, proje klasörünüzü bir miktar örnek kodla başlatır.

   genkit init komutu, index.ts adlı örnek bir kaynak dosyası oluşturur. Projenizin giriş noktasıdır. Burada projeniz için Genkit'i yapılandırır, yüklemek istediğiniz eklentileri yapılandırıp AI akışlarınızı ve tanımladığınız diğer kaynakları dışa aktarırsınız. Örnek dosya, daha önce seçtiğiniz model sağlayıcıyı desteklemek için bir eklenti yükleyen yapılandırmayı içerir. Ayrıca, LLM'nin belirli bir temaya sahip bir restoran için öğe önermesini isteyen tek bir akış (menuSuggestionFlow) içerir.

   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();
   

   Genkit ile uygulamanızın yapay zeka özelliklerini geliştirirken muhtemelen giriş ön işleme, daha karmaşık istem oluşturma ve alma ile güçlendirilmiş oluşturma (RAG) için harici bilgi kaynaklarını entegre etme gibi birden çok adımdan oluşan akışlar oluşturacaksınız.

4. Artık Genkit özelliklerini ve örnek projeyi makinenizde yerel olarak çalıştırıp keşfedebilirsiniz. Genkit Developer UI'ı indirip başlatın:

   genkit start
   

   

   Genkit Geliştirici Kullanıcı Arayüzü şu anda makinenizde çalışıyor. Sonraki adımda modelleri veya akışları çalıştırdığınızda makineniz, akışınızın adımlarının birlikte çalışması için gereken düzenleme görevlerini gerçekleştirir. Gemini API gibi harici hizmetlere yapılan çağrılar, canlı sunucularda yapılmaya devam eder.

   Ayrıca, geliştirme ortamında olduğunuz için Genkit izleri ve akış durumunu yerel dosyalarda depolar.

5. genkit start komutunu çalıştırdığınızda Genkit Geliştirici Kullanıcı Arayüzü otomatik olarak indirilir ve açılır.

   Geliştirici Kullanıcı Arayüzü, tanımladığınız akışları ve yapılandırdığınız modelleri görmenize, bunları çalıştırmanıza ve önceki çalıştırmaların izlerini incelemenize olanak tanır. Şu özelliklerden bazılarını deneyin:

   • Çalıştır sekmesinde, tanımladığınız tüm akışların ve eklentiler tarafından yapılandırılan tüm modellerin listesini görürsünüz.

     menuSuggestionFlow'u tıklayın ve giriş metniyle çalıştırmayı deneyin (örneğin, "cat"). Her şey yolunda giderse kedi temalı bir restoran için menü önerisiyle ödüllendirilirsiniz.

   • Denetle sekmesinde, akış yürütmelerinin geçmişini görürsünüz. Her bir akış için, akışa geçirilen parametreleri ve çalıştırılan her bir adımın izini görebilirsiniz.

Sonraki adımlar

Genkit uygulamanızı Firebase, Cloud Run veya herhangi bir Node.js platformuyla nasıl oluşturup dağıtacağınızı öğrenin.