GSP1293

Ringkasan

Di lab ini, Anda akan mempelajari kemampuan eksekusi kode , salah satu model Gemini multimodal baru dari DeepMind Google. Model ini memberikan peningkatan signifikan dalam kecepatan, kualitas, dan penalaran lanjutan, termasuk peningkatan pemahaman, coding, dan mengikuti petunjuk.

Fitur utama model ini adalah eksekusi kode, yaitu kemampuan untuk membuat dan mengeksekusi kode Python langsung di dalam API. Jika Anda ingin API membuat dan menjalankan kode Python serta menampilkan hasilnya, Anda dapat menggunakan eksekusi kode seperti yang ditunjukkan di lab ini.

Kemampuan eksekusi kode ini memungkinkan model untuk menghasilkan kode, mengeksekusi dan mengamati hasilnya, mengoreksi kode jika diperlukan, dan belajar secara iteratif dari hasil hingga menghasilkan output akhir. Hal ini sangat berguna untuk aplikasi yang melibatkan penalaran berbasis kode seperti menyelesaikan persamaan matematika atau memproses teks.

Gemini

Gemini adalah rangkaian model AI generatif canggih yang dikembangkan oleh Google DeepMind. Gemini mampu memahami dan menghasilkan berbagai bentuk konten, termasuk teks, kode, gambar, audio, dan video.

Gemini API di Vertex AI

Gemini API di Vertex AI menyediakan antarmuka terpadu untuk berinteraksi dengan model Gemini. Dengan antarmuka ini, developer dapat dengan mudah mengintegrasikan kemampuan AI yang hebat ini ke dalam aplikasi mereka. Untuk mengetahui detail terbaru dan fitur spesifik dari versi terbaru, pelajari dokumentasi Gemini yang resmi.

Model Gemini

• Gemini Pro: Dirancang untuk melakukan penalaran yang kompleks, termasuk di antaranya:
  • Menganalisis dan meringkas informasi dalam jumlah besar.
  • Penalaran canggih lintas modalitas (untuk teks, kode, gambar, dll.).
  • Pemecahan masalah yang efektif dengan codebase yang kompleks.
• Gemini Flash: Dioptimalkan untuk kecepatan dan efisiensi, dengan menawarkan:
  • Waktu respons kurang dari satu detik dan throughput tinggi.
  • Kualitas tinggi dengan biaya yang lebih rendah untuk beragam tugas.
  • Kemampuan multimodal yang ditingkatkan, termasuk pemahaman spasial yang lebih baik, modalitas output yang baru (teks, audio, gambar), dan penggunaan alat asli (Google Penelusuran, eksekusi kode, dan fungsi pihak ketiga).

Prasyarat

Sebelum memulai lab ini, Anda sebaiknya sudah mengetahui:

• Pemrograman Python dasar.
• Konsep API secara umum.
• Cara menjalankan kode Python di notebook Jupyter di Agent Platform Workbench.

Tujuan

Di lab ini, Anda akan mempelajari cara membuat dan mengeksekusi kode menggunakan Gemini API di Agent Platform dan Google Gen AI SDK untuk Python dengan model .

Anda akan menyelesaikan tugas-tugas berikut:

• Membuat dan menjalankan contoh kode Python dari perintah teks
• Menjelajahi data menggunakan eksekusi kode dalam multi-turn chat
• Menggunakan eksekusi kode dalam sesi streaming

Penyiapan dan persyaratan

Sebelum mengklik tombol Start Lab

Baca petunjuk ini. Lab memiliki timer dan Anda tidak dapat menjedanya. Timer yang dimulai saat Anda mengklik Start Lab akan menampilkan durasi ketersediaan resource Google Cloud untuk Anda.

Lab interaktif ini dapat Anda gunakan untuk melakukan aktivitas lab di lingkungan cloud sungguhan, bukan di lingkungan demo atau simulasi. Untuk mengakses lab ini, Anda akan diberi kredensial baru yang bersifat sementara dan dapat digunakan untuk login serta mengakses Google Cloud selama durasi lab.

Untuk menyelesaikan lab ini, Anda memerlukan:

• Akses ke browser internet standar (disarankan browser Chrome).

Catatan: Gunakan jendela Samaran (direkomendasikan) atau browser pribadi untuk menjalankan lab ini. Hal ini akan mencegah konflik antara akun pribadi Anda dan akun siswa yang dapat menyebabkan tagihan ekstra pada akun pribadi Anda.

• Waktu untuk menyelesaikan lab. Ingat, setelah dimulai, lab tidak dapat dijeda.

Catatan: Hanya gunakan akun siswa untuk lab ini. Jika Anda menggunakan akun Google Cloud yang berbeda, Anda mungkin akan dikenai tagihan ke akun tersebut.

Cara memulai lab dan login ke Google Cloud Console

1. Klik tombol Start Lab. Jika Anda perlu membayar lab, dialog akan terbuka untuk memilih metode pembayaran. Di sebelah kiri ada panel Lab Details yang berisi hal-hal berikut:

   • Tombol Open Google Cloud console
   • Waktu tersisa
   • Kredensial sementara yang harus Anda gunakan untuk lab ini
   • Informasi lain, jika diperlukan, untuk menyelesaikan lab ini

2. Klik Open Google Cloud console (atau klik kanan dan pilih Open Link in Incognito Window jika Anda menjalankan browser Chrome).

   Lab akan menjalankan resource, lalu membuka tab lain yang menampilkan halaman Sign in.

   Tips: Atur tab di jendela terpisah secara berdampingan.

   Catatan: Jika Anda melihat dialog Choose an account, klik Use Another Account.

3. Jika perlu, salin Username di bawah dan tempel ke dialog Sign in.

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

   Anda juga dapat menemukan Username di panel Lab Details.

4. Klik Next.

5. Salin Password di bawah dan tempel ke dialog Welcome.

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

   Anda juga dapat menemukan Password di panel Lab Details.

6. Klik Next.

   Penting: Anda harus menggunakan kredensial yang diberikan lab. Jangan menggunakan kredensial akun Google Cloud Anda. Catatan: Menggunakan akun Google Cloud sendiri untuk lab ini dapat dikenai biaya tambahan.

7. Klik halaman berikutnya:

   • Setujui persyaratan dan ketentuan.
   • Jangan tambahkan opsi pemulihan atau autentikasi 2 langkah (karena ini akun sementara).
   • Jangan mendaftar uji coba gratis.

Setelah beberapa saat, Konsol Google Cloud akan terbuka di tab ini.

Catatan: Untuk mengakses produk dan layanan Google Cloud, klik Navigation menu atau ketik nama layanan atau produk di kolom Search.

Tugas 1. Membuka notebook di Agent Platform Workbench

1. Di Konsol Google Cloud, pada Navigation menu (), klik Agent Platform > Notebooks.

2. Di bilah sisi kiri, klik Workbench.

3. Cari instance lalu klik tombol Open JupyterLab.

Antarmuka JupyterLab untuk instance Workbench Anda akan terbuka di tab browser baru.

Catatan: Jika Anda tidak melihat notebook di JupyterLab, ikuti langkah tambahan berikut untuk mereset instance:

1. Tutup tab browser untuk JupyterLab, lalu kembali ke halaman beranda Workbench.

2. Pilih kotak centang di samping nama instance, lalu klik Reset.

3. Setelah tombol Open JupyterLab diaktifkan kembali, tunggu satu menit, lalu klik Open JupyterLab.

Tugas 2. Menyiapkan notebook

1. Buka file .

2. Pada dialog Select Kernel, pilih Python 3 dari daftar kernel yang tersedia.

3. Jalankan bagian Getting Started pada notebook. Project ID dan Lokasi telah dikonfigurasi sebelumnya untuk Anda.

Catatan: Jika Anda mendapatkan respons 429 dari salah satu eksekusi sel notebook, tunggu 1 menit sebelum menjalankan sel kembali untuk melanjutkan.

Klik Periksa progres saya untuk memverifikasi tujuan. Menyiapkan notebook.

Tugas 3. Menangani eksekusi kode di Gemini

Di bagian ini, Anda akan menggunakan Gemini API untuk membuat dan mengeksekusi kode Python.

Memuat model Gemini

Kode berikut di notebook memuat model . Anda dapat mempelajari semua model Gemini di Agent Platform dengan membuka dokumentasi.

1. Jalankan bagian Load the Gemini model pada notebook.

Menentukan alat eksekusi kode

Kode berikut di notebook menginisialisasi alat eksekusi kode dengan meneruskan code_execution dalam definisi Tool. Nanti Anda akan mendaftarkan alat ini ke model sehingga model dapat menggunakannya untuk membuat dan menjalankan kode Python.

1. Jalankan bagian Define the code execution tool pada notebook.

Membuat dan mengeksekusi kode

Kode berikut di notebook mengirimkan perintah ke model Gemini, yang memintanya untuk membuat dan mengeksekusi kode Python guna menghitung jumlah 50 bilangan prima pertama. Alat eksekusi kode diteruskan sehingga model dapat membuat dan menjalankan kode.

1. Jalankan bagian Generate and execute code pada notebook.

Melihat kode yang dihasilkan

Kode berikut di notebook melakukan iterasi melalui respons dan menampilkan kode Python yang dihasilkan dengan memeriksa part.executable_code di bagian respons.

1. Jalankan bagian View the generated code pada notebook.

Melihat hasil eksekusi kode

Kode berikut di notebook melakukan iterasi melalui respons dan menampilkan hasil eksekusi dengan memeriksa part.code_execution_result di bagian respons.

1. Jalankan bagian View the code execution results pada notebook.

Klik Periksa progres saya untuk memverifikasi tujuan. Menangani eksekusi kode di Gemini.

Tugas 4. Eksekusi kode dalam sesi chat

Bagian ini menunjukkan cara menggunakan eksekusi kode dalam chat interaktif dengan histori menggunakan Gemini API. Anda dapat membuat sesi chat, yang memungkinkan model menghasilkan dan menjalankan kode Python. Anda akan memulai dengan meminta model untuk menghasilkan data sampel deret waktu dengan derau dan menghasilkan sampel 10 titik data.

Anda kemudian dapat melakukan iterasi melalui respons untuk menampilkan kode yang dihasilkan dan hasil eksekusi. Berikutnya, Anda akan meminta model untuk menambahkan deret data yang dihaluskan ke data deret waktu dan menampilkan hasilnya. Terakhir, Anda akan meminta model untuk menghasilkan statistik deskriptif untuk data deret waktu dan menampilkan hasilnya.

1. Jalankan bagian Code execution in a chat session pada notebook.

Klik Periksa progres saya untuk memverifikasi tujuan. Eksekusi kode dalam sesi chat.

Tugas 5. Eksekusi kode dalam sesi streaming

Anda juga dapat menggunakan fungsi eksekusi kode dengan output streaming dari Gemini API. Kode berikut menunjukkan bagaimana Gemini API dapat membuat dan mengeksekusi kode sambil men-streaming hasilnya.

1. Jalankan bagian Code execution in a streaming session pada notebook.

Klik Periksa progres saya untuk memverifikasi tujuan. Eksekusi kode dalam sesi streaming.

Selamat!

Selamat! Anda telah berhasil mempelajari cara membuat dan mengeksekusi kode Python dengan , termasuk cara men-streaming outputnya. Dengan kemampuan ini, Anda dapat membuat aplikasi yang lebih dinamis dan interaktif. Anda kini dapat memanfaatkan keterampilan ini untuk membangun solusi inovatif dan menyederhanakan alur kerja Anda. Teruslah mengeksplorasi kemungkinan yang ditawarkan dan temukan cara teknologi ini dapat mendukung project Anda.

Langkah berikutnya/pelajari lebih lanjut

Baca referensi berikut untuk mempelajari Gemini lebih lanjut:

• Ringkasan Gemini
• Dokumentasi AI generatif di Vertex AI
• AI Generatif di YouTube
• Jelajahi Cookbook Vertex AI untuk melihat galeri notebook AI Generatif pilihan yang dapat Anda telusuri.
• Jelajahi notebook dan sampel lainnya di repositori AI Generatif Google Cloud.

Sertifikasi dan pelatihan Google Cloud

...membantu Anda mengoptimalkan teknologi Google Cloud. Kelas kami mencakup keterampilan teknis dan praktik terbaik untuk membantu Anda memahami dengan cepat dan melanjutkan proses pembelajaran. Kami menawarkan pelatihan tingkat dasar hingga lanjutan dengan opsi on demand, live, dan virtual untuk menyesuaikan dengan jadwal Anda yang sibuk. Sertifikasi membantu Anda memvalidasi dan membuktikan keterampilan serta keahlian Anda dalam teknologi Google Cloud.

Manual Terakhir Diperbarui pada 28 Oktober 2025

Lab Terakhir Diuji pada 28 Oktober 2025

Hak cipta 2026 Google LLC. Semua hak dilindungi undang-undang. Google dan logo Google adalah merek dagang dari Google LLC. Semua nama perusahaan dan produk lain mungkin adalah merek dagang masing-masing perusahaan yang bersangkutan.