GSP1290

개요

이 실습에서는 Google DeepMind의 강력한 새로운 멀티모달 AI 모델인 Gemini 2.0 Flash를 소개합니다. Gemini 2.0 Flash는 Vertex AI의 Gemini API를 통해 사용할 수 있습니다. 이 실습에서는 Gemini 2.0 Flash의 크게 향상된 속도, 성능, 품질을 살펴보면서 텍스트 및 코드 생성, 멀티모달 데이터 처리, 함수 호출과 같은 작업에 이 모델의 기능을 활용하는 방법을 알아봅니다. 또한 비동기식 메서드, 시스템 요청 사항, 제어 생성, 안전 설정, Google 검색을 통한 그라운딩, 토큰 집계와 같은 고급 기능을 다룹니다.

Gemini

Gemini는 Google DeepMind에서 개발한 강력한 생성형 AI 모델 제품군으로 텍스트, 코드, 이미지, 오디오, 동영상을 포함한 다양한 형식의 콘텐츠를 이해하고 생성합니다.

Vertex AI의 Gemini API

Vertex AI의 Gemini API는 Gemini 모델과 상호작용할 수 있는 통합 인터페이스를 제공합니다. 이를 통해 개발자는 이러한 강력한 AI 기능을 손쉽게 애플리케이션에 통합할 수 있습니다. 최신 세부정보와 최신 버전의 구체적인 기능은 공식 Gemini 문서를 참조하세요.

Gemini 모델

• Gemini Pro: 복잡한 추론을 위해 설계되었으며 다음과 같은 작업을 처리합니다.
  • 대량의 정보 분석 및 요약
  • 정교한 교차 모달 추론(텍스트, 코드, 이미지 등)
  • 복잡한 코드베이스로 효과적인 문제 해결
• Gemini Flash: 속도와 효율성에 최적화되었으며 다음을 제공합니다.
  • 1초 미만의 응답 시간과 높은 처리량
  • 광범위한 작업에 대해 낮은 비용으로 높은 품질 제공
  • 개선된 공간 이해, 새로운 출력 형식(텍스트, 오디오, 이미지), 기본 도구 사용(Google 검색, 코드 실행, 서드 파티 함수)을 포함한 향상된 멀티모달 기능

기본 요건

이 실습을 시작하기 전에 다음 개념을 숙지해야 합니다.

• 기본 Python 프로그래밍
• 일반적인 API 개념
• Vertex AI Workbench의 Jupyter 노트북에서 Python 코드를 실행하는 방법

목표

이 실습에서는 Gemini 2.0 Flash를 사용하여 다음을 수행하는 방법을 알아봅니다.

• 텍스트 및 코드 생성: 스트리밍 출력을 포함한 다양한 형태의 텍스트를 생성하고, 멀티턴 대화에 참여하고, 코드를 작성하고 실행합니다.
• 모델 동작 구성 및 제어: 모델 파라미터를 구성하고, 시스템 요청 사항을 설정하고, 안전 필터를 적용하고, 제어 생성 기법을 활용하여 모델의 출력을 조정합니다.
• 멀티모달 데이터 처리: 텍스트, 오디오, 코드, 문서, 이미지, 동영상 등 다양한 데이터 유형을 처리합니다.
• 모델과 유연하게 상호작용: 동기 및 비동기식 상호작용 메서드를 모두 사용해 다양한 애플리케이션 요구사항에 맞춰 조정합니다.
• Google 검색을 통한 모델 대답 그라운딩: Google 검색의 실제 데이터에 모델 대답을 그라운딩하여 정확성과 최신성을 개선합니다.
• 함수 호출 활용 및 토큰 관리: 자동 및 수동 함수 호출을 모두 구현하고, 토큰을 집계하여 사용량을 추적하는 방법을 알아봅니다.

설정 및 요건

실습 시작 버튼을 클릭하기 전에

다음 안내를 확인하세요. 실습에는 시간 제한이 있으며 일시중지할 수 없습니다. 실습 시작을 클릭하면 타이머가 시작됩니다. 이 타이머는 Google Cloud 리소스를 사용할 수 있는 시간이 얼마나 남았는지를 표시합니다.

실무형 실습을 통해 시뮬레이션이나 데모 환경이 아닌 실제 클라우드 환경에서 실습 활동을 진행할 수 있습니다. 실습 시간 동안 Google Cloud에 로그인하고 액세스하는 데 사용할 수 있는 새로운 임시 사용자 인증 정보가 제공됩니다.

이 실습을 완료하려면 다음을 준비해야 합니다.

• 표준 인터넷 브라우저 액세스 권한(Chrome 브라우저 권장)

참고: 이 실습을 실행하려면 시크릿 모드(권장) 또는 시크릿 브라우저 창을 사용하세요. 개인 계정과 학습자 계정 간의 충돌로 개인 계정에 추가 요금이 발생하는 일을 방지해 줍니다.

• 실습을 완료하기에 충분한 시간(실습을 시작하고 나면 일시중지할 수 없음)

참고: 이 실습에는 학습자 계정만 사용하세요. 다른 Google Cloud 계정을 사용하는 경우 해당 계정에 비용이 청구될 수 있습니다.

실습을 시작하고 Google Cloud 콘솔에 로그인하는 방법

1. 실습 시작 버튼을 클릭합니다. 실습 비용을 결제해야 하는 경우 결제 수단을 선택할 수 있는 대화상자가 열립니다. 왼쪽에는 다음과 같은 항목이 포함된 실습 세부정보 창이 있습니다.

   • Google Cloud 콘솔 열기 버튼
   • 남은 시간
   • 이 실습에 사용해야 하는 임시 사용자 인증 정보
   • 필요한 경우 실습 진행을 위한 기타 정보

2. Google Cloud 콘솔 열기를 클릭합니다(Chrome 브라우저를 실행 중인 경우 마우스 오른쪽 버튼으로 클릭하고 시크릿 창에서 링크 열기를 선택합니다).

   실습에서 리소스가 가동되면 다른 탭이 열리고 로그인 페이지가 표시됩니다.

   팁: 두 개의 탭을 각각 별도의 창으로 나란히 정렬하세요.

   참고: 계정 선택 대화상자가 표시되면 다른 계정 사용을 클릭합니다.

3. 필요한 경우 아래의 사용자 이름을 복사하여 로그인 대화상자에 붙여넣습니다.

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

   실습 세부정보 창에서도 사용자 이름을 확인할 수 있습니다.

4. 다음을 클릭합니다.

5. 아래의 비밀번호를 복사하여 시작하기 대화상자에 붙여넣습니다.

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

   실습 세부정보 창에서도 비밀번호를 확인할 수 있습니다.

6. 다음을 클릭합니다.

   중요: 실습에서 제공하는 사용자 인증 정보를 사용해야 합니다. Google Cloud 계정 사용자 인증 정보를 사용하지 마세요. 참고: 이 실습에 자신의 Google Cloud 계정을 사용하면 추가 요금이 발생할 수 있습니다.

7. 이후에 표시되는 페이지를 클릭하여 넘깁니다.

   • 이용약관에 동의합니다.
   • 임시 계정이므로 복구 옵션이나 2단계 인증을 추가하지 않습니다.
   • 무료 체험판을 신청하지 않습니다.

잠시 후 Google Cloud 콘솔이 이 탭에서 열립니다.

참고: Google Cloud 제품 및 서비스에 액세스하려면 탐색 메뉴를 클릭하거나 검색창에 제품 또는 서비스 이름을 입력합니다.

작업 1. Vertex AI Workbench에서 노트북 열기

1. Google Cloud 콘솔의 탐색 메뉴()에서 Vertex AI > Workbench를 클릭합니다.

2. 인스턴스를 찾아 JupyterLab 열기 버튼을 클릭합니다.

Workbench 인스턴스의 JupyterLab 인터페이스가 새 브라우저 탭에서 열립니다.

작업 2. 노트북 설정하기

1. 파일을 엽니다.

2. Select Kernel(커널 선택) 대화상자에서 사용 가능한 커널 목록 중 Python 3를 선택합니다.

3. 노트북의 Getting Started(시작하기) 및 Import libraries(라이브러리 가져오기) 섹션을 실행합니다.

   • Project ID(프로젝트 ID)로는 을(를) 사용하고, Location(위치)으로는 을(를) 사용합니다.

참고: Colab only(Colab만 해당)이라고 되어 있는 노트북 셀은 건너뛰어도 됩니다. 노트북 셀 실행 중 429 응답이 발생하는 경우 1분 동안 기다린 다음 다시 셀을 실행하여 계속 진행하세요.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 노트북 설정

작업 3. 텍스트 프롬프트에서 텍스트 생성

이 작업에서는 Gemini 2.0 Flash 모델을 사용하여 텍스트 프롬프트에서 텍스트를 생성합니다.

1. 노트북의 Gemini 2.0 Flash 모델 로드 섹션을 실행합니다.
2. 노트북의 텍스트 프롬프트에서 텍스트 생성 섹션을 실행합니다. 몇 가지 프롬프트 예시를 사용해 모델이 어떻게 대답하는지 확인합니다.

콘텐츠 스트림 생성

기본적으로 모델은 전체 생성 프로세스를 완료한 후 대답을 반환합니다. generate_content_stream 메서드를 사용하여 대답이 생성될 때 스트리밍할 수도 있으며, 모델은 생성되는 즉시 대답을 청크 단위로 반환합니다.

1. 노트북의 콘텐츠 스트림 생성 섹션을 실행합니다.

멀티턴 채팅 시작

Gemini API는 여러 차례에 걸쳐 상호작용을 주고받는 방식으로 진행되는 자유 형식의 멀티턴 대화를 지원합니다.

대화의 컨텍스트는 메시지 간에 유지됩니다.

1. 노트북의 멀티턴 채팅 시작 섹션을 실행합니다.

비동기식 요청 전송

client.aio는 client에서 사용할 수 있는 모든 유사한 비동기 메서드를 노출합니다.

예를 들어 client.aio.models.generate_content는 client.models.generate_content의 비동기 버전입니다.

1. 노트북의 비동기식 요청 전송 섹션을 실행합니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 텍스트 프롬프트에서 텍스트 생성

작업 4. 모델 파라미터 구성

이 작업에서는 모델 파라미터를 구성하여 모델 출력을 미세 조정하는 방법을 알아봅니다. 이러한 파라미터를 조정하면 생성된 텍스트의 창의성, 길이, 안전성 등의 측면을 제어할 수 있습니다.

모델에 보내는 각 호출에 파라미터 값을 포함하여 모델의 대답 생성 방식을 제어할 수 있습니다. 모델은 각기 다른 파라미터 값에 따라 다양한 결과를 생성합니다. 다양한 모델 파라미터를 실험하여 결과가 어떻게 달라지는지 확인할 수 있습니다.

• 파라미터 값 실험에 대해 자세히 알아봅니다.
• 모든 Gemini API 파라미터 목록을 확인합니다.

1. 노트북의 모델 파라미터 구성 섹션을 실행합니다.

시스템 요청 사항 설정

시스템 요청 사항을 통해 모델의 동작을 조정할 수 있습니다. 모델이 작업을 이해하고, 더욱 맞춤설정된 대답을 제공하고, 사용자 상호작용에 대한 가이드라인을 준수하도록 시스템 요청 사항을 설정하여 모델에 추가 컨텍스트를 제공합니다.

1. 노트북의 시스템 요청 사항 설정 섹션을 실행합니다.

안전 필터

Gemini API는 여러 필터 카테고리에서 조정 가능한 안전 필터를 제공하여 특정 유형의 콘텐츠를 제한하거나 허용할 수 있습니다. 이러한 필터를 사용하면 사용 사례에 적합한 결과를 조정할 수 있습니다. 자세한 내용은 안전 필터 구성 페이지를 참조하세요.

Gemini에 요청하면 콘텐츠가 분석되고 안전 등급이 지정됩니다. 모델 대답을 출력하여 생성된 콘텐츠의 안전 등급을 검사할 수 있습니다. 안전 설정은 기본적으로 OFF로 설정되어 있으며 기본 차단 기준점은 BLOCK_NONE입니다.

safety_settings를 사용하여 API에 대한 각 요청의 안전 설정을 조정할 수 있습니다. 이 예시에서는 모든 카테고리의 차단 기준점을 BLOCK_LOW_AND_ABOVE로 설정하는 방법을 보여줍니다.

1. 노트북의 안전 필터 섹션을 실행합니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 모델 파라미터 구성

작업 5. 멀티모달 프롬프트 보내기

Gemini는 멀티모달 프롬프트를 지원하는 멀티모달 모델입니다.

다양한 소스에서 다음 데이터 유형을 포함할 수 있습니다. 다음은 업데이트된 HTML 표로, '오디오' 섹션의 확장된 MIME 유형이 포함되어 있습니다.

데이터 유형	소스	MIME 유형
텍스트	인라인, 로컬 파일, 일반 URL, Google Cloud Storage	text/plain
코드	인라인, 로컬 파일, 일반 URL, Google Cloud Storage	text/plain
문서	로컬 파일, 일반 URL, Google Cloud Storage	application/pdf
이미지	로컬 파일, 일반 URL, Google Cloud Storage	image/jpeg image/png image/webp
오디오	로컬 파일, 일반 URL, Google Cloud Storage	audio/aac audio/flac audio/mp3 audio/m4a audio/mpeg audio/mpga audio/mp4 audio/opus audio/pcm audio/wav audio/webm
동영상	로컬 파일, 일반 URL, Google Cloud Storage, YouTube	video/mp4 video/mpeg video/x-flv video/quicktime video/mpegps video/mpg video/webm video/wmv video/3gpp

이 작업에서는 이미지, 오디오, 동영상과 같은 기타 데이터 유형을 텍스트와 결합하여 다양한 유형의 멀티모달 프롬프트를 모델로 전송합니다.

1. 노트북의 로컬 이미지 전송 섹션을 실행합니다.
2. 노트북의 Google Cloud Storage에서 문서 전송 섹션을 실행합니다.
3. 노트북의 일반 URL에서 오디오 전송 섹션을 실행합니다.
4. 노트북의 YouTube URL에서 동영상 전송 섹션을 실행합니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 멀티모달 프롬프트 보내기

작업 6. 생성된 출력 제어 및 토큰 관리

제어 생성을 통해 대답 스키마를 정의하여 모델 출력의 구조, 필드 이름, 각 필드의 예상 데이터 유형을 지정할 수 있습니다. 대답 스키마는 config의 response_schema 파라미터에 지정되며 모델 출력은 해당 스키마를 철저하게 따릅니다.

스키마를 Pydantic 모델 또는 JSON 문자열로 제공할 수 있으며 모델은 response_mime_type에 설정된 값에 따라 JSON 또는 enum으로 대답합니다. 이 작업에서는 모델의 출력을 제어하고 토큰 사용을 관리하는 기법을 살펴봅니다.

이전 작업에서 파라미터 구성 방법에 대해 학습한 내용을 토대로, 이 작업에서는 모델의 출력 형식을 더욱 정밀하게 제어하기 위한 대답 스키마를 정의하는 방법을 보여줍니다.

1. 노트북의 생성된 출력 제어 섹션을 실행합니다.

토큰 집계 및 컴퓨팅

count_tokens() 메서드를 사용하여 Gemini API에 요청을 전송하기 전에 입력 토큰 수를 집계할 수 있습니다. 자세한 내용은 토큰 나열 및 집계를 참조하세요.

1. 노트북의 토큰 집계 및 컴퓨팅 섹션을 실행합니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 생성된 출력 제어 및 토큰 관리

작업 7. Google 검색을 도구로 활용(그라운딩)

그라운딩을 사용하면 실제 데이터를 Gemini 모델에 연결할 수 있습니다.

Google 검색 결과에 모델 대답을 그라운딩하면 모델이 런타임에 학습 데이터 이외의 정보에 액세스할 수 있으므로 더 정확하고 최신 상태의 관련성 높은 대답을 생성하게 됩니다.

Google 검색으로 그라운딩하면 모델 대답의 정확성과 최신성을 개선할 수 있습니다. Gemini 2.0부터 Google 검색이 도구로 제공됩니다. 즉, 모델이 Google 검색을 사용할 시점을 결정할 수 있습니다.

Google 검색

GoogleSearch를 포함한 Tool에 tools 키워드 인수를 추가하여 먼저 프롬프트에 따라 Google 검색을 수행한 다음 웹 검색 결과를 기반으로 답변을 구성하도록 Gemini에 요청할 수 있습니다.

동적 검색을 사용하면 모델 대답에 그라운딩이 사용될 시점을 결정하는 기준점을 설정할 수 있습니다. 이 기능은 프롬프트에 Google 검색으로 그라운딩된 답변이 필요하지 않고 지원되는 모델이 그라운딩 없이 기존 지식을 기반으로 답변을 제공할 수 있는 경우 유용합니다. 이렇게 하면 지연 시간, 품질, 비용을 더 효과적으로 관리할 수 있습니다.

1. 노트북의 Google 검색 섹션을 실행합니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. Google 검색을 도구로 활용(그라운딩)

작업 8. 함수 호출 및 코드 실행 활용

개발자는 Gemini의 함수 호출을 통해 코드에 함수에 대한 설명을 작성한 다음, 요청 시 해당 설명을 언어 모델에 전달할 수 있습니다. 자동 함수 호출을 위해 Python 함수를 제출하면 함수가 실행되고 Gemini에서 생성된 자연어로 출력이 반환됩니다.

OpenAPI 사양을 제출하여 설명에 일치하는 함수의 이름과 함께 함수를 호출할 인수를 대답으로 얻을 수도 있습니다. 이 작업에서는 함수 호출을 살펴보면서 모델이 외부 시스템과 상호작용하고 모델에서 생성된 코드를 실행하도록 합니다.

1. 노트북의 Python 함수(자동 함수 호출) 섹션을 실행합니다.
2. 노트의 OpenAPI 사양(수동 함수 호출) 섹션을 실행합니다.

코드 실행

Gemini API 코드 실행 기능을 통해 모델은 Python 코드를 생성 및 실행하고 최종 출력을 도출할 때까지 결과를 반복적으로 학습합니다. 이 코드 실행 기능을 사용하면 코드 기반 추론의 이점을 활용하며 텍스트 출력을 생성하는 애플리케이션을 빌드할 수 있습니다. 예를 들어 방정식을 풀거나 텍스트를 처리하는 애플리케이션에서 코드 실행을 사용할 수 있습니다.

Gemini API는 함수 호출과 유사하게 도구로서 코드 실행을 제공합니다. 코드 실행을 도구로 추가하면 모델은 이를 사용할 시점을 결정합니다.

1. 노트북의 코드 실행 섹션을 실행합니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 함수 호출 및 코드 실행 활용

수고하셨습니다

수고하셨습니다. 이 실습에서는 Vertex AI의 Gemini API를 통해 최첨단 Gemini 2.0 Flash 모델을 직접 사용해 봤습니다. 텍스트 및 코드 생성, 멀티모달 데이터 처리, 고급 모델 구성 등 모델의 다양한 기능을 살펴봤습니다. 이제 혁신적이고 정교한 AI 애플리케이션을 빌드하는 데 이러한 강력한 기능을 활용할 역량을 갖췄습니다. Gemini 2.0에 도입된 새로운 기능을 익히고 새로운 SDK를 활용하여 API 간에 마이그레이션하는 방법도 알아봤습니다.

다음 단계/자세히 알아보기

Gemini에 대한 자세한 내용은 다음 리소스를 참조하세요.

• Gemini 개요
• Vertex AI의 생성형 AI 문서
• YouTube의 생성형 AI
• Vertex AI 설명서에서 생성형 AI를 위한 선별된 노트북 갤러리를 검색하며 살펴보세요.
• Google Cloud 생성형 AI 저장소에서 다른 노트북과 샘플을 찾아보세요.

Google Cloud 교육 및 자격증

Google Cloud 기술을 최대한 활용하는 데 도움이 됩니다. Google 강의에는 빠른 습득과 지속적인 학습을 지원하는 기술적인 지식과 권장사항이 포함되어 있습니다. 기초에서 고급까지 수준별 학습을 제공하며 바쁜 일정에 알맞은 주문형, 실시간, 가상 옵션이 포함되어 있습니다. 인증은 Google Cloud 기술에 대한 역량과 전문성을 검증하고 입증하는 데 도움이 됩니다.

설명서 최종 업데이트: 2025년 5월 5일

실습 최종 테스트: 2025년 5월 5일

Copyright 2025 Google LLC. All rights reserved. Google 및 Google 로고는 Google LLC의 상표입니다. 기타 모든 회사명 및 제품명은 해당 업체의 상표일 수 있습니다.