GSP1201

Présentation

Cet atelier explique comment créer et déployer une application de chat optimisée par l'IA à l'aide de Cloud Run sur Google Cloud. L'application de chat s'appuie sur les API du grand modèle de langage (LLM) Gemini.

Vous allez exploiter les API dans une application Web et la déployer sur Cloud Run, en utilisant Cloud Build et le dépôt d'artefacts pour stocker l'image de conteneur de la compilation de l'application. L'application peut servir de point de départ pour les interfaces Web utilisant les API Gemini.

Dans cet atelier, vous allez créer une application Web qui s'exécute sur Cloud Run, utilise les API fournies par le grand modèle de langage (LLM) Gemini et les présente via une interface Web simple déployée dans l'atelier.

En le suivant, vous comprendrez comment créer une application Web qui peut utiliser des grands modèles de langage, comme Gemini, pour créer des interactions conversationnelles engageantes. Cette application de chat permettra également aux utilisateurs finaux de poser des questions et de recevoir des réponses utiles.

Points abordés

Dans cet atelier, vous allez effectuer les tâches suivantes :

• Créer une image Docker pour exécuter l'application à l'aide de Cloud Build
• Déployer un service Cloud Run qui exécute l'application
• Examiner le code Python pour comprendre comment l'application utilise le modèle gemini-2.0-flash dans une session de chat

Préparation

Avant de cliquer sur le bouton "Démarrer l'atelier"

Lisez ces instructions. Les ateliers sont minutés, et vous ne pouvez pas les mettre en pause. Le minuteur, qui démarre lorsque vous cliquez sur Démarrer l'atelier, indique combien de temps les ressources Google Cloud resteront accessibles.

Cet atelier pratique vous permet de suivre les activités dans un véritable environnement cloud, et non dans un environnement de simulation ou de démonstration. Des identifiants temporaires vous sont fournis pour vous permettre de vous connecter à Google Cloud le temps de l'atelier.

Pour réaliser cet atelier :

• Vous devez avoir accès à un navigateur Internet standard (nous vous recommandons d'utiliser Chrome).

Remarque : Ouvrez une fenêtre de navigateur en mode incognito (recommandé) ou de navigation privée pour effectuer cet atelier. Vous éviterez ainsi les conflits entre votre compte personnel et le compte temporaire de participant, qui pourraient entraîner des frais supplémentaires facturés sur votre compte personnel.

• Vous disposez d'un temps limité. N'oubliez pas qu'une fois l'atelier commencé, vous ne pouvez pas le mettre en pause.

Remarque : Utilisez uniquement le compte de participant pour cet atelier. Si vous utilisez un autre compte Google Cloud, des frais peuvent être facturés à ce compte.

Démarrer l'atelier et se connecter à la console Google Cloud

1. Cliquez sur le bouton Démarrer l'atelier. Si l'atelier est payant, une boîte de dialogue s'affiche pour vous permettre de sélectionner un mode de paiement. Sur la gauche, vous trouverez le panneau "Détails concernant l'atelier", qui contient les éléments suivants :

   • Le bouton "Ouvrir la console Google Cloud"
   • Le temps restant
   • Les identifiants temporaires que vous devez utiliser pour cet atelier
   • Des informations complémentaires vous permettant d'effectuer l'atelier

2. Cliquez sur Ouvrir la console Google Cloud (ou effectuez un clic droit et sélectionnez Ouvrir le lien dans la fenêtre de navigation privée si vous utilisez le navigateur Chrome).

   L'atelier lance les ressources, puis ouvre la page "Se connecter" dans un nouvel onglet.

   Conseil : Réorganisez les onglets dans des fenêtres distinctes, placées côte à côte.

   Remarque : Si la boîte de dialogue Sélectionner un compte s'affiche, cliquez sur Utiliser un autre compte.

3. Si nécessaire, copiez le nom d'utilisateur ci-dessous et collez-le dans la boîte de dialogue Se connecter.

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

   Vous trouverez également le nom d'utilisateur dans le panneau "Détails concernant l'atelier".

4. Cliquez sur Suivant.

5. Copiez le mot de passe ci-dessous et collez-le dans la boîte de dialogue Bienvenue.

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

   Vous trouverez également le mot de passe dans le panneau "Détails concernant l'atelier".

6. Cliquez sur Suivant.

   Important : Vous devez utiliser les identifiants fournis pour l'atelier. Ne saisissez pas ceux de votre compte Google Cloud. Remarque : Si vous utilisez votre propre compte Google Cloud pour cet atelier, des frais supplémentaires peuvent vous être facturés.

7. Accédez aux pages suivantes :

   • Acceptez les conditions d'utilisation.
   • N'ajoutez pas d'options de récupération ni d'authentification à deux facteurs (ce compte est temporaire).
   • Ne vous inscrivez pas à des essais sans frais.

Après quelques instants, la console Cloud s'ouvre dans cet onglet.

Remarque : Pour accéder aux produits et services Google Cloud, cliquez sur le menu de navigation ou saisissez le nom du service ou du produit dans le champ Recherche.

Activer Cloud Shell

Cloud Shell est une machine virtuelle qui contient de nombreux outils pour les développeurs. Elle comprend un répertoire d'accueil persistant de 5 Go et s'exécute sur Google Cloud. Cloud Shell vous permet d'accéder via une ligne de commande à vos ressources Google Cloud.

1. Cliquez sur Activer Cloud Shell  en haut de la console Google Cloud.

2. Passez les fenêtres suivantes :

   • Accédez à la fenêtre d'informations de Cloud Shell.
   • Autorisez Cloud Shell à utiliser vos identifiants pour effectuer des appels d'API Google Cloud.

Une fois connecté, vous êtes en principe authentifié et le projet est défini sur votre ID_PROJET : . Le résultat contient une ligne qui déclare l'ID_PROJET pour cette session :

Your Cloud Platform project in this session is set to {{{project_0.project_id | "PROJECT_ID"}}}

gcloud est l'outil de ligne de commande pour Google Cloud. Il est préinstallé sur Cloud Shell et permet la complétion par tabulation.

3. (Facultatif) Vous pouvez lister les noms des comptes actifs à l'aide de cette commande :

gcloud auth list

4. Cliquez sur Autoriser.

Résultat :

ACTIVE: * ACCOUNT: {{{user_0.username | "ACCOUNT"}}} To set the active account, run: $ gcloud config set account `ACCOUNT`

5. (Facultatif) Vous pouvez lister les ID de projet à l'aide de cette commande :

gcloud config list project

Résultat :

[core] project = {{{project_0.project_id | "PROJECT_ID"}}} Remarque : Pour consulter la documentation complète sur gcloud, dans Google Cloud, accédez au guide de présentation de la gcloud CLI.

Tâche 1 : Configuration de l'environnement

Pour déployer l'application Cloud Run, vous allez télécharger la source à partir d'un bucket Cloud Storage.

1. Dans Cloud Shell, saisissez la commande suivante :

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

2. Accédez ensuite au dossier du projet :

cd chat-flask-cloudrun

3. Définissez les variables d'environnement de la région et du projet à utiliser dans les prochaines commandes :

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

Tâche 2 : Créer une image Docker

Vous allez ensuite créer une image Docker pour l'application et la transférer vers Artifact Registry. Une fois l'image de conteneur créée et stockée, vous allez la référencer pour déployer l'application sur Cloud Run.

1. Définissez les variables d'environnement à utiliser dans les prochaines commandes :

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

2. Exécutez la commande suivante pour créer le dépôt d'artefacts :

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

3. Configurez l'authentification Docker et envoyez le job de compilation d'image de conteneur à Cloud Build :

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

4. Pour vérifier que l'image a bien été transférée vers Artifact Registry, accédez à la page "Artifact Registry".
   • Dans la barre de titre de la console Google Cloud, saisissez Artifact Registry dans le champ Rechercher, puis cliquez sur Artifact Registry dans les résultats de recherche.
   • Vérifiez que le dépôt chat-app-repo est disponible.

Remarque : Si vous exécutez la vérification ci-dessous et que vous devez authentifier Docker, essayez d'exécuter la commande suivante dans Cloud Shell :

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

Cliquez sur Vérifier ma progression pour valider l'objectif. Créer une image Docker

Tâche 3 : Déployer l'application dans Cloud Run

L'application a été téléchargée et compilée dans Cloud Build. Vous allez maintenant la déployer et la tester sur Cloud Run.

1. Dans Cloud Shell, exécutez la commande suivante :

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 Remarque : Cette étape prend quelques minutes.

2. Pour lancer l'application, cliquez sur l'URL de service fournie dans le résultat de la dernière commande. La sortie ressemble à ceci :

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. Saisissez la requête suivante dans la zone de texte, puis cliquez sur Envoyer :

What is Google Cloud Platform?

Une réponse générée par l'API gemini-2.0-flash s'affiche dans la zone de texte de sortie située sous le champ de saisie de la requête.

Cliquez sur Vérifier ma progression pour valider l'objectif. Déployer l'application dans Cloud Run

Tâche 4 : Examiner le code Python

Pour mieux comprendre comment l'application utilise l'API Gemini Chat Bison, vous allez examiner brièvement le code utilisé par l'application.

1. Dans Cloud Shell, cliquez sur Ouvrir l'éditeur pour ouvrir l'éditeur Cloud Shell et parcourir le code.

2. Dans le volet Explorer, développez le dossier chat-flask-cloudrun et sélectionnez app.py pour commencer à examiner le code.

3. Notez les méthodes Python suivantes :

• create_session : cette méthode crée une session avec Vertex AI à l'aide du modèle chat_model = GenerativeModel("gemini-2.0-flash"). Il est utilisé par la route /gemini, que vous allez observer plus en détail pour établir une nouvelle session de chat.

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

• response : cette méthode récupère une réponse.

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

• index et gemini_chat : les méthodes index et gemini_chat définissent les routes de l'API de l'application. La méthode index charge la page index.html lorsqu'un utilisateur lance l'application. La méthode gemini_chat envoie la requête de l'utilisateur collectée sur la page index.html à l'API et renvoie les résultats au format JSON.

@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)

Le fichier index.html inclut du code JavaScript intégré pour lire les résultats de l'envoi du formulaire lorsque l'utilisateur clique sur Envoyer et met à jour l'UI avec la réponse de l'appel de l'API Gemini.

Félicitations !

Vous avez terminé l'atelier. Vous y avez appris à créer et à déployer une application Web simple à l'aide de Cloud Build et d'Artifact Registry. L'application est déployée sur Cloud Run et utilise Gemini pour répondre aux requêtes des utilisateurs finaux afin de créer une application basée sur le chat qui leur permet de poser des questions et de recevoir des réponses dans une interface utilisateur Web.

Étapes suivantes

• Consultez la documentation sur l'IA générative sur Vertex AI.
• Découvrez l'IA générative sur la chaîne YouTube Google Cloud Tech.

Formations et certifications Google Cloud

Les formations et certifications Google Cloud vous aident à tirer pleinement parti des technologies Google Cloud. Nos cours portent sur les compétences techniques et les bonnes pratiques à suivre pour être rapidement opérationnel et poursuivre votre apprentissage. Nous proposons des formations pour tous les niveaux, à la demande, en salle et à distance, pour nous adapter aux emplois du temps de chacun. Les certifications vous permettent de valider et de démontrer vos compétences et votre expérience en matière de technologies Google Cloud.

Dernière mise à jour du manuel : 31 mars 2025

Dernier test de l'atelier : 13 mars 2025

Copyright 2025 Google LLC. Tous droits réservés. Google et le logo Google sont des marques de Google LLC. Tous les autres noms d'entreprises et de produits peuvent être des marques des entreprises auxquelles ils sont associés.