Sử dụng Cấu hình từ xa phía máy chủ với Cloud Functions và Vertex AI

Hướng dẫn này mô tả cách bắt đầu sử dụng Chức năng đám mây thế hệ thứ 2 với Cấu hình từ xa phía máy chủ để thực hiện các lệnh gọi phía máy chủ đến API Vertex AI Gemini.

Trong hướng dẫn này, bạn sẽ thêm Cấu hình từ xa vào một chức năng giống như bot trò chuyện mà sử dụng mô hình Gemini để trả lời câu hỏi của người dùng. Cấu hình từ xa sẽ quản lý dữ liệu đầu vào từ API Gemini (bao gồm cả lời nhắc mà bạn sẽ thêm vào trước các truy vấn của người dùng sắp tới) và bạn có thể cập nhật các dữ liệu đầu vào này theo yêu cầu từ bảng điều khiển của Firebase. Bạn cũng sẽ sử dụng Bộ công cụ mô phỏng cục bộ của Firebase để kiểm thử và gỡ lỗi chức năng này. Sau khi xác minh rằng tính năng này hoạt động, bạn sẽ triển khai và kiểm thử trên Google Cloud.

Điều kiện tiên quyết

Hướng dẫn này giả định rằng bạn đã quen với việc sử dụng JavaScript để phát triển ứng dụng.

Thiết lập dự án Firebase

Nếu bạn chưa có dự án Firebase:

  1. Đăng nhập vào bảng điều khiển của Firebase.

  2. Nhấp vào Create project (Tạo dự án), sau đó sử dụng một trong các tuỳ chọn sau:

    • Cách 1: Tạo một dự án Firebase mới (và dự án Google Cloud cơ bản của dự án đó theo cách tự động) bằng cách nhập tên dự án mới ở bước đầu tiên của quy trình "Tạo dự án".
    • Cách 2: "Thêm Firebase" vào một dự án hiện có trên Google Cloud bằng cách chọn tên dự án trên Google Cloud trong trình đơn thả xuống ở bước đầu tiên của quy trình "Tạo dự án".

  3. Khi được nhắc, bạn không cần thiết lập Google Analytics để sử dụng giải pháp này.

  4. Tiếp tục làm theo hướng dẫn trên màn hình để tạo dự án.

Nếu bạn đã có một dự án Firebase:

Chuyển đến phần Định cấu hình môi trường phát triển.

Định cấu hình môi trường phát triển

Bạn sẽ cần có môi trường Node.js để viết các hàm và bạn cần có Giao diện dòng lệnh (CLI) của Firebase để triển khai các hàm cho thời gian chạy Hàm Cloud.

  1. Cài đặt Node.js và npm.

    Để cài đặt Node.js và npm, bạn nên sử dụng Trình quản lý phiên bản nút.

  2. Cài đặt Firebase CLI bằng phương thức ưu tiên. Ví dụ: để cài đặt CLI bằng npm, hãy chạy lệnh sau:

    npm install -g firebase-tools@latest

    Lệnh này cài đặt lệnh firebase có sẵn trên toàn cầu. Nếu lệnh này không thành công, bạn có thể cần thay đổi quyền npm.

    Để cập nhật lên phiên bản mới nhất của firebase-tools, hãy chạy lại cùng một lệnh đó.

  3. Cài đặt firebase-functions và firebase-admin rồi sử dụng --save để lưu chúng vào package.json của bạn:

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

Bây giờ, bạn đã sẵn sàng để tiến hành triển khai giải pháp này.

Triển khai

Làm theo các bước sau để tạo, kiểm thử và triển khai Chức năng đám mây thế hệ thứ 2 bằng Cấu hình từ xa và Vertex AI:

  1. Bật các API do Vertex AI đề xuất trong bảng điều khiển Google Cloud.
  2. Khởi động dự án và cài đặt các phần phụ thuộc của nút.
  3. Định cấu hình các quyền IAM cho tài khoản dịch vụ SDK dành cho quản trị viên và lưu khoá của bạn.
  4. Tạo hàm.
  5. Tạo mẫu Cấu hình từ xa dành riêng cho máy chủ.
  6. Triển khai và thử nghiệm hàm của bạn trong Bộ công cụ mô phỏng cục bộ Firebase.
  7. Triển khai chức năng trên Google Cloud.

Bước 1: Bật các API do Vertex AI đề xuất trong bảng điều khiển Google Cloud

  1. Mở Google Cloud Console và chọn dự án của bạn khi được nhắc.
  2. Trong trường Search (Tìm kiếm) ở đầu bảng điều khiển, hãy nhập Vertex AI rồi chờ kết quả Vertex AI xuất hiện.
  3. Chọn Vertex AI. Trang tổng quan của Vertex AI sẽ xuất hiện.

  4. Nhấp vào Bật tất cả các API được đề xuất.

    Quá trình bật API có thể mất vài phút để hoàn tất. Duy trì trạng thái hoạt động của trang cho đến khi bật xong.

  5. Nếu tính năng thanh toán chưa được bật, bạn sẽ được nhắc thêm hoặc liên kết một tài khoản thanh toán Cloud. Sau khi bật tài khoản thanh toán, hãy quay lại trang tổng quan Vertex AI và xác minh rằng bạn đã bật tất cả các API được đề xuất.

Bước 2: Khởi chạy dự án và cài đặt các phần phụ thuộc của Nút

  1. Mở cửa sổ dòng lệnh trên máy tính rồi chuyển đến thư mục mà bạn định tạo hàm.

  2. Đăng nhập vào Firebase:

    firebase login

  3. Chạy lệnh sau để khởi chạy Chức năng đám mây cho Firebase:

    firebase init functions

  4. Chọn Sử dụng dự án hiện có rồi chỉ định mã dự án của bạn.

  5. Khi thấy lời nhắc chọn ngôn ngữ để sử dụng, hãy chọn JavaScript rồi nhấn phím Enter.

  6. Đối với tất cả các tuỳ chọn khác, hãy chọn giá trị mặc định.

    Một thư mục functions được tạo trong thư mục hiện tại. Bên trong, bạn sẽ tìm thấy một tệp index.js mà bạn sẽ dùng để xây dựng hàm, một thư mục node_modules chứa các phần phụ thuộc cho hàm và một tệp package.json chứa các phần phụ thuộc của gói.

  7. Thêm SDK dành cho quản trị viên và các gói Vertex AI bằng cách chạy các lệnh sau đây và sử dụng --save để đảm bảo rằng thông tin đó được lưu vào tệp package.json:

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

Bây giờ, tệp functions/package.json của bạn sẽ có dạng như sau, với các phiên bản mới nhất được chỉ định:

  {
    "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
  }

Lưu ý rằng nếu đang sử dụng ESLint, bạn sẽ thấy một khổ thơ có chứa ESLint đó. Ngoài ra, hãy đảm bảo rằng phiên bản công cụ nút khớp với phiên bản Node.js đã cài đặt và phiên bản mà bạn chạy cuối cùng trên Google Cloud. Ví dụ: nếu khổ engines trong package.json được định cấu hình là Nút phiên bản 18 và bạn đang sử dụng Node.js 20, hãy cập nhật tệp để sử dụng Node.js 20:

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

Bước 3: Thiết lập quyền IAM cho tài khoản dịch vụ SDK dành cho quản trị viên và lưu khoá của bạn

Trong giải pháp này, bạn sẽ sử dụng tài khoản dịch vụ SDK dành cho quản trị viên Firebase để chạy hàm.

  1. Trong bảng điều khiển Google Cloud, hãy mở trang IAM & Admin (IAM và quản trị viên) rồi tìm tài khoản dịch vụ SDK dành cho quản trị viên (có tên là firebase-adminsdk).
  2. Chọn tài khoản rồi nhấp vào Chỉnh sửa số tiền gốc. Trang Chỉnh sửa quyền truy cập sẽ xuất hiện.
  3. Nhấp vào Thêm vai trò khác, chọn Trình xem cấu hình từ xa.
  4. Nhấp vào Thêm vai trò khác, chọn Nhà phát triển nền tảng AI.
  5. Nhấp vào Thêm vai trò khác, chọn Người dùng Vertex AI.
  6. Nhấp vào Add another another (Thêm một vai trò khác), chọn Cloud Run Invoker (Cloud Run Invoker).
  7. Nhấp vào Lưu.

Tiếp theo, hãy xuất thông tin xác thực cho tài khoản dịch vụ SDK dành cho quản trị viên và lưu thông tin đó vào biến môi trường GOOGLE_APPLICATION_CREDENTIALS.

  1. Trong bảng điều khiển Google Cloud, hãy mở trang Thông tin xác thực.
  2. Nhấp vào tài khoản dịch vụ SDK quản trị để mở trang Thông tin chi tiết.
  3. Nhấp vào Khoá.
  4. Nhấp vào Thêm khoá > Tạo khoá mới.
  5. Đảm bảo rằng bạn đã chọn JSON làm Loại khoá, rồi nhấp vào Tạo.
  6. Tải khoá xuống một nơi an toàn trên máy tính.

  7. Từ thiết bị đầu cuối của bạn, hãy xuất khoá dưới dạng biến môi trường:

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

Bước 4: Tạo hàm

Ở bước này, bạn sẽ tạo một hàm xử lý hoạt động đầu vào của người dùng và tạo phản hồi dựa trên trí tuệ nhân tạo (AI). Bạn sẽ kết hợp nhiều đoạn mã để tạo một hàm toàn diện sẽ khởi chạy SDK dành cho quản trị viên và API Vertex AI Gemini, định cấu hình các tham số mặc định bằng cách sử dụng Cấu hình từ xa, tìm nạp thông số Cấu hình từ xa mới nhất, xử lý hoạt động đầu vào của người dùng và truyền phản hồi lại cho người dùng.

  1. Trong cơ sở mã của bạn, hãy mở functions/index.js trong trình chỉnh sửa văn bản hoặc IDE.

  2. Xoá nội dung hiện có, sau đó thêm SDK dành cho quản trị viên, Cấu hình từ xa và Vertex AI SDK, đồng thời khởi chạy ứng dụng bằng cách dán đoạn mã sau vào tệp:

    const { onRequest } = require("firebase-functions/v2/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();
    index.js

  3. Định cấu hình các giá trị mặc định mà hàm của bạn sẽ sử dụng nếu không thể kết nối với máy chủ Cấu hình từ xa. Giải pháp này định cấu hình textModel, generationConfig, safetySettings, textPrompt và location làm thông số Cấu hình từ xa tương ứng với các thông số Cấu hình từ xa mà bạn sẽ định cấu hình thêm trong hướng dẫn này. Để biết thêm thông tin về các tham số này, hãy xem ứng dụng Node.js của Vertex AI.

    Bạn cũng có thể định cấu hình một tham số để kiểm soát việc có truy cập vào Vertex AI Gemini API hay không (trong ví dụ này là một tham số có tên là vertex_enabled). Chế độ thiết lập này có thể hữu ích khi bạn kiểm thử hàm. Trong các đoạn mã sau đây, giá trị này được đặt thành false và sẽ bỏ qua việc sử dụng Vertex AI trong khi bạn kiểm thử quá trình triển khai hàm cơ bản. Nếu bạn đặt giá trị này thành true, API Vertex AI Gemini sẽ được gọi.

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

  // Default values for Vertex AI.
  model_name: "gemini-1.5-flash-preview-0514",
  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
};
    index.js

  4. Tạo hàm và thiết lập Cấu hình từ xa phía máy chủ:

    // 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;
    index.js

  5. Thiết lập Vertex AI cũng như thêm logic trò chuyện và phản hồi:

      // 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');
  }
});
    index.js

  6. Lưu và đóng tệp.

Bước 5: Tạo mẫu Cấu hình từ xa dành riêng cho máy chủ

Tiếp theo, hãy tạo một mẫu Cấu hình từ xa phía máy chủ, đồng thời định cấu hình các thông số và giá trị để sử dụng trong hàm của bạn. Để tạo mẫu Cấu hình từ xa dành riêng cho máy chủ, hãy làm như sau:

  1. Mở bảng điều khiển của Firebase rồi mở rộng Run (Chạy) rồi chọn Remote Config trên trình đơn điều hướng.

  2. Chọn Máy chủ từ bộ chọn Máy khách/Máy chủ ở đầu trang Cấu hình từ xa.

    • Nếu đây là lần đầu tiên bạn sử dụng Cấu hình từ xa hoặc mẫu máy chủ, hãy nhấp vào Create Configuration (Tạo cấu hình). Ngăn Tạo tham số phía máy chủ đầu tiên của bạn sẽ xuất hiện.
    • Nếu đây không phải là lần đầu tiên bạn sử dụng các mẫu máy chủ Cấu hình từ xa, hãy nhấp vào Add parameter (Thêm thông số).

  3. Xác định các thông số Cấu hình từ xa sau:

    Tên thông số Nội dung mô tả Loại chức năng Giá trị mặc định
    model_name Tên mô hình
    Để biết danh sách mới nhất về tên mô hình để sử dụng trong mã, hãy xem phần Các phiên bản và vòng đời của mô hình hoặc Tên mô hình hiện có.     		Chuỗi gemini-1.5-pro-preview-0514
    prompt Lời nhắc thêm vào trước truy vấn của người dùng. Chuỗi 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 Các tham số cần gửi đến mô hình. JSON [{"stopSequences": ["I hope this helps"],"temperature": 0.7,"maxOutputTokens": 512, "topP": 0.1,"topK": 20}]
    safety_settings Chế độ cài đặt an toàn cho Vertex AI. JSON [{"category": "HarmCategory.HARM_CATEGORY_DANGEROUS_CONTENT", "threshold": "HarmBlockThreshold.BLOCK_LOW_AND_ABOVE"}]
    location Vị trí chạy dịch vụ và mô hình Vertex AI. Chuỗi us-central1
    is_vertex_enabled Tham số không bắt buộc kiểm soát việc các truy vấn có được gửi đến Vertex AI hay không. Boolean true

  4. Khi bạn thêm xong tham số, hãy kiểm tra kỹ các tham số và đảm bảo rằng loại dữ liệu của các tham số đó là chính xác, rồi nhấp vào Xuất bản các thay đổi.

Bước 6: Triển khai và thử nghiệm hàm trong Bộ công cụ mô phỏng cục bộ của Firebase

Bây giờ, bạn đã sẵn sàng triển khai và thử nghiệm cục bộ hàm của mình bằng Bộ công cụ mô phỏng cục bộ Firebase.

  1. Hãy đảm bảo rằng bạn đã đặt GOOGLE_APPLICATION_CREDENTIALS làm biến môi trường như mô tả trong Bước 3: Định cấu hình quyền IAM cho tài khoản dịch vụ SDK quản trị và lưu khoá của bạn. Sau đó, từ thư mục mẹ của thư mục functions, hãy triển khai hàm đến trình mô phỏng Firebase:

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

  2. Mở trang nhật ký của trình mô phỏng. Điều này cho thấy rằng hàm của bạn đã tải.

  3. Hãy truy cập vào hàm của bạn bằng cách chạy lệnh sau, trong đó PROJECT_ID là mã nhận dạng dự án và LOCATION là khu vực nơi bạn đã triển khai hàm (ví dụ: us-central1):

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

  4. Chờ phản hồi, sau đó quay lại trang nhật ký của Trình mô phỏng Firebase hoặc bảng điều khiển của bạn và kiểm tra xem có lỗi hoặc cảnh báo nào không.

  5. Hãy thử gửi một số hoạt động đầu vào của người dùng, lưu ý rằng vì is_vertex_enabled được định cấu hình trong mẫu máy chủ Cấu hình từ xa, nên cấu hình này sẽ truy cập vào Gemini thông qua Vertex AI Gemini API và điều này có thể phát sinh phí:

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

  6. Thực hiện các thay đổi đối với mẫu máy chủ Cấu hình từ xa trên bảng điều khiển của Firebase, sau đó truy cập lại vào hàm của bạn để quan sát các thay đổi.

Bước 7: Triển khai chức năng của bạn trên Google Cloud

Sau khi kiểm thử và xác minh chức năng của mình, bạn đã sẵn sàng triển khai lên Google Cloud và kiểm thử chức năng đang hoạt động.

Triển khai hàm

Triển khai chức năng bằng Giao diện dòng lệnh (CLI) của Firebase:

firebase deploy --only functions

Chặn quyền truy cập chưa được xác thực vào hàm

Khi các hàm được triển khai bằng Firebase, các lệnh gọi chưa được xác thực sẽ được cho phép theo mặc định nếu chính sách của tổ chức của bạn không hạn chế các lệnh gọi đó. Trong quá trình kiểm thử và trước khi bảo mật bằng tính năng Kiểm tra ứng dụng, bạn nên chặn quyền truy cập chưa được xác thực.

Cách chặn quyền truy cập chưa được xác thực vào hàm:

  1. Trong bảng điều khiển Google Cloud, hãy mở Cloud Run.

  2. Nhấp vào generateWithVertex, sau đó nhấp vào thẻ Bảo mật.

  3. Bật Yêu cầu xác thực rồi nhấp vào Lưu.

Định cấu hình tài khoản người dùng để sử dụng thông tin xác thực của tài khoản dịch vụ SDK dành cho quản trị viên

Vì tài khoản dịch vụ SDK dành cho quản trị viên có tất cả vai trò và quyền cần thiết để chạy hàm này cũng như tương tác với Cấu hình từ xa và API Vertex AI Gemini, nên bạn cần sử dụng tài khoản này để chạy hàm của mình. Để làm điều này, bạn phải tạo được mã thông báo cho tài khoản này từ tài khoản người dùng.

Các bước sau đây mô tả cách định cấu hình tài khoản người dùng và chức năng chạy bằng các đặc quyền của tài khoản dịch vụ SDK dành cho quản trị viên.

  1. Trong bảng điều khiển Google Cloud, hãy bật API Thông tin xác thực tài khoản dịch vụ IAM.
  2. Cấp cho tài khoản người dùng của bạn vai trò Service Account Token Creator (Người tạo mã thông báo tài khoản dịch vụ): Trên bảng điều khiển Google Cloud, hãy mở IAM & Admin (IAM và Quản trị viên) > IAM, chọn tài khoản người dùng của bạn, sau đó nhấp vào Edit principal > Add another khóa (Chỉnh sửa vai trò chính) > Thêm vai trò khác.

  3. Chọn Service Account Token Creator (Người tạo mã thông báo tài khoản dịch vụ), sau đó nhấp vào Save (Lưu).

    Để biết thêm thông tin chi tiết về hành vi mạo danh tài khoản dịch vụ, hãy tham khảo phần Mạo danh tài khoản dịch vụ trong tài liệu của Google Cloud.

  4. Mở trang Cloud Functions trên bảng điều khiển Google Cloud rồi nhấp vào hàm generateWithVertex trong danh sách Function.

  5. Chọn Trigger (Trình kích hoạt) > Edit (Chỉnh sửa) rồi mở rộng mục Runtime, build, connections and security settings (Chế độ cài đặt thời gian chạy, bản dựng, kết nối và bảo mật) để mở rộng.

  6. Từ thẻ Thời gian chạy, hãy thay đổi Tài khoản dịch vụ thời gian chạy thành tài khoản SDK quản trị.

  7. Nhấp vào Tiếp theo, rồi nhấp vào Triển khai.

Thiết lập gcloud CLI

Để chạy và kiểm thử hàm một cách an toàn qua dòng lệnh, bạn cần xác thực bằng dịch vụ Hàm Cloud và lấy mã thông báo xác thực hợp lệ.

Để bật tính năng tạo mã thông báo, hãy cài đặt và định cấu hình gcloud CLI:

  1. Nếu chưa cài đặt trên máy tính, hãy cài đặt gcloud CLI như mô tả trong phần Cài đặt gcloud CLI.

  2. Lấy thông tin đăng nhập truy cập cho tài khoản Google Cloud của bạn:

    gcloud auth login

  3. Đặt mã dự án của bạn trong gcloud:

    gcloud config set project PROJECT_ID

Kiểm thử hàm

Giờ đây, bạn đã có thể thử nghiệm chức năng của mình trên Google Cloud. Để kiểm thử hàm này, hãy chạy lệnh sau:

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

Thử lại bằng dữ liệu do người dùng cung cấp:

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"

Bạn hiện có thể thay đổi mẫu máy chủ Cấu hình từ xa, phát hành các thay đổi đó và thử nghiệm các tuỳ chọn khác nhau.

Các bước tiếp theo