GSP1201

Übersicht

In diesem Lab wird gezeigt, wie Sie mit Cloud Run in Google Cloud eine KI-basierte Chatanwendung erstellen und bereitstellen. Die Grundlage bilden die APIs des Large Language Model (LLM) Gemini.

Sie nutzen die APIs in einer Webanwendung und stellen sie in Cloud Run bereit. Dabei verwenden Sie Cloud Build und ein Artefakt-Repository, um das Container-Image des Anwendungs-Builds zu speichern. Die Anwendung kann als Ausgangspunkt für Weboberflächen mit den Gemini-APIs verwendet werden.

In diesem Lab erstellen Sie eine Webanwendung, die in Cloud Run ausgeführt wird und APIs des Large Language Model (LLM) Gemini nutzt. Diese werden über eine einfache, im Lab bereitgestellte Weboberfläche zur Verfügung gestellt.

Sie lernen, wie Sie eine Webanwendung entwickeln, die Large Language Models wie Gemini nutzt, um konversationsbasierte Interaktionen mit Endnutzern zu ermöglichen, z. B. Nutzerfragen beantworten und informative Antworten per Chatanwendung bereitstellen.

Lerninhalte

Aufgaben in diesem Lab:

• Docker-Image erstellen, um die Anwendung mit Cloud Build auszuführen
• Cloud Run-Dienst bereitstellen, der die Anwendung ausführt
• Python-Code prüfen, um zu verstehen, wie die Anwendung das Modell gemini-2.0-flash über eine Chatsitzung nutzt

Einrichtung und Anforderungen

Vor dem Klick auf „Start Lab“ (Lab starten)

Lesen Sie diese Anleitung. Labs sind zeitlich begrenzt und können nicht pausiert werden. Der Timer beginnt zu laufen, wenn Sie auf Lab starten klicken, und zeigt Ihnen, wie lange Google Cloud-Ressourcen für das Lab verfügbar sind.

In diesem praxisorientierten Lab können Sie die Lab-Aktivitäten in einer echten Cloud-Umgebung durchführen – nicht in einer Simulations- oder Demo-Umgebung. Dazu erhalten Sie neue, temporäre Anmeldedaten, mit denen Sie für die Dauer des Labs auf Google Cloud zugreifen können.

Für dieses Lab benötigen Sie Folgendes:

• Einen Standardbrowser (empfohlen wird Chrome)

Hinweis: Nutzen Sie den privaten oder Inkognitomodus (empfohlen), um dieses Lab durchzuführen. So wird verhindert, dass es zu Konflikten zwischen Ihrem persönlichen Konto und dem Teilnehmerkonto kommt und zusätzliche Gebühren für Ihr persönliches Konto erhoben werden.

• Zeit für die Durchführung des Labs – denken Sie daran, dass Sie ein begonnenes Lab nicht unterbrechen können.

Hinweis: Verwenden Sie für dieses Lab nur das Teilnehmerkonto. Wenn Sie ein anderes Google Cloud-Konto verwenden, fallen dafür möglicherweise Kosten an.

Lab starten und bei der Google Cloud Console anmelden

1. Klicken Sie auf Lab starten. Wenn Sie für das Lab bezahlen müssen, wird ein Dialogfeld geöffnet, in dem Sie Ihre Zahlungsmethode auswählen können. Auf der linken Seite befindet sich der Bereich „Details zum Lab“ mit diesen Informationen:

   • Schaltfläche „Google Cloud Console öffnen“
   • Restzeit
   • Temporäre Anmeldedaten für das Lab
   • Ggf. weitere Informationen für dieses Lab

2. Klicken Sie auf Google Cloud Console öffnen (oder klicken Sie mit der rechten Maustaste und wählen Sie Link in Inkognitofenster öffnen aus, wenn Sie Chrome verwenden).

   Im Lab werden Ressourcen aktiviert. Anschließend wird ein weiterer Tab mit der Seite „Anmelden“ geöffnet.

   Tipp: Ordnen Sie die Tabs nebeneinander in separaten Fenstern an.

   Hinweis: Wird das Dialogfeld Konto auswählen angezeigt, klicken Sie auf Anderes Konto verwenden.

3. Kopieren Sie bei Bedarf den folgenden Nutzernamen und fügen Sie ihn in das Dialogfeld Anmelden ein.

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

   Sie finden den Nutzernamen auch im Bereich „Details zum Lab“.

4. Klicken Sie auf Weiter.

5. Kopieren Sie das folgende Passwort und fügen Sie es in das Dialogfeld Willkommen ein.

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

   Sie finden das Passwort auch im Bereich „Details zum Lab“.

6. Klicken Sie auf Weiter.

   Wichtig: Sie müssen die für das Lab bereitgestellten Anmeldedaten verwenden. Nutzen Sie nicht die Anmeldedaten Ihres Google Cloud-Kontos. Hinweis: Wenn Sie Ihr eigenes Google Cloud-Konto für dieses Lab nutzen, können zusätzliche Kosten anfallen.

7. Klicken Sie sich durch die nachfolgenden Seiten:

   • Akzeptieren Sie die Nutzungsbedingungen.
   • Fügen Sie keine Wiederherstellungsoptionen oder Zwei-Faktor-Authentifizierung hinzu (da dies nur ein temporäres Konto ist).
   • Melden Sie sich nicht für kostenlose Testversionen an.

Nach wenigen Augenblicken wird die Google Cloud Console in diesem Tab geöffnet.

Hinweis: Wenn Sie auf Google Cloud-Produkte und ‑Dienste zugreifen möchten, klicken Sie auf das Navigationsmenü oder geben Sie den Namen des Produkts oder Dienstes in das Feld Suchen ein.

Cloud Shell aktivieren

Cloud Shell ist eine virtuelle Maschine, auf der Entwicklertools installiert sind. Sie bietet ein Basisverzeichnis mit 5 GB nichtflüchtigem Speicher und läuft auf Google Cloud. Mit Cloud Shell erhalten Sie Befehlszeilenzugriff auf Ihre Google Cloud-Ressourcen.

1. Klicken Sie oben in der Google Cloud Console auf Cloud Shell aktivieren .

2. Klicken Sie sich durch die folgenden Fenster:

   • Fahren Sie mit dem Informationsfenster zu Cloud Shell fort.
   • Autorisieren Sie Cloud Shell, Ihre Anmeldedaten für Google Cloud API-Aufrufe zu verwenden.

Wenn eine Verbindung besteht, sind Sie bereits authentifiziert und das Projekt ist auf Project_ID, eingestellt. Die Ausgabe enthält eine Zeile, in der die Project_ID für diese Sitzung angegeben ist:

Ihr Cloud-Projekt in dieser Sitzung ist festgelegt als {{{project_0.project_id | "PROJECT_ID"}}}

gcloud ist das Befehlszeilentool für Google Cloud. Das Tool ist in Cloud Shell vorinstalliert und unterstützt die Tab-Vervollständigung.

3. (Optional) Sie können den aktiven Kontonamen mit diesem Befehl auflisten:

gcloud auth list

4. Klicken Sie auf Autorisieren.

Ausgabe:

ACTIVE: * ACCOUNT: {{{user_0.username | "ACCOUNT"}}} Um das aktive Konto festzulegen, führen Sie diesen Befehl aus: $ gcloud config set account `ACCOUNT`

5. (Optional) Sie können die Projekt-ID mit diesem Befehl auflisten:

gcloud config list project

Ausgabe:

[core] project = {{{project_0.project_id | "PROJECT_ID"}}} Hinweis: Die vollständige Dokumentation für gcloud finden Sie in Google Cloud in der Übersicht zur gcloud CLI.

Aufgabe 1: Umgebung einrichten

Sie laden die Quelle aus einem Cloud Storage-Bucket herunter, um die Cloud Run-Anwendung bereitzustellen.

1. Geben Sie dafür in Cloud Shell den folgenden Befehl ein:

gsutil cp -R gs://spls/gsp1201/chat-flask-cloudrun .

2. Rufen Sie als Nächstes den Projektordner auf.

cd chat-flask-cloudrun

3. Legen Sie die Umgebungsvariablen für die Region und das Projekt fest, die in späteren Befehlen verwendet werden.

export PROJECT_ID={{{ project_0.project_id | "Filled in at lab startup." }}} export REGION={{{ project_0.startup_script.region | "Filled in at lab startup." }}}

Aufgabe 2: Docker-Image erstellen

Als Nächstes erstellen Sie ein Docker-Image für die Anwendung und übertragen es per Push an Artifact Registry. Nachdem das Container-Image erstellt und gespeichert wurde, können Sie darauf verweisen, um die Anwendung in Cloud Run bereitzustellen.

1. Legen Sie Umgebungsvariablen für die Verwendung in späteren Befehlen fest:

export AR_REPO='chat-app-repo' export SERVICE_NAME='chat-flask-app'

2. Führen Sie den folgenden Befehl aus, um das Artefakt-Repository zu erstellen:

gcloud artifacts repositories create "$AR_REPO" --location="$REGION" --repository-format=Docker

3. Konfigurieren Sie die Docker-Authentifizierung und senden Sie den Job zum Erstellen des Container-Images an Cloud Build:

gcloud builds submit --tag "$REGION-docker.pkg.dev/$PROJECT_ID/$AR_REPO/$SERVICE_NAME"

4. Rufen Sie die Artifact Registry-Seite auf, um zu überprüfen, ob das Image an Artifact Registry übertragen wurde.
   • Geben Sie in der Titelleiste der Google Cloud Console Artifact Registry in das Suchfeld ein und klicken Sie in den Suchergebnissen auf Artifact Registry.
   • Überprüfen Sie, ob chat-app-repo verfügbar ist.

Hinweis: Wenn Sie unten den Fortschritt prüfen und feststellen, dass Sie Docker authentifizieren müssen, führen Sie in Cloud Shell den folgenden Befehl aus:

gcloud auth configure-docker us-central1-docker.pkg.dev

Klicken Sie auf Fortschritt prüfen. Docker-Image erstellen

Aufgabe 3: Anwendung in Cloud Run bereitstellen

Die Anwendung wurde heruntergeladen und über Cloud Build erstellt. Jetzt können Sie sie in Cloud Run bereitstellen und testen.

1. Führen Sie in Cloud Shell den folgenden Befehl aus:

gcloud run deploy "$SERVICE_NAME" --port=8080 --image="$REGION-docker.pkg.dev/$PROJECT_ID/$AR_REPO/$SERVICE_NAME:latest" --allow-unauthenticated --region=$REGION --platform=managed --project=$PROJECT_ID --set-env-vars=GCP_PROJECT=$PROJECT_ID,GCP_REGION=$REGION Hinweis: Dieser Schritt dauert einige Minuten.

2. Klicken Sie zum Starten der Anwendung auf die Dienst-URL, die in der Ausgabe des letzten Befehls enthalten ist. Die Ausgabe sieht ungefähr so aus:

Deploying container to Cloud Run service [chat-flask-app] in project [qwiklabs-gcp-03-fda25c1691e3] region [us-central1] OK Deploying new service... Done. OK Creating Revision... OK Routing traffic... OK Setting IAM Policy... Done. Service [chat-flask-app] revision [chat-flask-app-00001-x9r] has been deployed and is serving 100 percent of traffic. Service URL: https://chat-flask-app-308034796843.us-central1.run.app

3. Geben Sie die folgende Abfrage in das Eingabefeld ein und klicken Sie auf Senden:

What is Google Cloud Platform?

Die von der gemini-2.0-flash API generierte Antwort wird im Ausgabefeld unter dem Prompt angezeigt.

Klicken Sie auf Fortschritt prüfen. Anwendung in Cloud Run bereitstellen

Aufgabe 4: Python-Code untersuchen

Sie sehen sich kurz den Code an, der von der Anwendung verwendet wird, um mehr darüber zu erfahren, wie diese die Gemini Chat Bison API nutzt.

1. Klicken Sie in Cloud Shell auf Editor öffnen, um den Cloud Shell-Editor zu öffnen, in dem Sie sich den Code ansehen können.

2. Maximieren Sie im Bereich Erkunden den Ordner chat-flask-cloudrun und wählen Sie app.py aus, um den Code zu untersuchen.

3. Achten Sie auf die folgenden Python-Methoden:

• create_session: Diese Methode erstellt eine neue Session mit Vertex AI unter Verwendung des Modells chat_model = GenerativeModel("gemini-2.0-flash"). Sie wird von der Route /gemini verwendet, mit der Sie eine neue Chatsitzung starten können.

def create_session(): chat_model = GenerativeModel("gemini-2.0-flash") chat = chat_model.start_chat() return chat

• response: Diese Methode ruft eine Antwort ab.

def response(chat, message): result = chat.send_message(message) return result.text

• index und gemini_chat: Die Methoden index und gemini_chat definieren Routen für die API der Anwendung. Die Methode index lädt die Seite index.html, wenn ein Nutzer die Anwendung öffnet. Die Methode gemini_chat sendet den Prompt des Nutzers, der auf der Seite index.html erfasst wurde, an die API und gibt die Ergebnisse im JSON-Format zurück.

@app.route('/') def index(): ### return render_template('index.html') @app.route('/gemini', methods=['GET', 'POST']) def gemini_chat(): user_input = "" if request.method == 'GET': user_input = request.args.get('user_input') else: user_input = request.form['user_input'] logger.log(f"Starting chat session...") chat_model = create_session() logger.log(f"Chat Session created") content = response(chat_model,user_input) return jsonify(content=content)

Die Datei index.html enthält Inline-JavaScript, um die Ergebnisse der Formulareinreichung zu lesen, wenn ein Nutzer auf Senden klickt, und aktualisiert die Benutzeroberfläche mit der Antwort des Gemini API-Aufrufs.

Das wars!

Sie haben das Lab erfolgreich abgeschlossen. Darin haben Sie gelernt, wie Sie eine einfache Webanwendung mit Cloud Build und Artifact Registry erstellen und bereitstellen. Die Anwendung wird in Cloud Run bereitgestellt und nutzt Gemini, um auf Anfragen von Endnutzern zu antworten. So entsteht eine chatbasierte Anwendung, mit der Endnutzer in einer Webbenutzeroberfläche Fragen stellen und Antworten erhalten können.

Weitere Informationen

• Dokumentation: Generative KI in Vertex AI
• YouTube-Kanal: Google Cloud Tech

Google Cloud-Schulungen und -Zertifizierungen

In unseren Schulungen erfahren Sie alles zum optimalen Einsatz unserer Google Cloud-Technologien und können sich entsprechend zertifizieren lassen. Unsere Kurse vermitteln technische Fähigkeiten und Best Practices, damit Sie möglichst schnell mit Google Cloud loslegen und Ihr Wissen fortlaufend erweitern können. Wir bieten On-Demand-, Präsenz- und virtuelle Schulungen für Anfänger wie Fortgeschrittene an, die Sie individuell in Ihrem eigenen Zeitplan absolvieren können. Mit unseren Zertifizierungen weisen Sie nach, dass Sie Experte im Bereich Google Cloud-Technologien sind.

Anleitung zuletzt am 31. März 2025 aktualisiert

Lab zuletzt am 13. März 2025 getestet

© 2025 Google LLC. Alle Rechte vorbehalten. Google und das Google-Logo sind Marken von Google LLC. Alle anderen Unternehmens- und Produktnamen können Marken der jeweils mit ihnen verbundenen Unternehmen sein.