GSP1227

Descripción general

Las llamadas a funciones permiten que los desarrolladores creen una descripción de una función en su código y, luego, pasen esa descripción a un modelo de lenguaje en una solicitud. La respuesta del modelo incluye el nombre de una función que coincide con la descripción y los argumentos con los que se la llama.

Las llamadas a función son similares a las extensiones de Vertex AI, pues ambas generan información sobre funciones. La diferencia entre ellas es que la llamada a función devuelve datos de JSON con el nombre de una función y los argumentos para usarla en tu código, mientras que las extensiones de Vertex AI devuelven la función y la llaman por ti.

Gemini

Gemini es una familia de potentes modelos de IA generativa desarrollados por Google DeepMind que son capaces de comprender y generar varias formas de contenido, como texto, código, imágenes, audio y video.

API de Gemini en Vertex AI

La API de Gemini en Vertex AI proporciona una interfaz unificada para interactuar con modelos de Gemini. Esto permite que los desarrolladores integren fácilmente estas potentes capacidades de IA a sus aplicaciones. Para conocer los detalles más recientes y las funciones específicas de las últimas versiones, consulta la documentación oficial de Gemini.

Modelos de Gemini

• Gemini Pro: Se diseñó para tareas de razonamiento complejo, como las siguientes:
  • Analizar y resumir grandes cantidades de información.
  • Razonamiento multimodal sofisticado (en texto, código, imágenes, etc.).
  • Resolución de problemas eficaz con bases de código complejas.
• Gemini Flash: Optimizado para velocidad y eficiencia, con las siguientes características:
  • Tiempos de respuesta de menos de un segundo y alta capacidad de procesamiento.
  • Alta calidad a un costo más bajo para una amplia variedad de tareas.
  • Funciones multimodales mejoradas, incluidas la comprensión espacial, nuevas modalidades de resultados (texto, audio, imágenes) y el uso de herramientas nativas (Búsqueda de Google, ejecución de código y funciones de terceros).

Requisitos previos

Antes de comenzar este lab, debes tener los siguientes conocimientos:

• Programación de Python básica
• Conceptos generales sobre APIs
• Ejecución de código de Python en un notebook de Jupyter en Vertex AI Workbench

Objetivos

En este lab, aprenderás a realizar las siguientes tareas:

• Instalar el SDK de IA generativa de Google para Python
• Usar la API de Gemini en Vertex AI para interactuar con el modelo Gemini 2.0 Flash (gemini-2.0-flash) y hacer lo siguiente:
  • Generar llamadas a funciones a partir de una instrucción de texto para ayudar a los clientes a obtener información sobre los productos de Google Store
  • Generar llamadas a funciones a partir de una instrucción de texto y llamar a una API externa para geocodificar direcciones
  • Generar llamadas a funciones a partir de una instrucción de texto para extraer entidades de datos de registro

Configuración y requisitos

Antes de hacer clic en el botón Comenzar lab

Lee estas instrucciones. Los labs cuentan con un temporizador que no se puede pausar. El temporizador, que comienza a funcionar cuando haces clic en Comenzar lab, indica por cuánto tiempo tendrás a tu disposición los recursos de Google Cloud.

Este lab práctico te permitirá realizar las actividades correspondientes en un entorno de nube real, no en uno de simulación o demostración. Para ello, se te proporcionan credenciales temporales nuevas que utilizarás para acceder a Google Cloud durante todo el lab.

Para completar este lab, necesitarás lo siguiente:

• Acceso a un navegador de Internet estándar. Se recomienda el navegador Chrome.

Nota: Usa una ventana del navegador privada o de incógnito (opción recomendada) para ejecutar el lab. Así evitarás conflictos entre tu cuenta personal y la cuenta de estudiante, lo que podría generar cargos adicionales en tu cuenta personal.

• Tiempo para completar el lab (recuerda que, una vez que comienzas un lab, no puedes pausarlo).

Nota: Usa solo la cuenta de estudiante para este lab. Si usas otra cuenta de Google Cloud, es posible que se apliquen cargos a esa cuenta.

Cómo iniciar tu lab y acceder a la consola de Google Cloud

1. Haz clic en el botón Comenzar lab. Si debes pagar por el lab, se abrirá un diálogo para que selecciones la forma de pago. A la izquierda, se encuentra el panel Detalles del lab, que tiene estos elementos:

   • El botón para abrir la consola de Google Cloud
   • El tiempo restante
   • Las credenciales temporales que debes usar para el lab
   • Otra información para completar el lab, si es necesaria

2. Haz clic en Abrir la consola de Google Cloud (o haz clic con el botón derecho y selecciona Abrir el vínculo en una ventana de incógnito si ejecutas el navegador Chrome).

   El lab inicia recursos y abre otra pestaña en la que se muestra la página de acceso.

   Sugerencia: Ordena las pestañas en ventanas separadas, una junto a la otra.

   Nota: Si ves el diálogo Elegir una cuenta, haz clic en Usar otra cuenta.

3. De ser necesario, copia el nombre de usuario a continuación y pégalo en el diálogo Acceder.

   {{{user_0.username | "Username"}}}

   También puedes encontrar el nombre de usuario en el panel Detalles del lab.

4. Haz clic en Siguiente.

5. Copia la contraseña que aparece a continuación y pégala en el diálogo Te damos la bienvenida.

   {{{user_0.password | "Password"}}}

   También puedes encontrar la contraseña en el panel Detalles del lab.

6. Haz clic en Siguiente.

   Importante: Debes usar las credenciales que te proporciona el lab. No uses las credenciales de tu cuenta de Google Cloud. Nota: Usar tu propia cuenta de Google Cloud para este lab podría generar cargos adicionales.

7. Haz clic para avanzar por las páginas siguientes:

   • Acepta los Términos y Condiciones.
   • No agregues opciones de recuperación o autenticación de dos factores (esta es una cuenta temporal).
   • No te registres para obtener pruebas gratuitas.

Después de un momento, se abrirá la consola de Google Cloud en esta pestaña.

Nota: Para acceder a los productos y servicios de Google Cloud, haz clic en el menú de navegación o escribe el nombre del servicio o producto en el campo Buscar.

Tarea 1: Abre el notebook en Vertex AI Workbench

1. En el menú de navegación () de la consola de Google Cloud, haz clic en Vertex AI > Workbench.

2. Busca la instancia y haz clic en el botón Abrir JupyterLab.

La interfaz de JupyterLab para tu instancia de Workbench se abrirá en una pestaña nueva del navegador.

Nota: Si no ves notebooks en JupyterLab, sigue estos pasos adicionales para restablecer la instancia:

1. Cierra la pestaña del navegador de JupyterLab y vuelve a la página principal de Workbench.

2. Selecciona la casilla de verificación junto al nombre de la instancia y haz clic en Restablecer.

3. Después de que se vuelva a habilitar el botón Abrir JupyterLab, espera un minuto y, luego, haz clic en Abrir JupyterLab.

Tarea 2: Configura el notebook

1. Abre el archivo .

2. En el cuadro de diálogo Select Kernel, elige Python 3 en la lista de kernels disponibles.

3. Ejecuta las secciones Getting Started e Import libraries del notebook.

   • Para Project ID, usa , y para Location, usa .

Nota: Puedes omitir las celdas del notebook que tienen la indicación Colab only. Si recibes una respuesta 429 de cualquiera de las ejecuciones de celda del notebook, espera 1 minuto antes de volver a ejecutar la celda para continuar.

En las siguientes secciones, ejecutarás las celdas del notebook para ver cómo usar la API de Gemini en Vertex AI con el SDK de IA generativa de Google para Python.

Haz clic en Revisar mi progreso para verificar el objetivo. Instalar el SDK de IA generativa para Python e importar bibliotecas

Tarea 3. Usa llamadas a funciones para realizar consultas estructuradas de Google Store

Cuando trabajas con un modelo de texto generativo, puede ser difícil obligar al LLM a que ofrezca respuestas constantes en un formato estructurado como JSON. Las llamadas a función facilitan el trabajo con un LLM a través de instrucciones y entradas no estructuradas, y hacen que el LLM devuelva una respuesta estructurada que se pueda usar para llamar a una función externa.

Puedes concebir las llamadas a función como una manera de obtener resultados estructurados a partir de instrucciones del usuario y definiciones de función, usar ese resultado estructurado para hacer una solicitud a la API en un sistema externo y, luego, devolver la respuesta de la función al LLM para generar una respuesta para el usuario. En otras palabras, las llamadas a funciones en Gemini extraen parámetros estructurados de texto o mensajes no estructurados de los usuarios. En este ejemplo, usarás las llamadas a funciones junto con la modalidad de chat en el modelo de Gemini para ayudar a los clientes a obtener información sobre los productos en Google Store.

1. En esta tarea, ejecuta las celdas del notebook y descubre cómo usar el modelo de Gemini para ayudar a los clientes a obtener información sobre los productos en Google Store.

Haz clic en Revisar mi progreso para verificar el objetivo. Generar una llamada a función simple

Tarea 4. Usa llamadas a funciones para geocodificar direcciones con una API de Google Maps

En este ejemplo, usarás la modalidad de texto en la API de Gemini para definir una función que tome varios parámetros como entradas. Usarás la respuesta de la llamada a función para realizar una llamada a la API en vivo y convertir una dirección en coordenadas de latitud y longitud.

1. En esta tarea, ejecuta las celdas del notebook para ver cómo usar el modelo de Gemini Flash para generar una llamada a función que geocodifique una dirección.

Aquí usamos la API de Nominatim de OpenStreetMap para geocodificar una dirección de manera que sea fácil de usar y aprender en este notebook. Si trabajas con grandes cantidades de mapas o datos de ubicación geográfica, puedes usar la API de Geocoding de Google Maps.

Haz clic en Revisar mi progreso para verificar el objetivo. Generar una llamada a función compleja

Tarea 5. Usa las llamadas a funciones para extraer entidades

En los ejemplos anteriores, utilizaste la funcionalidad de extracción de entidades en las llamadas a funciones de Gemini para poder pasar los parámetros resultantes a una API de REST o una biblioteca cliente. Sin embargo, es posible que solo quieras realizar el paso de extracción de entidades con las llamadas a funciones de Gemini sin llamar a una API. Puedes considerar esta funcionalidad como una forma conveniente de transformar datos de texto no estructurado en campos estructurados.

En este ejemplo, crearás un extractor de registros que tome los datos de registro sin procesar y los transforme en datos estructurados con detalles sobre los mensajes de error.

1. En esta tarea, ejecuta las celdas del notebook para descubrir cómo usar el modelo de Gemini Flash para generar llamadas a funciones y extraer entidades de los datos de registro.

Haz clic en Revisar mi progreso para verificar el objetivo. Generar llamadas a funciones a partir de una instrucción de chat

¡Felicitaciones!

¡Felicitaciones! En este lab, aprendiste a usar la API de Gemini en Vertex AI para generar llamadas a funciones a partir de instrucciones de texto. Utilizaste el modelo de Gemini Flash para generar llamadas a funciones y ayudar a los clientes a obtener información sobre productos en Google Store, geocodificar direcciones y extraer entidades de los datos de registro.

Próximos pasos/Más información

Consulta los siguientes recursos para obtener más información sobre Gemini:

• Descripción general de Gemini
• Documentación sobre IA generativa en Vertex AI
• IA generativa en YouTube
• Explora la guía de soluciones de Vertex AI para ver una galería de notebooks seleccionada sobre la IA generativa en la que puedes realizar búsquedas.
• Explora otros notebooks y ejemplos en el repositorio de IA generativa de Google Cloud.

Capacitación y certificación de Google Cloud

Recibe la formación que necesitas para aprovechar al máximo las tecnologías de Google Cloud. Nuestras clases incluyen habilidades técnicas y recomendaciones para ayudarte a avanzar rápidamente y a seguir aprendiendo. Para que puedas realizar nuestros cursos cuando más te convenga, ofrecemos distintos tipos de capacitación de nivel básico a avanzado: a pedido, presenciales y virtuales. Las certificaciones te ayudan a validar y demostrar tus habilidades y tu conocimiento técnico respecto a las tecnologías de Google Cloud.

Última actualización del manual: 14 de mayo de 2025

Prueba más reciente del lab: 14 de mayo de 2025

Copyright 2025 Google LLC. All rights reserved. Google y el logotipo de Google son marcas de Google LLC. Los demás nombres de productos y empresas pueden ser marcas de las respectivas empresas a las que estén asociados.