GSP1201

總覽

本實驗室會示範如何在 Google Cloud 使用 Cloud Run 建立並部署 AI 對話應用程式。這款對話應用程式採用 Gemini 大型語言模型 (LLM) API。

您會在網頁應用程式運用這些 API，並將應用程式部署到 Cloud Run，建構過程中會使用 Cloud Build 和 Artifact Repository 來儲存容器映像檔。使用 Gemini API 建構網頁介面時，這個應用程式可做為起始點。

在本實驗室，您會建立在 Cloud Run 執行的網頁應用程式，這個應用程式會使用 Gemini 大型語言模型 (LLM) 的 API，並透過實驗室中部署的簡易網頁介面呈現這些 API。

經由建立這個應用程式，您將瞭解如何運用 Gemini 等大型語言模型建構網頁應用程式，讓使用者能透過對話介面提問並獲得深入的回覆。

課程內容

在本實驗室，您將執行下列作業：

• 建構 Docker 映像檔，使用 Cloud Build 執行應用程式。
• 部署執行應用程式的 Cloud Run 服務。
• 查看 Python 程式碼，瞭解應用程式如何透過對話工作階段，運用 gemini-2.0-flash 模型。

設定和需求

瞭解以下事項後，再點選「Start Lab」按鈕

請詳閱以下操作說明。實驗室活動會計時，且中途無法暫停。點選「Start Lab」後就會開始計時，顯示可使用 Google Cloud 資源的時間。

您將在真正的雲端環境完成實作實驗室活動，而不是模擬或示範環境。為此，我們會提供新的暫時憑證，供您在實驗室活動期間登入及存取 Google Cloud。

為了順利完成這個實驗室，請先確認：

• 可以使用標準的網際網路瀏覽器 (Chrome 瀏覽器為佳)。

注意事項：請使用無痕模式 (建議選項) 或私密瀏覽視窗執行此實驗室，這可以防止個人帳戶和學員帳戶之間的衝突，避免個人帳戶產生額外費用。

• 是時候完成實驗室活動了！別忘了，活動一旦開始將無法暫停。

注意事項：務必使用實驗室專用的學員帳戶。如果使用其他 Google Cloud 帳戶，可能會產生額外費用。

如何開始研究室及登入 Google Cloud 控制台

1. 點選「Start Lab」按鈕。如果實驗室會產生費用，畫面上會出現選擇付款方式的對話方塊。左側的「Lab Details」窗格會顯示下列項目：

   • 「Open Google Cloud console」按鈕
   • 剩餘時間
   • 必須在這個研究室中使用的臨時憑證
   • 完成這個實驗室所需的其他資訊 (如有)

2. 點選「Open Google Cloud console」；如果使用 Chrome 瀏覽器，也能按一下滑鼠右鍵，選取「在無痕視窗中開啟連結」。

   接著，實驗室會啟動相關資源，並開啟另一個分頁，顯示「登入」頁面。

   提示：您可以在不同的視窗中並排開啟分頁。

   注意：如果頁面中顯示「選擇帳戶」對話方塊，請點選「使用其他帳戶」。

3. 如有必要，請將下方的 Username 貼到「登入」對話方塊。

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

   您也可以在「Lab Details」窗格找到 Username。

4. 點選「下一步」。

5. 複製下方的 Password，並貼到「歡迎使用」對話方塊。

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

   您也可以在「Lab Details」窗格找到 Password。

6. 點選「下一步」。

   重要事項：請務必使用實驗室提供的憑證，而非自己的 Google Cloud 帳戶憑證。 注意：如果使用自己的 Google Cloud 帳戶來進行這個實驗室，可能會產生額外費用。

7. 按過後續的所有頁面：

   • 接受條款及細則。
   • 由於這是臨時帳戶，請勿新增救援選項或雙重驗證機制。
   • 請勿申請免費試用。

Google Cloud 控制台稍後會在這個分頁開啟。

注意：如要使用 Google Cloud 產品和服務，請點選「導覽選單」，或在「搜尋」欄位輸入服務或產品名稱。

啟動 Cloud Shell

Cloud Shell 是搭載多項開發工具的虛擬機器，提供永久的 5 GB 主目錄，而且在 Google Cloud 中運作。Cloud Shell 提供指令列存取權，方便您使用 Google Cloud 資源。

1. 點按 Google Cloud 控制台頂端的「啟用 Cloud Shell」圖示 。

2. 系統顯示視窗時，請按照下列步驟操作：

   • 繼續操作 Cloud Shell 視窗。
   • 授權 Cloud Shell 使用您的憑證發出 Google Cloud API 呼叫。

連線建立完成即代表已通過驗證，而且專案已設為您的 Project_ID：。輸出內容中有一行文字，宣告本工作階段的 Project_ID：

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

gcloud 是 Google Cloud 的指令列工具，已預先安裝於 Cloud Shell，並支援 Tab 鍵自動完成功能。

3. (選用) 您可以執行下列指令來列出使用中的帳戶：

gcloud auth list

4. 點按「授權」。

輸出內容：

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

5. (選用) 您可以使用下列指令來列出專案 ID：

gcloud config list project

輸出內容：

[core] project = {{{project_0.project_id | "PROJECT_ID"}}} 注意：如需 gcloud 的完整說明，請前往 Google Cloud 參閱 gcloud CLI 總覽指南。

工作 1：環境設定

請從 Cloud Storage bucket 下載來源，以便部署 Cloud Run 應用程式。

1. 在 Cloud Shell 輸入下列指令：

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

2. 接著前往專案資料夾。

cd chat-flask-cloudrun

3. 設定區域和專案環境變數，以便在後續指令中使用。

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

工作 2：建構 Docker 映像檔

接著，您要建構應用程式的 Docker 映像檔，並推送到 Artifact Registry。容器映像檔建構並儲存完畢後，可以參照該映像檔，將應用程式部署至 Cloud Run。

1. 設定後續指令會用到的環境變數：

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

2. 執行下列指令來建立 Artifact Repository：

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

3. 設定 Docker 驗證，並將容器映像檔建構工作提交到 Cloud Build：

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

4. 前往「Artifact Registry」頁面，確認映像檔已推送至 Artifact Registry。
   • 前往 Google Cloud 控制台，在標題列的「搜尋」欄位輸入 Artifact Registry，然後點選搜尋結果的「Artifact Registry」。
   • 確認 chat-app-repo 可用。

注意：如果執行下列檢查後發現需要驗證 Docker，請試試在 Cloud Shell 執行下列指令：

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

點選「Check my progress」，確認目標已達成。 建構 Docker 映像檔

工作 3：將應用程式部署至 Cloud Run

應用程式已透過 Cloud Build 下載及建構，現在可以在 Cloud Run 部署並測試。

1. 在 Cloud Shell 執行下列指令：

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 注意：這個步驟需要幾分鐘才能完成。

2. 點選上一個指令輸出內容中的服務網址，啟動應用程式。輸出內容大致如下：

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. 在輸入文字方塊中輸入下列查詢，然後點選「Send」：

What is Google Cloud Platform?

您會在提示輸入區域下方的輸出文字方塊中，看到 gemini-2.0-flash API 生成的回覆。

點選「Check my progress」，確認目標已達成。 將應用程式部署至 Cloud Run

工作 4：探索 Python 程式碼

為進一步瞭解應用程式如何使用 Gemini Chat Bison API，您將簡單探索應用程式使用的程式碼。

1. 在 Cloud Shell 點選「開啟編輯器」，即可開啟 Cloud Shell 編輯器來瀏覽程式碼。

2. 在「Explore」窗格展開 chat-flask-cloudrun 資料夾，然後選取 app.py 開始探索程式碼。

3. 留意下列 Python 方法：

• create_session：這個方法會使用 chat_model = GenerativeModel("gemini-2.0-flash") 模型，透過 Vertex AI 建立新的工作階段。此方法會由 /gemini 路由呼叫，接下來您會進一步觀察此路由如何建立新的對話工作階段。

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

• response：這個方法會檢索回覆。

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

• index 和 gemini_chat：index 和 gemini_chat 方法會定義應用程式的 API 路由。使用者載入應用程式時，index 方法會載入 index.html 頁面，gemini_chat 方法則會接收從 index.html 頁面取得的使用者提示，提交到 API 並以 JSON 格式傳回結果。

@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)

index.html 檔案包含內嵌的 JavaScript，會在使用者點選「Send」時，讀取表單提交的結果，並將 Gemini API 呼叫的回覆更新到 UI。

恭喜！

您已完成這個實驗室。在本實驗室，您學會了如何使用 Cloud Build 和 Artifact Registry 建構及部署簡單的網路應用程式。該應用程式已部署至 Cloud Run，並使用 Gemini 回覆使用者查詢，藉此建立對話應用程式，讓使用者能在網頁 UI 提問並獲得回覆。

後續步驟

• 查看 Vertex AI 生成式 AI 說明文件
• 前往 Google Cloud Tech 的 YouTube 頻道，進一步瞭解生成式 AI。

Google Cloud 教育訓練與認證

協助您瞭解如何充分運用 Google Cloud 的技術。我們的課程會介紹專業技能和最佳做法，讓您可以快速掌握要領並持續進修。我們提供從基本到進階等級的訓練課程，並有隨選、線上和虛擬課程等選項，方便您抽空參加。認證可協助您驗證及證明自己在 Google Cloud 技術方面的技能和專業知識。

使用手冊上次更新日期：2025 年 3 月 31 日

實驗室上次測試日期：2025 年 3 月 13 日

Copyright 2025 Google LLC 保留所有權利。Google 和 Google 標誌是 Google LLC 的商標，其他公司和產品名稱則有可能是其關聯公司的商標。