GSP1201

Visão geral

Este laboratório mostra como criar e implantar um aplicativo de chat com tecnologia de IA usando o Cloud Run no Google Cloud. O aplicativo de chat conta com as tecnologias das APIs do modelo de linguagem grande (LLM) do Gemini.

Você usa as APIs em um aplicativo da Web e o implanta no Cloud Run usando o Cloud Build e o Artifact Registry para armazenar a imagem do contêiner do modelo de criação do aplicativo. O aplicativo pode ser usado como ponto de partida para interfaces da Web que usam as APIs Gemini.

Neste laboratório, você vai criar um aplicativo da Web que é executado no Cloud Run e usa APIs fornecidas pelo modelo de linguagem grande (LLM) Gemini, exibindo-as em uma interface da Web simples implantada no laboratório.

Você aprenderá como desenvolver um aplicativo da Web que usa modelos de linguagem grandes, como o Gemini, para criar interações de engajamento baseadas em conversas com usuários finais que podem fazer perguntas e receber respostas úteis pelo aplicativo de chat.

O que você vai aprender

Veja abaixo as atividades que você vai fazer neste laboratório:

• Criar uma imagem Docker para executar o aplicativo usando o Cloud Build.
• Implantar um serviço do Cloud Run que execute o aplicativo.
• Analisar o código Python para entender como o aplicativo usa o modelo gemini-2.0-flash em uma sessão de chat.

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.

Ativar o Cloud Shell

O Cloud Shell é uma máquina virtual com várias ferramentas de desenvolvimento. Ele tem um diretório principal permanente de 5 GB e é executado no Google Cloud. O Cloud Shell oferece acesso de linha de comando aos recursos do Google Cloud.

1. Clique em Ativar o Cloud Shell na parte de cima do console do Google Cloud.

2. Clique nas seguintes janelas:

   • Continue na janela de informações do Cloud Shell.
   • Autorize o Cloud Shell a usar suas credenciais para fazer chamadas de APIs do Google Cloud.

Depois de se conectar, você verá que sua conta já está autenticada e que o projeto está configurado com seu Project_ID, . A saída contém uma linha que declara o projeto PROJECT_ID para esta sessão:

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

A gcloud é a ferramenta de linha de comando do Google Cloud. Ela vem pré-instalada no Cloud Shell e aceita preenchimento com tabulação.

3. (Opcional) É possível listar o nome da conta ativa usando este comando:

gcloud auth list

4. Clique em Autorizar.

Saída:

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

5. (Opcional) É possível listar o ID do projeto usando este comando:

gcloud config list project

Saída:

[core] project = {{{project_0.project_id | "PROJECT_ID"}}} Observação: consulte a documentação completa da gcloud no Google Cloud no guia de visão geral da gcloud CLI.

Tarefa 1: configuração do ambiente

Para implantar o aplicativo do Cloud Run, faça o download do código-fonte de um bucket do Cloud Storage.

1. No Cloud Shell, digite este comando.

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

2. Em seguida, acesse a pasta do projeto.

cd chat-flask-cloudrun

3. Defina as variáveis de ambiente da região e do projeto a serem usadas em comandos posteriores.

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

Tarefa 2: criar uma imagem Docker

Em seguida, crie uma imagem Docker para o aplicativo e envie-a para o Artifact Registry. Depois de criar e armazenar a imagem do contêiner, faça a referência para implantar o aplicativo no Cloud Run.

1. Defina as variáveis de ambiente a serem usadas em comandos posteriores:

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

2. Execute o comando a seguir para criar o Artifact Repository:

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

3. Configure a autenticação do Docker e envie o job de criação da imagem do contêiner para o Cloud Build:

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

4. Para verificar se a imagem foi enviada para o Artifact Registry, acesse a página do Artifact Registry.
   • Na barra de título do console do Google Cloud, digite Artifact Registry no campo Pesquisar e clique em Artifact Registry nos resultados da pesquisa.
   • Confirme se o chat-app-repo está disponível.

Observação: se você executar a verificação abaixo e precisar autenticar o Docker, tente executar o comando a seguir no Cloud Shell:

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

Clique em Verificar meu progresso para conferir o objetivo. Criar uma imagem Docker

Tarefa 3: implantar o aplicativo no Cloud Run.

O aplicativo foi baixado e criado pelo Cloud Build. Agora você vai implantar e testar o aplicativo no Cloud Run.

1. No Cloud Shell, execute este comando:

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 Observação: essa etapa leva alguns minutos para ser concluída.

2. Para iniciar o aplicativo, clique no URL do serviço fornecido na resposta do último comando. A resposta será semelhante a esta:

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. Digite a consulta a seguir na caixa de texto de entrada e clique em Enviar:

What is Google Cloud Platform?

Você receberá uma resposta gerada pela API gemini-2.0-flash na caixa de texto de resposta abaixo da entrada do comando.

Clique em Verificar meu progresso para conferir o objetivo. Implantar o aplicativo no Cloud Run.

Tarefa 4: analisar o código Python

Para entender melhor como o aplicativo usa a API Gemini Chat Bison, analisaremos brevemente o código usado pelo app.

1. No Cloud Shell, clique em Abrir editor para abrir o editor do Cloud Shell e verificar o código.

2. No painel Explorar, expanda a pasta chat-flask-cloudrun e selecione app.py para analisar o código.

3. Confira os seguintes métodos do Python:

• create_session: esse método cria uma nova sessão com a Vertex AI usando o modelo chat_model = GenerativeModel("gemini-2.0-flash"). Ele é usado pela rota /gemini, que será analisada em outro momento para estabelecer uma nova sessão de chat.

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

• response: esse método recupera uma resposta.

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

• index e gemini_chat: os métodos index e gemini_chat definem rotas para a API do aplicativo. O método index carrega a página index.html quando um usuário carrega o aplicativo. O método gemini_chat envia o comando do usuário coletado da página index.html para a API e retorna os resultados no formato 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)

O arquivo index.html inclui JavaScript inline para ler os resultados do envio do formulário quando um usuário clica em Enviar e atualiza a interface com a resposta da chamada da API Gemini.

Parabéns!

Você concluiu o laboratório. Neste laboratório, você aprendeu a criar e implantar um aplicativo da Web simples usando o Cloud Build e o Artifact Registry. O aplicativo é implantado no Cloud Run e usa o Gemini para responder às consultas do usuário final, criando um aplicativo baseado em chat que permite que os usuários finais façam perguntas e recebam respostas em uma interface da Web.

Próximas etapas

• Consulte a documentação da IA generativa na Vertex AI.
• Saiba mais sobre a IA generativa no canal de tecnologia do Google Cloud no YouTube.

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 31 de março de 2025

Laboratório testado em 13 de março 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.