Pierwsze kroki z interfejsem Gemini {/8}API za pomocą Vertex AI w pakietach SDK Firebase

W tym przewodniku znajdziesz informacje o tym, jak zacząć korzystać z funkcji Vertex AI Gemini API bezpośrednio z aplikacji za pomocą pakietu SDK Vertex AI in Firebase przeznaczonego dla wybranej platformy.

Inne opcje dotyczące Gemini API

• Opcjonalnie możesz wypróbować alternatywną wersję „Google AI” usługi Gemini API
  . Możesz uzyskać bezpłatny dostęp (w ograniczonym zakresie i w miejscach, w których jest dostępny) za pomocą pakietów SDK klienta Google AI Studio i Google AI. Pakiety SDK powinny być używane tylko do tworzenia prototypów w aplikacjach mobilnych i internetowych.

  Gdy już poznasz działanie interfejsu Gemini API, przenieś się na nasze pakiety SDK Vertex AI in Firebase (ta dokumentacja), które zawierają wiele dodatkowych funkcji ważnych dla aplikacji mobilnych i internetowych, takich jak ochrona interfejsu API przed nadużyciami za pomocą Firebase App Check oraz obsługa dużych plików multimedialnych w żądaniach.

• Opcjonalnie wywołaj Vertex AI Gemini API po stronie serwera (np. w przypadku Pythona, Node.js lub Go)
  Użyj pakietu Vertex AISDK po stronie serwera Firebase Genkit lub Firebase Extensions dla Gemini API.

Wymagania wstępne

Krok 1. Skonfiguruj projekt Firebase i połącz z nim aplikację.

Jeśli masz już projekt Firebase i aplikację połączoną z Firebase

1. W konsoli Firebase otwórz stronę Tworzenie za pomocą Gemini.

2. Kliknij kartę Vertex AI in Firebase, aby uruchomić przepływ pracy, który pomoże Ci wykonać te czynności:

   • Przejdź w projekcie na abonament Blaze z taryfą płatności według wykorzystania.

   • Włącz wymagane interfejsy API w projekcie (interfejs API Vertex AI i interfejs API Vertex AI in Firebase).

3. Aby dodać pakiet SDK do aplikacji, przejdź do następnego kroku w tym przewodniku.

Jeśli nie masz jeszcze projektu Firebase i aplikacji połączonej z Firebase

Konfigurowanie projektu Firebase

1. Zaloguj się w konsoli Firebase.

2. Kliknij Utwórz projekt, a potem wybierz jedną z tych opcji:

   • Opcja 1: utwórz zupełnie nowy projekt Firebase (i jego podstawowy projekt Google Cloud automatycznie), wpisując nową nazwę projektu w pierwszym kroku procesu „Tworzenie projektu”.

   • Opcja 2: dodaj Firebase do istniejącego projektu Google Cloud, wybierając jego nazwę Google Cloud w menu w pierwszym kroku procesu „Tworzenie projektu”.

   Pamiętaj, że gdy pojawi się taka prośba, nie musisz konfigurować pakietu Google Analytics, aby korzystać z pakietów SDK Vertex AI in Firebase.

3. W konsoli Firebase otwórz stronę Tworzenie za pomocą Gemini.

4. Kliknij kartę Vertex AI in Firebase, aby uruchomić przepływ pracy, który pomoże Ci wykonać te czynności:

   • Przejdź w projekcie na abonament Blaze z taryfą płatności według wykorzystania.

   • Włącz wymagane interfejsy API w projekcie (interfejs API Vertex AI i interfejs API Vertex AI in Firebase).

Łączenie aplikacji z Firebase

Krok 2. Dodaj pakiet SDK

Po skonfigurowaniu projektu Firebase i połączeniu aplikacji z Firebase (patrz poprzedni krok) możesz dodać do niej pakiet SDK Vertex AI in Firebase.

Krok 3. Inicjuj usługę Vertex AI i model generatywny

Zanim zaczniesz wykonywać wywołania interfejsu API, musisz zainicjować usługę Vertex AI i model generatywny.

Po przeczytaniu przewodnika możesz dowiedzieć się, jak wybrać model Gemini i (opcjonalnie) lokalizację odpowiednią do Twojego przypadku użycia i aplikacji.

Krok 4. Zadzwoń do Vertex AI Gemini API

Po połączeniu aplikacji z Firebase, dodaniu pakietu SDK i inicjalizacji usługi Vertex AI oraz modelu generatywnego możesz wywołać funkcję Vertex AI Gemini API.

Aby wygenerować tekst z promptu tekstowego, użyj generateContent():

Co jeszcze możesz zrobić?

Więcej informacji o modelach Gemini

Dowiedz się więcej o modelach dostępnych w różnych przypadkach użycia oraz ich limitach i cenach.

Wypróbuj inne funkcje usługi Gemini API

• Dowiedz się więcej o generowaniu tekstu na podstawie promptów tekstowych, w tym o przesyłaniu odpowiedzi.
• generować tekst na podstawie promptów multimodalnych (w tym tekstu, obrazów, plików PDF, filmów i plików audio);
• tworzyć rozmowy wieloetapowe (czat);
• generować dane wyjściowe w uporządkowanym formacie (np. JSON) na podstawie zarówno tekstowych, jak i wielomodalnych promptów;
• Użyj funkcji wywoływania, aby połączyć modele generatywne z zewnętrznymi systemami i informacjami.

Dowiedz się, jak kontrolować generowanie treści

• Zrozumieć projektowanie promptów, w tym sprawdzone metody, strategie i przykładowe prompty.
• Skonfiguruj parametry modelu, takie jak temperatura i maksymalna liczba tokenów wyjściowych.
• Używaj ustawień bezpieczeństwa, aby dostosować prawdopodobieństwo otrzymywania odpowiedzi, które mogą być uważane za szkodliwe.

Możesz też eksperymentować z promptami i konfiguracjami modeli za pomocą Vertex AI Studio.

Prześlij opinię o swoich wrażeniach z korzystania z usługi Vertex AI in Firebase