איך מתחילים להשתמש ב-Gemini {7/}API באמצעות Vertex AI בערכות SDK של Firebase

במדריך הזה מוסבר איך להתחיל לבצע קריאות ל-Vertex AI Gemini API ישירות מהאפליקציה באמצעות ה-SDK של Vertex AI in Firebase לפלטפורמה שבחרתם.

אפשרויות נוספות לעבודה עם Gemini API

• אפשר גם להתנסות בגרסה חלופית 'Google AI' של Gemini API
  כדי לקבל גישה בחינם (במגבלות ובמקרים שבהם היא זמינה) באמצעות Google AI Studio ו-Google AI SDK ללקוח. צריך להשתמש ב-SDK האלה לצורך יצירת אב טיפוס בלבד באפליקציות לנייד ובאפליקציות אינטרנט.

  אחרי שתתמצאו באופן שבו פועל Gemini API, תוכלו לעבור ל-Vertex AI in Firebase SDKs (המסמכים האלה), שיש בהם תכונות נוספות רבות שחשובות לאפליקציות לנייד ולאפליקציות אינטרנט, כמו הגנה על ה-API מפני ניצול לרעה באמצעות Firebase App Check ותמיכה בקבצי מדיה גדולים בבקשות.

• אפשר גם להפעיל את Vertex AI Gemini API בצד השרת (למשל באמצעות Python,‏ Node.js או Go)
  . משתמשים בערכות ה-SDK של Vertex AI בצד השרת, ב-Firebase Genkit או ב-Firebase Extensions עבור Gemini API.

דרישות מוקדמות

שלב 1: מגדירים פרויקט Firebase ומקשרים את האפליקציה ל-Firebase

אם כבר יש לכם פרויקט Firebase ואפליקציה שמחוברת ל-Firebase

1. במסוף Firebase, עוברים לדף Build with Gemini.

2. לוחצים על הכרטיס Vertex AI in Firebase כדי להפעיל תהליך עבודה שיעזור לכם לבצע את המשימות הבאות:

   • משדרגים את הפרויקט לתוכנית התמחור Blaze בתשלום לפי שימוש.

   • מפעילים את ממשקי ה-API הנדרשים בפרויקט (Vertex AI API ו-Vertex AI in Firebase API).

3. עוברים לשלב הבא במדריך כדי להוסיף את ה-SDK לאפליקציה.

אם עדיין אין לכם פרויקט Firebase ואפליקציה שמקושרת ל-Firebase

מגדירים פרויקט Firebase

1. נכנסים למסוף Firebase.

2. לוחצים על יצירת פרויקט ומשתמשים באחת מהאפשרויות הבאות:

   • אפשרות 1: יוצרים פרויקט Firebase חדש לגמרי (ואת הפרויקט הבסיסי Google Cloud שלו באופן אוטומטי) על ידי הזנת שם פרויקט חדש בשלב הראשון בתהליך העבודה 'יצירת פרויקט'.

   • אפשרות 2: מוסיפים את Firebase לפרויקט Google Cloud קיים. לשם כך, בוחרים את שם הפרויקט Google Cloud בתפריט הנפתח בשלב הראשון בתהליך העבודה מסוג Create project.

   הערה: כשמוצגת בקשה, לא צריך להגדיר את Google Analytics כדי להשתמש ב-SDKs של Vertex AI in Firebase.

3. במסוף Firebase, עוברים לדף Build with Gemini.

4. לוחצים על הכרטיס Vertex AI in Firebase כדי להפעיל תהליך עבודה שיעזור לבצע את המשימות הבאות:

   • משדרגים את הפרויקט לתוכנית התמחור Blaze בתשלום לפי שימוש.

   • מפעילים את ממשקי ה-API הנדרשים בפרויקט (Vertex AI API ו-Vertex AI in Firebase API).

קישור האפליקציה ל-Firebase

שלב 2: מוסיפים את ה-SDK

אחרי שהגדרתם את הפרויקט ב-Firebase והאפליקציה שלכם מחוברת ל-Firebase (ראו שלב קודם), עכשיו אתם יכולים להוסיף לאפליקציה את ה-SDK של Vertex AI in Firebase.

שלב 3: הפעלה של השירות Vertex AI והמודל הגנרטיבי

לפני שתוכלו לבצע קריאות API, תצטרכו לאתחל את השירות Vertex AI ואת המודל הגנרטיבי.

כשתסיימו לקרוא את המדריך לתחילת העבודה, נסביר איך לבחור מודל Gemini (ואופציונלי) גם מיקום שמתאים לתרחיש לדוגמה ולאפליקציה שלכם.

שלב 4: קוראים לפונקציה Vertex AI Gemini API

אחרי שחברתם את האפליקציה ל-Firebase, הוספתם את ה-SDK ואתחלתם את השירות Vertex AI ואת המודל הגנרטיבי, אתם מוכנים לבצע קריאה ל-Vertex AI Gemini API.

אפשר להשתמש ב-generateContent() כדי ליצור טקסט מבקשת של הנחיה בטקסט בלבד:

מה עוד אפשר לעשות?

מידע נוסף על המודלים של Gemini

כאן תוכלו לקרוא מידע נוסף על המודלים הזמינים לתרחישי שימוש שונים, ועל המכסות והתמחור שלהם.

ניסיון ביכולות אחרות של Gemini API

• מידע נוסף על יצירת טקסט מבקשות טקסט בלבד, כולל הסבר על סטרימינג של התשובה
• יצירת טקסט מהנחיות מולטימודיאליות (כולל טקסט, תמונות, קובצי PDF, וידאו ואודיו).
• יצירה של שיחות מרובות פניות (צ'אט).
• יצירת פלט מובנה (כמו JSON) גם מהנחיות טקסט וגם מהנחיות מולטימודליות.
• משתמשים בקריאה לפונקציה כדי לחבר מודלים גנרטיביים למערכות ולמידע חיצוניים.

איך שולטים ביצירת תוכן

• הסבר על תכנון הנחיות, כולל שיטות מומלצות, אסטרטגיות והנחיות לדוגמה.
• להגדיר את הפרמטרים של המודל, כמו הטמפרטורה ואת מספר האסימונים המקסימלי של הפלט.
• משתמשים בהגדרות בטיחות כדי לשנות את הסבירות שתתקבל תגובות שעלולות להיחשב מזיקות.

אפשר גם להתנסות בהנחיות ובהגדרות של מודלים באמצעות הפקודה Vertex AI Studio.

שליחת משוב על חוויית השימוש ב-Vertex AI in Firebase