本頁面由 Cloud Translation API 翻譯而成。

在伺服器環境使用遠端設定

Firebase Remote Config 支援使用 Firebase Admin Python SDK 6.7.0 以上版本進行伺服器端設定。這項功能可讓您使用 Remote Config 動態管理伺服器端應用程式的行為和設定。包括 Cloud Functions 等無伺服器實作項目。

與 Firebase 用戶端 SDK 不同，後者會從 Remote Config 範本擷取衍生的用戶端專屬設定，而伺服器端 Remote Config SDK 則會從 Firebase 下載完整的 Remote Config 範本。接著，伺服器就能評估每個傳入要求中的範本，並使用自己的邏輯，以極低的延遲時間提供自訂回應。您可以根據自訂信號中定義的隨機百分比和用戶端屬性，使用條件控制及自訂回應。

使用伺服器端 Remote Config，您可以：

定義在伺服器上執行或透過伺服器存取的應用程式設定參數，以便遠端設定 AI 模型參數和提示，以及其他整合項目等用途，確保 API 金鑰安全無虞。
根據環境或其他應用程式的變化動態調整參數，例如更新 LLM 參數和模型端點。
遠端更新伺服器呼叫的 API，控管費用。
為存取伺服器的用戶端即時產生自訂設定。
記錄哪些用戶端收到參數值，並在Cloud Functions中將此值做為授權驗證系統的一部分。

您可以在 Cloud Run、Remote Config或自行代管的伺服器環境中部署伺服器端 Cloud Functions。

事前準備

按照「將 Firebase Admin SDK 新增至伺服器」中的操作說明建立 Firebase 專案、設定服務帳戶，並將 Firebase Python SDK 新增至伺服器。

步驟 1：初始化 Firebase Admin Python SDK 並授權 API 要求

初始化 Admin SDK 時，如果沒有任何參數，SDK 會使用 Google 應用程式預設憑證，並從 GOOGLE_APPLICATION_CREDENTIALS 環境變數讀取選項。如要初始化 SDK 並新增 Remote Config，請按照下列步驟操作：

import firebase_admin
import asyncio
import json

firebase_admin.initialize_app()

步驟 2：找出伺服器應用程式的預設參數值

找出應用程式中要以 Remote Config 動態更新的變數。接著，請考量應用程式中預設必須設定哪些變數，以及這些變數的預設值應為何。即使應用程式與Remote Config後端伺服器的連線中斷，仍可順利執行。

舉例來說，如果您要編寫管理生成式 AI 函式的伺服器應用程式，可以設定預設模型名稱、提示前言和生成式 AI 設定，如下所示：

參數名稱	說明	類型	預設值
`model_name`	模型 API 名稱	字串	`gemini-2.0-flash`
`preamble_prompt`	提示在使用者查詢內容前加上前置字串	字串 <0x	`I'm a developer who wants to learn about Firebase and you are a helpful assistant who knows everything there is to know about Firebase!`
`generation_config`	要傳送至模型的參數	JSON <0x0	`{"stopSequences": ["I hope this helps"], "temperature": 0.7, "maxOutputTokens": 512, "topP": 0.1, "topK": 20}`

步驟 3：設定伺服器應用程式

決定要搭配 Remote Config 使用的參數後，請設定應用程式以設定預設值、擷取伺服器專屬的 Remote Config 範本，並使用其值。下列步驟說明如何設定 Python 應用程式。

存取並載入範本。

from firebase_admin import remote_config

# Initialize server-side Remote Config
template = remote_config.init_server_template()

# Load the template from the backend
 asyncio.run(template.load())

或者，如果您使用 Python 搭配 Cloud Functions，可以透過非同步 get_server_template 初始化並載入範本，只需一個步驟：

# Initialize server-side Remote Config
template = await remote_config.get_server_template()

為確保應用程式即使與 Remote Config 後端伺服器的連線中斷，也能順利執行，請在應用程式中為每個參數新增預設值。如要這麼做，請在 init_server_template 或 get_server_template 範本函式中新增 default_config：
```
template = remote_config.init_server_template({
  default_config: {
    'model_name': "gemini-pro",
    'generation_config': '{"stopSequences": [], "temperature": 0.7, "maxOutputTokens": 512, "topP": 0.1, "topK": 20}',
    'preamble_prompt': "I'm a developer who wants to learn about Firebase and you are a helpful assistant who knows everything there is to know about Firebase!"
  },
})

# Load Remote Config
asyncio.run(template.load())
```
您也可以使用 get_server_template 函式擷取必要的伺服器範本，藉此初始化範本。您可以使用 template.to_json 函式，將這個範本轉換為 JSON 格式。這個 JSON 範本可以儲存在本機。您隨後可以使用 init_server_template 函式初始化這個 JSON 範本。
範本載入後，請使用 template.evaluate() 從範本匯入參數和值：
```
# Add template parameters to config
config = template.evaluate()
```
視需要，如果您在 Remote Config 範本中設定條件，請定義並提供所需的值：
- 如果使用百分比條件，請在 template.evaluate() 函式中新增要用來評估條件的 randomization_id。
- 如果使用自訂信號，請定義屬性和屬性值。如要使用自訂信號，請安裝 Firebase Admin Python SDK 6.7.0 以上版本。
舉例來說，您可以將 Firebase 安裝 ID 設為 randomization_id 或使用者 ID，確保每個與伺服器聯絡的使用者都會加入適當的隨機群組；將 version 設為自訂信號，指定特定用戶端版本；將 platform 設為自訂信號，指定用戶端平台。

注意： 以下範例經過簡化，在實際情況中，您可能會將伺服器設定為為每個用戶端建立專屬的隨機 ID。這可確保 Remote Config 會根據使用者在百分比條件中獲派的群組，持續為每位使用者提供相同的值。

如要進一步瞭解條件，請參閱「條件規則類型」。
```
# Add template parameters to `config`. Evaluates the
# template and returns the parameter value assigned to
# the group assigned to the {randomization_id} and version.
config = template.evaluate({
  'randomization_id': "2ac93c28-c459-4760-963d-a3974ec26c04",
  'version': "1.0",
  'platform': "Android"
})
```
重要事項： 評估範本時，如果未指定 randomization_id 或自訂信號，系統會傳回 Remote Config 範本的預設值。
接著，從設定常數中擷取所需參數值。使用 getters 將 Remote Config 中的值轉換為預期格式。支援的類型如下：
- 布林值：get_bool
- 整數：get_int
- 浮點值：get_float
- 字串：get_string
- 值來源：get_value_source
舉例來說，如果您在伺服器上導入 Vertex AI，並想變更模型和模型參數，可能需要為 model_name 和 generation_config 設定參數。以下範例說明如何存取 Remote Config 的值：
```
# Replace defaults with values from Remote Config.
generation_config = json.loads(config.get_string('generation_config'))
is_ai_enabled = config.get_bool('is_ai_enabled')
model = config.get_string('model_name')

# Generates a prompt comprised of the Remote Config
# parameter and prepends it to the user prompt.
prompt = f"{config.get_string('preamble_prompt')}{req.args.get('prompt')}"
```
如果您的伺服器是長期運作，而非無伺服器環境，請定期重新載入範本，確保從 Remote Config 伺服器擷取最新範本。

步驟 4：在 Remote Config 中設定伺服器專屬的參數值

接著，建立伺服器Remote Config範本，並設定要在應用程式中使用的參數和值。

如要建立伺服器專屬的 Remote Config 範本，請按照下列步驟操作：

開啟 Firebase 控制台 Remote Config 參數頁面，然後從「用戶端/伺服器」選取器中選取「伺服器」。
定義 Remote Config 參數，這些參數的名稱和資料類型必須與您在應用程式中定義的參數相同，並提供值。當您擷取及評估範本，並將這些值指派給變數時，這些值會覆寫您在「設定伺服器應用程式」中設定的 default_config。
您可以視需要設定條件，將值持續套用至隨機樣本的執行個體或您定義的自訂信號。如要進一步瞭解條件，請參閱「條件規則類型」。
新增完參數後，請按一下「發布變更」。
查看變更，然後再次按一下「發布變更」。

步驟 5：使用 Cloud Functions 或 Cloud Run 部署

如果伺服器應用程式輕巧且為事件驅動型，建議使用 Cloud Functions 部署程式碼。舉例來說，如果您的應用程式包含由生成式 AI API (例如 Google AI 或 Vertex AI) 支援的角色對話，您可以在應用程式隨選呼叫的函式中，代管 LLM 服務邏輯。

如要瞭解如何使用第 2 代 Cloud Functions 和伺服器端 Remote Config 解決問題，請參閱「搭配使用伺服器端 Remote Config 與 Cloud Functions 和 Vertex AI」。
如要進一步瞭解如何使用 Cloud Functions 部署應用程式，請參閱「開始使用：編寫、測試及部署您的第一個函式」。

否則，建議考慮使用 Cloud Run。如要使用 Cloud Run 部署伺服器應用程式，請參閱「快速入門導覽課程：將 Python 服務部署至 Cloud Run」一文。

如要進一步瞭解 Cloud Run 和 Cloud Functions 的最佳用途，請參閱Cloud Functions 與 Cloud Run：何時該使用哪一個。