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 אחרות לעבודה עם Gemini API
אפשר גם להתנסות בגרסה חלופית 'Google AI' של Gemini API
ולקבל גישה בחינם (במגבלות ובאזורים שבהם האפשרות זמינה) באמצעות Google AI Studio וחבילות ה-SDK של לקוחות Google AI. צריך להשתמש ב-SDK האלה לצורך יצירת אב טיפוס בלבד באפליקציות לנייד ובאפליקציות אינטרנט.אחרי שתתמצאו באופן שבו פועל Gemini API, תוכלו לעבור ל-SDKs של Vertex AI in Firebase (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 בקובצי 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-Genkit או ב-Firebase Extensions עבור Gemini API.
הערה: אפשר להשתמש במדריך הזה גם כדי להתחיל לגשת למודלים של Imagen באמצעות ערכות ה-SDK של Vertex AI in Firebase.
דרישות מוקדמות
שלב 1: מגדירים פרויקט Firebase ומקשרים את האפליקציה ל-Firebase
אם כבר יש לכם פרויקט Firebase ואפליקציה שמחוברת ל-Firebase
במסוף Firebase, עוברים לדף Vertex AI.
לוחצים על הכרטיס Vertex AI in Firebase כדי להפעיל תהליך עבודה שיעזור לכם לבצע את המשימות הבאות:
משדרגים את הפרויקט לתוכנית התמחור Blaze 'תשלום לפי שימוש'.
מפעילים את ממשקי ה-API הנדרשים בפרויקט (Vertex AI API ו-Vertex AI in Firebase API).
עוברים לשלב הבא במדריך הזה כדי להוסיף את ה-SDK לאפליקציה.
אם עדיין אין לכם פרויקט Firebase ואפליקציה שמחוברת ל-Firebase
הגדרת פרויקט Firebase
נכנסים למסוף Firebase.
לוחצים על Create project (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 של תהליך העבודה 'יצירת פרויקט'.
אפשרות 2: 'הוספת Firebase' לפרויקט Google Cloud קיים. לשם כך, בוחרים את שם הפרויקט ב-Google Cloud בתפריט הנפתח בשלב הראשון בתהליך העבודה 'יצירת פרויקט'.
הערה: כשמוצגת בקשה, לא צריך להגדיר את Google Analytics כדי להשתמש ב-SDKs של Vertex AI in Firebase.
במסוף Firebase, עוברים לדף Vertex AI.
לוחצים על הכרטיס Vertex AI in Firebase כדי להפעיל תהליך עבודה שיעזור לכם לבצע את המשימות הבאות:
משדרגים את הפרויקט לתוכנית התמחור Blaze 'תשלום 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 שמגדירים את פרויקט Firebase ומחברים את האפליקציה ל-Firebase (ראו שלב קודם), אפשר להוסיף את ה-SDK של Vertex AI in Firebase לאפליקציה.
שלב 3: מאתחלים את השירות Vertex AI ויוצרים מכונה של GenerativeModel
כדי שתוכלו לבצע קריאות ל-API ולשלוח הנחיה למודל Gemini, עליכם לאתחל את השירות Vertex AI וליצור מכונה של GenerativeModel.
אחרי שתקראו את המדריך למתחילים, תוכלו ללמוד איך לבחור מודל ו (אופציונלי) מיקום שמתאימים לתרחיש לדוגמה ולאפליקציה שלכם.
שלב 4: שולחים בקשה להנחיה למודל
אחרי שמחברים את האפליקציה ל-Firebase, מוסיפים את ה-SDK ומפעילים את השירות Vertex AI ואת המודל הגנרטיבי, אפשר לשלוח בקשה להצגת הנחיה למודל Gemini.
אפשר להשתמש ב-generateContent() כדי ליצור טקסט מבקשת הנחיה בטקסט בלבד:
מה עוד אפשר לעשות?
מידע נוסף על המודלים הנתמכים
כאן תוכלו לקרוא מידע נוסף על המודלים הזמינים לתרחישי שימוש שונים, על המכסות ועל התמחור שלהם.
לנסות יכולות אחרות
- מידע נוסף על יצירת טקסט מאותות 'טקסט בלבד', כולל הסבר על סטרימינג של התשובה
- יצירת טקסט מהנחיות מולטי-מודאליות (כולל טקסט, תמונות, קובצי PDF, סרטונים ואודיו).
- ליצור שיחות עם זיכרון (צ'אט).
- יצירת פלט מובנה (כמו JSON) גם מהנחיות טקסט וגם מהנחיות מולטימודיאליות.
- יצירת תמונות מהנחיות טקסט.
- 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 טמפרטורה ואסימונים מקסימליים של פלט (עבור Gemini) או יחס גובה-רוחב ויצירת אנשים (עבור Imagen).
- שימוש בהגדרות הבטיחות כדי לשנות את הסבירות לקבלת תשובות שעשויות להיחשב כמזיקות.
שליחת משוב על חוויית השימוש ב-Vertex AI in Firebase