GSP1293

Visão geral

Neste laboratório, apresentamos os recursos de execução de código do modelo Gemini 2.0 Flash, um novo modelo de IA generativa multimodal do Google DeepMind. Esse novo modelo oferece melhorias na velocidade, qualidade e recursos de raciocínio avançado, incluindo compreensão, programação e acompanhamento de instruções.

Um recurso importante desse modelo é a execução de código, que permite gerar e executar códigos em Python diretamente na API. Para que a API faça isso e retorne os resultados, use a execução de código como demonstrado neste laboratório.

Com esse recurso, o modelo gera código, executa e observa os resultados, corrige o código se necessário e aprende de forma iterativa até gerar uma resposta final. Isso é útil principalmente para aplicativos que envolvem raciocínio com base em código, como resolver equações matemáticas ou processar texto.

Gemini

Gemini é uma família de modelos avançados de IA generativa desenvolvido pelo Google DeepMind. Ele é capaz de entender e gerar várias formas de conteúdo, como texto, código, imagens, áudio e vídeo.

API Gemini na Vertex AI

A API Gemini na Vertex AI oferece uma interface unificada de interação com os modelos do Gemini. Com isso, desenvolvedores podem integrar esses recursos avançados de IA aos aplicativos com facilidade. Para conferir os detalhes mais recentes e recursos específicos dos últimos lançamentos, consulte a documentação oficial do Gemini.

Modelos do Gemini

• O Gemini Pro foi projetado para tarefas de raciocínio complexo, incluindo:
  • Análise e resumo de grandes quantidades de informações.
  • Raciocínio multimodal avançado (em texto, código, imagens etc.).
  • Solução eficaz de problemas em bases de código complexas.
• O Gemini Flash conta com velocidade e eficiência otimizadas, oferecendo:
  • Tempos de resposta com menos de um segundo e alta capacidade de processamento.
  • Alta qualidade com custos reduzidos para diversas tarefas.
  • Recursos multimodais avançados, incluindo melhor compreensão espacial, novas modalidades de saída (texto, áudio, imagens) e o uso de ferramentas nativas (Pesquisa Google, execução de código e funções de terceiros).

Pré-requisitos

Antes de fazer este laboratório, você precisa saber os seguintes conceitos:

• Noção básica de programação em Python.
• Conceitos gerais sobre APIs.
• Executar códigos Python em um notebook do Jupyter no Vertex AI Workbench.

Objetivos

Neste laboratório, você vai aprender a gerar e executar códigos usando a API Gemini na Vertex AI e o SDK do Google Gen AI para Python com o modelo Gemini 2.0 Flash.

Tarefas do laboratório:

• gerar e executar um exemplo de código em Python com comandos de texto;
• analisar dados usando a execução de código em chats multiturnos;
• usar a execução de código em sessões de streaming.

Configuração e requisitos

Antes de clicar no botão Começar o Laboratório

Leia estas instruções. Os laboratórios são cronometrados e não podem ser pausados. O timer é ativado quando você clica em Iniciar laboratório e mostra por quanto tempo os recursos do Google Cloud vão ficar disponíveis.

Este laboratório prático permite que você realize as atividades em um ambiente real de nuvem, e não em uma simulação ou demonstração. Você vai receber novas credenciais temporárias para fazer login e acessar o Google Cloud durante o laboratório.

Confira os requisitos para concluir o laboratório:

• Acesso a um navegador de Internet padrão (recomendamos o Chrome).

Observação: para executar este laboratório, use o modo de navegação anônima (recomendado) ou uma janela anônima do navegador. Isso evita conflitos entre sua conta pessoal e de estudante, o que poderia causar cobranças extras na sua conta pessoal.

• Tempo para concluir o laboratório: não se esqueça que, depois de começar, não será possível pausar o laboratório.

Observação: use apenas a conta de estudante neste laboratório. Se usar outra conta do Google Cloud, você poderá receber cobranças nela.

Como iniciar seu laboratório e fazer login no console do Google Cloud

1. Clique no botão Começar o laboratório. Se for preciso pagar por ele, uma caixa de diálogo vai aparecer para você selecionar a forma de pagamento. No painel Detalhes do Laboratório, à esquerda, você vai encontrar o seguinte:

   • O botão Abrir Console do Google Cloud
   • O tempo restante
   • As credenciais temporárias que você vai usar neste laboratório
   • Outras informações, se forem necessárias

2. Se você estiver usando o navegador Chrome, clique em Abrir console do Google Cloud ou clique com o botão direito do mouse e selecione Abrir link em uma janela anônima.

   O laboratório ativa os recursos e depois abre a página Fazer Login em outra guia.

   Dica: coloque as guias em janelas separadas lado a lado.

   Observação: se aparecer a caixa de diálogo Escolher uma conta, clique em Usar outra conta.

3. Se necessário, copie o Nome de usuário abaixo e cole na caixa de diálogo Fazer login.

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

   Você também encontra o nome de usuário no painel Detalhes do Laboratório.

4. Clique em Próxima.

5. Copie a Senha abaixo e cole na caixa de diálogo de Olá.

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

   Você também encontra a senha no painel Detalhes do Laboratório.

6. Clique em Próxima.

   Importante: você precisa usar as credenciais fornecidas no laboratório, e não as da sua conta do Google Cloud. Observação: se você usar sua própria conta do Google Cloud neste laboratório, é possível que receba cobranças adicionais.

7. Acesse as próximas páginas:

   • Aceite os Termos e Condições.
   • Não adicione opções de recuperação nem autenticação de dois fatores (porque essa é uma conta temporária).
   • Não se inscreva em testes gratuitos.

Depois de alguns instantes, o console do Google Cloud será aberto nesta guia.

Observação: para acessar os produtos e serviços do Google Cloud, clique no Menu de navegação ou digite o nome do serviço ou produto no campo Pesquisar.

Tarefa 1: abrir o notebook no Vertex AI Workbench

1. No menu de navegação () do console do Google Cloud, clique em Vertex AI > Workbench.

2. Ache a instância e clique no botão Abrir o JupyterLab.

A interface do JupyterLab para sua instância do Workbench é aberta em uma nova guia do navegador.

Tarefa 2: configurar o notebook

1. Abra o arquivo .

2. Na caixa de diálogo Selecionar Kernel, escolha Python 3 na lista de kernels disponíveis.

3. Execute as seções Vamos começar e Importar bibliotecas do notebook.

   • Para ID do projeto, use , e em Local, use .

Observação: é possível pular as células do notebook que tenham a indicação Somente Colab. Se você receber uma resposta 429 de uma das execuções de células do notebook, aguarde 1 minuto antes de executar a célula novamente para prosseguir.

Clique em Verificar meu progresso para conferir o objetivo. Configurar o notebook.

Tarefa 3: trabalhar com a execução de código no Gemini 2.0

Nesta seção, você vai usar a API Gemini para gerar e executar código em Python.

Carregar o modelo do Gemini

O seguinte código do notebook carrega o modelo Gemini 2.0 Flash. Para conhecer todos os modelos do Gemini na Vertex AI, leia a documentação.

1. Execute a seção Carregar o modelo Gemini do notebook.

Definir a ferramenta de execução de código

O seguinte código do notebook inicializa a ferramenta de execução de código ao transmitir code_execution em uma definição de Tool. Mais para frente, você vai registrar essa ferramenta no modelo para que ele possa usá-la para gerar e executar código em Python.

1. Execute a seção Definir a ferramenta de execução de código do notebook.

Gerar e executar código

O seguinte código do notebook envia um comando ao modelo do Gemini para gerar e executar o código em Python calculando a soma dos 50 primeiros números primos. A ferramenta de execução de código é transmitida para que o modelo possa gerar e executar o código.

1. Execute a seção Gerar e executar código do notebook.

Exibir o código gerado

O seguinte código do notebook itera a resposta e exibe códigos em Python gerados verificando part.executable_code nas partes da resposta.

1. Execute a seção Exibir o código gerado do notebook.

Exibir os resultados da execução do código

O seguinte código do notebook itera a resposta e exibe o resultado da execução verificando part.code_execution_result nas partes da resposta.

1. Execute a seção Exibir os resultados da execução do código do notebook.

Clique em Verificar meu progresso para conferir o objetivo. Trabalhar com a execução de código no Gemini 2.0.

Tarefa 4: execução de código em uma sessão de chat

Nesta seção, mostramos como usar a execução de código em um chat interativo com histórico usando a API Gemini. É possível criar uma sessão de chat para que o modelo gere e execute código em Python. Para começar, peça ao modelo para gerar exemplos de dados de séries temporais com ruído e gerar uma amostra de 10 pontos de dados.

Feito isso, itere a resposta para exibir o código gerado e os resultados da execução. Em seguida, peça ao modelo para adicionar uma série de dados nivelados aos dados de série temporal e mostrar os resultados e, por fim, peça ao modelo para gerar estatísticas descritivas dos dados de série temporal e exibir os resultados.

1. Execute a seção Execução de código em uma sessão de chat do notebook.

Clique em Verificar meu progresso para conferir o objetivo. Execução de código em uma sessão de chat.

Tarefa 5: execução de código em uma sessão de streaming

Também é possível usar a funcionalidade de execução de código com a saída de streaming da API Gemini. O código a seguir demonstra como a API Gemini pode gerar e executar código enquanto transmite os resultados.

1. Execute a seção Execução de código em uma sessão de streaming do notebook.

Clique em Verificar meu progresso para conferir o objetivo. Execução de código em uma sessão de streaming.

Parabéns!

Parabéns! Você aprendeu a gerar e executar códigos em Python com o Gemini 2.0, incluindo como transmitir a saída. Com esse recurso, é possível criar aplicativos mais dinâmicos e interativos. Agora você pode usar essas habilidades para criar soluções inovadoras e simplificar seus fluxos de trabalho. Continue aprendendo sobre as possibilidades do Gemini 2.0 e como ele pode aprimorar seus projetos.

Próximas etapas / Saiba mais

Confira os recursos a seguir para saber mais sobre o Gemini:

• Visão geral do Gemini
• IA generativa na documentação da Vertex AI
• IA generativa no YouTube
• Confira o manual da Vertex AI para acessar uma galeria selecionada e pesquisável de notebooks da IA generativa.
• Conheça outros notebooks e exemplos no Repositório da IA generativa do Google Cloud (em inglês).

Treinamento e certificação do Google Cloud

Esses treinamentos ajudam você a aproveitar as tecnologias do Google Cloud ao máximo. Nossas aulas incluem habilidades técnicas e práticas recomendadas para ajudar você a alcançar rapidamente o nível esperado e continuar sua jornada de aprendizado. Oferecemos treinamentos que vão do nível básico ao avançado, com opções de aulas virtuais, sob demanda e por meio de transmissões ao vivo para que você possa encaixá-las na correria do seu dia a dia. As certificações validam sua experiência e comprovam suas habilidades com as tecnologias do Google Cloud.

Manual atualizado em 11 de fevereiro de 2025

Laboratório testado em 11 de fevereiro de 2025

Copyright 2025 Google LLC. Todos os direitos reservados. Google e o logotipo do Google são marcas registradas da Google LLC. Todos os outros nomes de produtos e empresas podem ser marcas registradas das respectivas empresas a que estão associados.