ใช้การกำหนดค่าระยะไกลฝั่งเซิร์ฟเวอร์กับ Cloud Functions และ Agent Platform

คำแนะนำนี้จะอธิบายวิธีเริ่มต้นใช้งาน รุ่นที่ 2 Cloud Functions กับ ฝั่งเซิร์ฟเวอร์ Remote Config เพื่อเรียกใช้ จากฝั่งเซิร์ฟเวอร์ Agent Platform Gemini API (formerly Vertex AI)

ในบทแนะนำนี้ คุณจะได้เพิ่ม Remote Config ลงในฟังก์ชันที่คล้ายกับแชทบอตซึ่ง ใช้โมเดล Gemini เพื่อตอบคำถามของผู้ใช้ Remote Config จะ จัดการอินพุต Gemini API (รวมถึงข้อความแจ้งที่คุณจะเพิ่มไว้ข้างหน้า คำค้นหาของผู้ใช้ที่เข้ามา) และคุณสามารถอัปเดตอินพุตเหล่านี้ได้ตามต้องการจากคอนโซล Firebase นอกจากนี้ คุณยังจะได้ใช้ Firebase Local Emulator Suite เพื่อทดสอบและ แก้ไขข้อบกพร่องของฟังก์ชัน จากนั้นหลังจากยืนยันว่าฟังก์ชันทำงานได้แล้ว คุณจะนำฟังก์ชันไปใช้งานและ ทดสอบใน Google Cloud

ข้อกำหนดเบื้องต้น

คำแนะนำนี้จะถือว่าคุณคุ้นเคยกับการใช้ JavaScript เพื่อพัฒนาแอปพลิเคชัน

ตั้งค่าโปรเจ็กต์ Firebase

หากคุณยังไม่มีโปรเจ็กต์ Firebase ให้ทำดังนี้

  1. ลงชื่อเข้าใช้คอนโซล Firebase

  2. คลิกสร้างโปรเจ็กต์ แล้วใช้ตัวเลือกใดตัวเลือกหนึ่งต่อไปนี้

    • ตัวเลือกที่ 1: สร้างโปรเจ็กต์ Firebase ใหม่ (และโปรเจ็กต์ที่เกี่ยวข้องโดยอัตโนมัติ) Google Cloud โดยป้อนชื่อโปรเจ็กต์ใหม่ใน ขั้นตอนแรกของเวิร์กโฟลว์ "สร้างโปรเจ็กต์"
    • ตัวเลือกที่ 2: "เพิ่ม Firebase" ลงในโปรเจ็กต์ Google Cloud ที่มีอยู่โดย เลือกชื่อโปรเจ็กต์ Google Cloud จากเมนูแบบเลื่อนลงใน ขั้นตอนแรกของเวิร์กโฟลว์ "สร้างโปรเจ็กต์"

  3. เมื่อได้รับข้อความแจ้ง คุณไม่จำเป็นต้อง ตั้งค่า Google Analytics เพื่อใช้ โซลูชันนี้

  4. ทำตามวิธีการบนหน้าจอต่อไปเพื่อสร้างโปรเจ็กต์

หากคุณมีโปรเจ็กต์ Firebase อยู่แล้ว ให้ทำดังนี้

ไปที่กำหนดค่าสภาพแวดล้อมในการพัฒนาซอฟต์แวร์

กำหนดค่าสภาพแวดล้อมในการพัฒนาซอฟต์แวร์

คุณจะต้องมีสภาพแวดล้อม Node.js เพื่อเขียนฟังก์ชัน และ ต้องใช้ Firebase CLI เพื่อนำฟังก์ชันไปใช้งานใน Cloud Functions รันไทม์

  1. ติดตั้ง Node.js และ npm

    เราขอแนะนำให้ใช้ เครื่องมือจัดการเวอร์ชันของ Nodeในการติดตั้ง Node.js และ npm

  2. ติดตั้ง Firebase CLI โดยใช้วิธีที่ ต้องการ เช่น หากต้องการติดตั้ง CLI โดยใช้ npm ให้เรียกใช้คำสั่งต่อไปนี้

    npm install -g firebase-tools@latest

    คำสั่งนี้จะติดตั้งคำสั่ง firebase ที่พร้อมใช้งานทั่วโลก หากคำสั่งนี้ล้มเหลว คุณอาจต้อง เปลี่ยนสิทธิ์ npm

    หากต้องการอัปเดตเป็น firebase-tools เวอร์ชันล่าสุด ให้เรียกใช้คำสั่งเดิมอีกครั้ง

    Cloud Shell

  3. ติดตั้ง firebase-functions และ firebase-admin แล้วใช้ --save เพื่อบันทึกแพ็กเกจเหล่านี้ลงใน package.json

    npm install firebase-functions@latest firebase-admin@latest --save

ตอนนี้คุณพร้อมที่จะดำเนินการตามขั้นตอนการติดตั้งใช้งานโซลูชันนี้แล้ว

การใช้งาน

ทำตามขั้นตอนต่อไปนี้เพื่อสร้าง ทดสอบ และนำรุ่นที่ 2 Cloud Functions ไปใช้งานด้วย Remote Config และ Agent Platform:

  1. เปิดใช้ API ที่แนะนำในคอนโซลAgent PlatformGoogle Cloud
  2. เริ่มต้นโปรเจ็กต์และติดตั้งทรัพยากร Dependency ของ Node
  3. กำหนดค่าสิทธิ์ IAM สำหรับบัญชีบริการ Admin SDK และ บันทึกคีย์
  4. สร้างฟังก์ชัน
  5. สร้างเทมเพลต Remote Config เฉพาะเซิร์ฟเวอร์
  6. นำฟังก์ชันไปใช้งานและทดสอบใน Firebase Local Emulator Suite
  7. นำฟังก์ชันไปใช้งานใน Google Cloud

ขั้นตอนที่ 1: เปิดใช้ API ที่แนะนำของ Agent Platform ในคอนโซล Google Cloud

  1. เปิดคอนโซล Google Cloud แล้วเลือกโปรเจ็กต์เมื่อได้รับข้อความแจ้ง
  2. ในช่องค้นหา ที่ด้านบนของคอนโซล ให้ป้อน Agent Platform แล้วรอให้ Agent Platform ปรากฏขึ้นในผลการค้นหา
  3. เลือก Agent Platform แดชบอร์ด Agent Platform จะปรากฏขึ้น

  4. คลิกเปิดใช้ API ที่แนะนำทั้งหมด

    การเปิดใช้ API อาจใช้เวลาสักครู่จึงจะเสร็จสมบูรณ์ โปรดเปิดหน้าไว้จนกว่าการเปิดใช้จะเสร็จสิ้น

  5. หากไม่ได้เปิดใช้การเรียกเก็บเงิน ระบบจะแจ้งให้คุณเพิ่มหรือลิงก์บัญชี Cloud Billing หลังจากเปิดใช้บัญชีสำหรับการเรียกเก็บเงินแล้ว ให้กลับไปที่ Agent Platform แดชบอร์ด และตรวจสอบว่าได้เปิดใช้ API ที่แนะนำทั้งหมดแล้ว

ขั้นตอนที่ 2: เริ่มต้นโปรเจ็กต์และติดตั้งทรัพยากร Dependency ของ Node

  1. เปิดเทอร์มินัลในคอมพิวเตอร์และไปที่ไดเรกทอรีที่คุณวางแผนจะสร้างฟังก์ชัน

  2. เข้าสู่ระบบ Firebase โดยใช้คำสั่งต่อไปนี้

    firebase login

  3. เรียกใช้คำสั่งต่อไปนี้เพื่อเริ่มต้น Cloud Functions for Firebase

    firebase init functions

  4. เลือกใช้โปรเจ็กต์ที่มีอยู่ แล้วระบุรหัสโปรเจ็กต์

  5. เมื่อได้รับข้อความแจ้งให้เลือกภาษาที่จะใช้ ให้เลือก Javascript แล้วกด Enter

  6. สำหรับตัวเลือกอื่นๆ ทั้งหมด ให้เลือกค่าเริ่มต้น

    ระบบจะสร้างไดเรกทอรี functions ในไดเรกทอรีปัจจุบัน ภายในไดเรกทอรีนี้จะมีไฟล์ index.js ที่คุณจะใช้สร้างฟังก์ชัน ไดเรกทอรี node_modules ที่มีทรัพยากร Dependency สำหรับฟังก์ชัน และไฟล์ package.json ที่มีทรัพยากร Dependency ของแพ็กเกจ

  7. เพิ่มแพ็กเกจ Admin SDK และ Agent Platform โดยเรียกใช้คำสั่งต่อไปนี้ แล้วใช้ --save เพื่อให้แน่ใจว่าแพ็กเกจจะได้รับการบันทึกลงในไฟล์ package.json

    cd functions
npm install firebase-admin@latest @google-cloud/vertexai --save

ตอนนี้ไฟล์ functions/package.json ควรมีลักษณะดังต่อไปนี้ โดยระบุเวอร์ชันล่าสุด

  {
    "name": "functions",
    "description": "Cloud Functions for Firebase",
    "scripts": {
      "serve": "firebase emulators:start --only functions",
      "shell": "firebase functions:shell",
      "start": "npm run shell",
      "deploy": "firebase deploy --only functions",
      "logs": "firebase functions:log"
    },
    "engines": {
      "node": "20"
    },
    "main": "index.js",
    "dependencies": {
      "@google-cloud/vertexai": "^1.1.0",
      "firebase-admin": "^12.1.0",
      "firebase-functions": "^5.0.0"
    },
    "devDependencies": {
      "firebase-functions-test": "^3.1.0"
    },
    "private": true
  }

โปรดทราบว่าหากคุณใช้ ESLint คุณจะเห็นส่วนที่รวม ESLint ไว้ นอกจากนี้ โปรดตรวจสอบว่าเวอร์ชันของ Node Engine ตรงกับ Node.js เวอร์ชันที่คุณติดตั้งและเวอร์ชันที่คุณจะเรียกใช้ใน Google Cloud ตัวอย่างเช่น หากส่วน engines ใน package.json ได้รับการกำหนดค่าเป็น Node เวอร์ชัน 18 และคุณใช้ Node.js 20 ให้อัปเดตไฟล์เพื่อใช้เวอร์ชัน 20 ดังนี้

  "engines": {
    "node": "20"
  },

ขั้นตอนที่ 3: กำหนดค่าสิทธิ์ IAM สำหรับบัญชีบริการ Admin SDK และบันทึกคีย์

ในโซลูชันนี้ คุณจะได้ใช้บัญชีบริการ Firebase Admin SDK เพื่อเรียกใช้ ฟังก์ชัน

  1. ในคอนโซล Google Cloud ให้เปิดหน้า IAM และผู้ดูแลระบบ แล้วค้นหาบัญชีบริการ Admin SDK (ชื่อ firebase-adminsdk)
  2. เลือกบัญชีแล้วคลิกแก้ไขหลัก หน้าแก้ไขสิทธิ์เข้าถึงจะปรากฏขึ้น
  3. คลิกเพิ่มบทบาทอื่น แล้วเลือกRemote Config ผู้ดู
  4. คลิกเพิ่มบทบาทอื่น แล้วเลือกนักพัฒนาแพลตฟอร์ม AI
  5. คลิกเพิ่มบทบาทอื่น แล้วเลือกAgent Platform ผู้ใช้
  6. คลิกเพิ่มบทบาทอื่น แล้วเลือกผู้เรียกใช้ Cloud Run
  7. คลิกบันทึก

จากนั้น ให้ส่งออกข้อมูลเข้าสู่ระบบสำหรับบัญชีบริการ Admin SDK และบันทึกข้อมูลดังกล่าวไว้ ในตัวแปรสภาพแวดล้อม GOOGLE_APPLICATION_CREDENTIALS

  1. ในคอนโซล Google Cloud ให้เปิดหน้า ข้อมูลเข้าสู่ระบบ
  2. คลิกบัญชีบริการ Admin SDK เพื่อเปิดหน้า รายละเอียด
  3. คลิกคีย์
  4. คลิกเพิ่มคีย์ > สร้างคีย์ใหม่
  5. ตรวจสอบว่าได้เลือก JSON เป็นประเภทคีย์ แล้วคลิกสร้าง
  6. ดาวน์โหลดคีย์ไปยังที่ปลอดภัยในคอมพิวเตอร์

  7. จากเทอร์มินัล ให้ส่งออกคีย์เป็นตัวแปรสภาพแวดล้อมโดยใช้คำสั่งต่อไปนี้

    export GOOGLE_APPLICATION_CREDENTIALS="/path/to/your/service-account-key.json"

ขั้นตอนที่ 4: สร้างฟังก์ชัน

ในขั้นตอนนี้ คุณจะได้สร้างฟังก์ชันที่จัดการข้อมูลจากผู้ใช้และสร้างการตอบกลับที่ทำงานด้วยระบบ AI คุณจะต้องรวมข้อมูลโค้ดหลายๆ ส่วนเพื่อสร้างฟังก์ชันที่ครอบคลุมซึ่งจะเริ่มต้น Admin SDK และ Agent Platform Gemini API (formerly Vertex AI) กำหนดค่าพารามิเตอร์เริ่มต้นโดยใช้ Remote Config ดึงข้อมูลพารูมิเตอร์ Remote Config ล่าสุด ประมวลผล อินพุตของผู้ใช้ และส่งการตอบกลับกลับไปยังผู้ใช้

  1. ในฐานของโค้ด ให้เปิด functions/index.js ในโปรแกรมแก้ไขข้อความหรือ IDE

  2. ลบเนื้อหาที่มีอยู่ แล้วเพิ่ม Admin SDK, Remote Config และ Agent Platform SDK พร้อมเริ่มต้นแอปโดย วางโค้ดต่อไปนี้ลงในไฟล์

    const { onRequest } = require("firebase-functions/https");
const logger = require("firebase-functions/logger");

const { initializeApp } = require("firebase-admin/app");
const { VertexAI } = require('@google-cloud/vertexai');
const { getRemoteConfig } = require("firebase-admin/remote-config");

// Set and check environment variables.
const project = process.env.GCLOUD_PROJECT;

// Initialize Firebase.
const app = initializeApp();

  3. กำหนดค่าเริ่มต้นที่ฟังก์ชันจะใช้หากเชื่อมต่อกับ เซิร์ฟเวอร์ Remote Config ไม่ได้ โซลูชันนี้จะกำหนดค่า textModel, generationConfig, safetySettings, textPrompt, และ location เป็น Remote Config พารามิเตอร์ที่สอดคล้องกับ Remote Config พารามิเตอร์ที่คุณจะกำหนดค่าเพิ่มเติมในคำแนะนำนี้ ดูข้อมูลเพิ่มเติมเกี่ยวกับพารามิเตอร์เหล่านี้ได้ที่ Vertex AI Node.js Client

    นอกจากนี้ คุณยังกำหนดค่าพารามิเตอร์เพื่อควบคุมว่าจะ เข้าถึง Agent Platform Gemini API (formerly Vertex AI) หรือไม่ก็ได้ (ในตัวอย่างนี้คือพารามิเตอร์ที่ชื่อ vertex_enabled) การตั้งค่านี้มีประโยชน์เมื่อทดสอบฟังก์ชัน ใน ข้อมูลโค้ดต่อไปนี้ ค่านี้จะตั้งเป็น false ซึ่งจะข้าม การใช้ Agent Platform ขณะที่คุณทดสอบการนำฟังก์ชันพื้นฐานไปใช้งาน การตั้งค่าเป็น true จะเรียกใช้ Agent Platform Gemini API (formerly Vertex AI).

    // Define default (fallback) parameter values for Remote Config.
const defaultConfig = {

  // Default values for Vertex AI.
  model_name: "gemini-1.5-flash-002",
  generation_config: [{
    "stopSequences": [], "temperature": 0.7,
    "maxOutputTokens": 64, "topP": 0.1, "topK": 20
  }],
  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!",
  safety_settings: [{
    "category":
      "HarmCategory.HARM_CATEGORY_DANGEROUS_CONTENT",
    "threshold": "HarmBlockThreshold.BLOCK_MEDIUM_AND_ABOVE"
  }],
  location: 'us-central1',

  // Disable Vertex AI Gemini API access for testing.
  vertex_enabled: false
};

  4. สร้างฟังก์ชันและตั้งค่า ฝั่งเซิร์ฟเวอร์ Remote Config:

    // Export the function.
exports.generateWithVertex = onRequest(async (request, response) => {

  try {

    // Set up Remote Config.
    const rc = getRemoteConfig(app);

    // Get the Remote Config template and assign default values.
    const template = await rc.getServerTemplate({
      defaultConfig: defaultConfig
    });

    // Add the template evaluation to a constant.
    const config = template.evaluate();

    // Obtain values from Remote Config.
    const textModel = config.getString("model_name") ||
        defaultConfig.model_name;
    const textPrompt = config.getString("prompt") || defaultConfig.prompt;
    const generationConfig = config.getString("generation_config") ||
        defaultConfig.generation_config;
    const safetySettings = config.getString("safety_settings") ||
        defaultConfig.safety_settings;
    const location = config.getString("location") ||
        defaultConfig.location;
    const vertexEnabled = config.getBoolean("is_vertex_enabled") ||
        defaultConfig.vertex_enabled;

  5. ตั้งค่า Agent Platform และเพิ่มตรรกะการแชทและการตอบกลับ:

      // Allow user input.
  const userInput = request.query.prompt || '';

  // Instantiate Vertex AI.
    const vertex_ai = new VertexAI({ project: project, location: location });
    const generativeModel = vertex_ai.getGenerativeModel({
      model: textModel,
      safety_settings: safetySettings,
      generation_config: generationConfig,
    });

    // Combine prompt from Remote Config with optional user input.
    const chatInput = textPrompt + " " + userInput;

    if (!chatInput) {
      return res.status(400).send('Missing text prompt');
    }
    // If vertexEnabled isn't true, do not send queries to Vertex AI.
    if (vertexEnabled !== true) {
      response.status(200).send({
        message: "Vertex AI call skipped. Vertex is not enabled."
      });
      return;
    }

    logger.log("\nRunning with model ", textModel, ", prompt: ", textPrompt,
      ", generationConfig: ", generationConfig, ", safetySettings: ",
      safetySettings, " in ", location, "\n");

    const result = await generativeModel.generateContentStream(chatInput); 
    response.writeHead(200, { 'Content-Type': 'text/plain' });

    for await (const item of result.stream) {
      const chunk = item.candidates[0].content.parts[0].text;
      logger.log("Received chunk:", chunk);
      response.write(chunk);
    }

    response.end();

  } catch (error) {
    logger.error(error);
    response.status(500).send('Internal server error');
  }
});

  6. บันทึกและปิดไฟล์

ขั้นตอนที่ 5: สร้างเทมเพลตเฉพาะเซิร์ฟเวอร์ Remote Config

จากนั้นสร้างเทมเพลต Remote Config ฝั่งเซิร์ฟเวอร์ และกำหนดค่าพารามิเตอร์ และค่าที่จะใช้ในฟังก์ชัน วิธีสร้างเทมเพลตเฉพาะเซิร์ฟเวอร์ Remote Config

  1. ในคอนโซล Firebase ให้ไปที่ DevOps และการมีส่วนร่วม > Remote Config

  2. เลือกเซิร์ฟเวอร์ จากตัวเลือกไคลเอ็นต์/เซิร์ฟเวอร์ ที่ด้านบนของหน้า

    • หากคุณใช้ Remote Config หรือเทมเพลตเซิร์ฟเวอร์เป็นครั้งแรก ให้คลิก สร้างการกำหนดค่า บานหน้าต่างสร้างพารามิเตอร์ฝั่งเซิร์ฟเวอร์แรก จะปรากฏขึ้น
    • หากคุณเคยใช้เทมเพลตเซิร์ฟเวอร์ Remote Config มาแล้ว ให้คลิก เพิ่มพารามิเตอร์

  3. กำหนดพารามิเตอร์ Remote Config ต่อไปนี้

    ชื่อพารามิเตอร์ คำอธิบาย ประเภท ค่าเริ่มต้น
    model_name ชื่อโมเดล
    ดูรายการชื่อโมเดลล่าสุดที่จะใช้ในโค้ดได้ที่ เวอร์ชันและวงจรการใช้งานของโมเดล หรือ ชื่อโมเดล ที่พร้อมใช้งาน     		สตริง gemini-2.0-flash
    prompt ข้อความแจ้งที่จะเพิ่มไว้ข้างหน้าคำค้นหาของผู้ใช้ สตริง 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 พารามิเตอร์ที่จะส่งไปยังโมเดล JSON [{"stopSequences": ["I hope this helps"],"temperature": 0.7,"maxOutputTokens": 512, "topP": 0.1,"topK": 20}]
    safety_settings การตั้งค่าความปลอดภัยสำหรับ Agent Platform JSON [{"category": "HarmCategory.HARM_CATEGORY_DANGEROUS_CONTENT", "threshold": "HarmBlockThreshold.BLOCK_LOW_AND_ABOVE"}]
    location ตำแหน่งที่จะเรียกใช้บริการและโมเดล Agent Platform สตริง global
    is_vertex_enabled พารามิเตอร์ที่ไม่บังคับซึ่งควบคุมว่าจะส่งคำค้นหาไปยัง Agent Platform หรือไม่ บูลีน true

  4. เมื่อเพิ่มพารามิเตอร์เสร็จแล้ว ให้ตรวจสอบพารามิเตอร์อีกครั้งและดูว่าประเภทข้อมูลถูกต้องหรือไม่ จากนั้นคลิกเผยแพร่การเปลี่ยนแปลง

ขั้นตอนที่ 6: นำฟังก์ชันไปใช้งานและทดสอบใน Firebase Local Emulator Suite

ตอนนี้คุณพร้อมที่จะนำฟังก์ชันไปใช้งานและทดสอบในเครื่องด้วย Firebase Local Emulator Suite แล้ว

  1. ตรวจสอบว่าคุณได้ตั้งค่า GOOGLE_APPLICATION_CREDENTIALS เป็นตัวแปรสภาพแวดล้อมตามที่อธิบายไว้ใน ขั้นตอนที่ 3: กำหนดค่าสิทธิ์ IAM สำหรับบัญชีบริการ Admin SDK ของคุณ และบันทึกคีย์ จากนั้นให้นำฟังก์ชันไปใช้งานในโปรแกรมจำลอง Firebase จากไดเรกทอรีระดับบนสุดของไดเรกทอรี functions โดยใช้คำสั่งต่อไปนี้

    firebase emulators:start --project PROJECT_ID --only functions

  2. เปิด หน้าบันทึกของโปรแกรมจำลอง ซึ่งควรแสดงว่าฟังก์ชันโหลดแล้ว

  3. เข้าถึงฟังก์ชันโดยเรียกใช้คำสั่งต่อไปนี้ โดยที่ PROJECT_ID คือรหัสโปรเจ็กต์ และ LOCATION คือภูมิภาคที่คุณนำ ฟังก์ชันไปใช้งาน (เช่น us-central1)

    curl http://localhost:5001/PROJECT_ID/LOCATION/generateWithVertex

  4. รอการตอบกลับ แล้วกลับไปที่หน้าบันทึกของ Firebase Emulator หรือคอนโซล และตรวจสอบข้อผิดพลาดหรือคำเตือน

  5. ลองส่งข้อมูลจากผู้ใช้บางรายการ โดยโปรดทราบว่าเนื่องจาก is_vertex_enabled มี การกำหนดค่าไว้ในเทมเพลตเซิร์ฟเวอร์ Remote Config ฟังก์ชันนี้จึงควรเข้าถึงโมเดล Gemini ผ่าน Agent Platform Gemini API (formerly Vertex AI) และการดำเนินการนี้ อาจมีค่าใช้จ่าย

    curl http://localhost:5001/PROJECT_ID/LOCATION/generateWithVertex?prompt=Tell%20me%20everything%20you%20know%20about%20cats

  6. ทำการเปลี่ยนแปลงเทมเพลตเซิร์ฟเวอร์ Remote Config ในคอนโซล Firebase จากนั้นเข้าถึงฟังก์ชันอีกครั้งเพื่อดูการเปลี่ยนแปลง

ขั้นตอนที่ 7: นำฟังก์ชันไปใช้งานใน Google Cloud

หลังจากทดสอบและยืนยันฟังก์ชันแล้ว คุณก็พร้อมที่จะนำฟังก์ชันไปใช้งานใน Google Cloud และทดสอบฟังก์ชันที่ใช้งานจริง

นำฟังก์ชันไปใช้งาน

นำฟังก์ชันไปใช้งานโดยใช้ Firebase CLI ดังนี้

firebase deploy --only functions

บล็อกการเข้าถึงฟังก์ชันโดยไม่ได้รับการตรวจสอบสิทธิ์

เมื่อนำฟังก์ชันไปใช้งานโดยใช้ Firebase ระบบจะอนุญาตการเรียกใช้โดยไม่ได้รับการตรวจสอบสิทธิ์โดยค่าเริ่มต้น หากนโยบายขององค์กรไม่ได้จำกัดไว้ เราขอแนะนำให้บล็อกการเข้าถึงโดยไม่ได้รับการตรวจสอบสิทธิ์ระหว่างการทดสอบและก่อนที่จะรักษาความปลอดภัยด้วย App Check

วิธีบล็อกการเข้าถึงฟังก์ชันโดยไม่ได้รับการตรวจสอบสิทธิ์

  1. เปิด Cloud Run ในคอนโซลGoogle Cloud

  2. คลิก generateWithVertex แล้วคลิกแท็บความปลอดภัย

  3. เปิดใช้กำหนดให้มีการตรวจสอบสิทธิ์ แล้วคลิกบันทึก

กำหนดค่าบัญชีผู้ใช้ให้ใช้ข้อมูลเข้าสู่ระบบบัญชีบริการ Admin SDK

เนื่องจากบัญชีบริการ Admin SDK มีบทบาทและ สิทธิ์ที่จำเป็นทั้งหมดในการเรียกใช้ฟังก์ชันและโต้ตอบกับ Remote Config และ Agent Platform Gemini API (formerly Vertex AI) คุณจึงควรใช้บัญชีบริการนี้เพื่อเรียกใช้ฟังก์ชัน ในการดำเนินการนี้ คุณต้องสร้างโทเค็นสำหรับบัญชีจากบัญชีผู้ใช้ได้

ขั้นตอนต่อไปนี้จะอธิบายวิธีกำหนดค่าบัญชีผู้ใช้และฟังก์ชัน ให้ทำงานด้วยสิทธิ์ของบัญชีบริการ Admin SDK

  1. เปิดใช้ IAM Service Account Credentials APIในGoogle Cloudคอนโซล
  2. ให้บทบาทผู้สร้างโทเค็นบัญชีบริการ แก่บัญชีผู้ใช้ โดยทำดังนี้ จาก Google Cloud คอนโซล ให้เปิดIAM และผู้ดูแลระบบ > IAM เลือกบัญชีผู้ใช้ แล้วคลิกแก้ไขหลัก > เพิ่มบทบาทอื่น

  3. เลือกผู้สร้างโทเค็นบัญชีบริการ แล้วคลิกบันทึก

    ดูข้อมูลโดยละเอียดเพิ่มเติมเกี่ยวกับการใช้บัญชีบริการอ้างเป็นผู้ใช้ได้ที่ การใช้บัญชีบริการ อ้างเป็นผู้ใช้ ในเอกสารประกอบGoogle Cloud

  4. เปิดหน้า Google Cloud ของคอนโซล Cloud Functions แล้วคลิกฟังก์ชัน generateWithVertex ในรายการฟังก์ชัน

  5. เลือกทริกเกอร์ > แก้ไข แล้วขยายการตั้งค่ารันไทม์ การสร้าง การเชื่อมต่อ และความปลอดภัย

  6. จากแท็บรันไทม์ ให้เปลี่ยนบัญชีบริการรันไทม์ เป็นบัญชี Admin SDK

  7. คลิกถัดไป แล้วคลิกนำไปใช้งาน

ตั้งค่า gcloud CLI

หากต้องการเรียกใช้และทดสอบฟังก์ชันจากบรรทัดคำสั่งอย่างปลอดภัย คุณจะต้อง ตรวจสอบสิทธิ์กับบริการ Cloud Functions และรับโทเค็นการตรวจสอบสิทธิ์ที่ถูกต้อง

หากต้องการเปิดใช้การสร้างโทเค็น ให้ติดตั้งและกำหนดค่า gcloud CLI ดังนี้

  1. ติดตั้ง gcloud CLI ตามที่อธิบายไว้ในหัวข้อ ติดตั้ง gcloud CLI หากยังไม่ได้ติดตั้งในคอมพิวเตอร์

  2. รับข้อมูลเข้าสู่ระบบเพื่อเข้าถึงบัญชี Google Cloud โดยทำดังนี้

    gcloud auth login

  3. ตั้งค่ารหัสโปรเจ็กต์ใน gcloud โดยใช้คำสั่งต่อไปนี้

    gcloud config set project PROJECT_ID

ทดสอบฟังก์ชัน

ตอนนี้คุณพร้อมที่จะทดสอบฟังก์ชันใน Google Cloud แล้ว หากต้องการทดสอบฟังก์ชัน ให้เรียกใช้คำสั่งต่อไปนี้

curl -X POST https://LOCATION-PROJECT_ID.cloudfunctions.net/generateWithVertex \
  -H "Authorization: bearer $(gcloud auth print-identity-token)" \
  -H "Content-Type: application/json"

ลองอีกครั้งโดยใช้ข้อมูลที่ผู้ใช้ระบุ

curl -X POST https://LOCATION-PROJECT_ID.cloudfunctions.net/generateWithVertex?prompt=Tell%20me%20everything%20you%20know%20about%20dogs \
 -H "Authorization: bearer $(gcloud auth print-identity-token)" \
 -H "Content-Type: application/json"

ตอนนี้คุณสามารถทำการเปลี่ยนแปลงเทมเพลตเซิร์ฟเวอร์ Remote Config เผยแพร่ การเปลี่ยนแปลงเหล่านั้น และทดสอบตัวเลือกต่างๆ ได้แล้ว

ขั้นตอนถัดไป