GSP1227

Présentation

L'appel de fonction permet aux développeurs de créer une description de fonction dans leur code, puis de la transmettre à un modèle de langage dans une requête. La réponse du modèle inclut le nom d'une fonction correspondant à la description et les arguments avec lesquels l'appeler.

L'appel de fonction est similaire aux extensions Vertex AI, car les deux génèrent des informations sur les fonctions. La différence est que l'appel de fonction renvoie des données JSON avec le nom de la fonction et les arguments à utiliser dans votre code, tandis que les extensions Vertex AI renvoient la fonction et l'appellent à votre place.

Gemini

Gemini est une famille de modèles d'IA générative puissants développés par Google DeepMind, capables de comprendre et de générer plusieurs formes de contenu, comme du texte, du code, des images, du son et des vidéos.

API Gemini dans Vertex AI

L'API Gemini dans Vertex AI fournit une interface unifiée pour interagir avec les modèles Gemini. Elle permet aux développeurs d'intégrer facilement ces puissantes fonctionnalités d'IA dans leurs applications. Pour connaître les dernières actualités et les fonctionnalités spécifiques des versions les plus récentes, veuillez consulter la documentation officielle sur Gemini.

Modèles Gemini

• Gemini Pro : conçu pour les tâches de raisonnement complexe, par exemple :
  • l'analyse et la synthèse de grands volumes d'informations ;
  • le raisonnement multimodal sophistiqué (sur du texte, du code, des images, etc.) ;
  • la résolution efficace de problèmes à l'aide de codebases complexes.
• Gemini Flash : optimisé pour être rapide et efficace, il offre :
  • des temps de réponse inférieurs à une seconde et un haut débit ;
  • une qualité élevée à moindre coût pour une grande variété de tâches ;
  • des fonctionnalités multimodales améliorées, dont une meilleure compréhension spatiale, de nouvelles modalités de sortie (texte, audio, images) et l'utilisation native d'outils (recherche Google, exécution de code et fonctions tierces).

Prérequis

Avant de commencer cet atelier, vous devez :

• avoir des connaissances de base en programmation Python ;
• connaître les concepts généraux sur les API ;
• savoir exécuter du code Python dans un notebook Jupyter dans Vertex AI Workbench.

Objectifs

Dans cet atelier, vous allez apprendre à :

• installer le SDK Google Gen AI pour Python ;
• utiliser l'API Gemini dans Vertex AI pour interagir avec le modèle Gemini 2.0 Flash (gemini-2.0-flash) ;
  • générer des appels de fonction à partir d'une requête textuelle pour aider les clients à obtenir des informations sur les produits du Google Store ;
  • générer des appels de fonction à partir d'une requête textuelle et appeler une API externe pour géocoder des adresses ;
  • générer des appels de fonction à partir d'une requête textuelle pour extraire des entités à partir de données de journaux.

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.

Tâche 1 : Ouvrir le notebook dans Vertex AI Workbench

1. Dans la console Google Cloud, accédez au menu de navigation () et cliquez sur Vertex AI > Workbench.

2. Recherchez l'instance , puis cliquez sur le bouton Ouvrir JupyterLab.

L'interface JupyterLab de votre instance Workbench s'ouvre dans un nouvel onglet de navigateur.

Remarque : Si vous ne voyez pas de notebooks dans JupyterLab, veuillez suivre la procédure ci-dessous pour réinitialiser l'instance.

1. Fermez l'onglet du navigateur pour JupyterLab, puis revenez à la page d'accueil de Workbench.

2. Cochez la case à côté du nom de l'instance, puis cliquez sur Réinitialiser.

3. Une fois que le bouton Ouvrir JupyterLab est à nouveau activé, patientez une minute, puis cliquez dessus.

Tâche 2 : Configurer le notebook

1. Ouvrez le fichier .

2. Dans la boîte de dialogue Select Kernel (Sélectionner le kernel), sélectionnez Python 3 dans la liste des kernels disponibles.

3. Parcourez les sections Getting Started (Premiers pas) et Import libraries (Importer des bibliothèques) du notebook.

   • Pour Project ID (ID du projet), utilisez et pour Location (Emplacement), utilisez .

Remarque : Vous pouvez ignorer les cellules du notebook avec la mention Colab only (Colab uniquement). Si l'exécution d'une cellule renvoie l'erreur 429, patientez une minute avant de la réexécuter pour poursuivre.

Dans les sections suivantes, vous allez parcourir les cellules du notebook pour apprendre à utiliser l'API Gemini dans Vertex AI avec le SDK Google Gen AI pour Python.

Cliquez sur Vérifier ma progression pour valider l'objectif. Installer le SDK Gen AI pour Python et importer des bibliothèques

Tâche 3 : Utiliser l'appel de fonction pour les requêtes Google Store structurées

Lorsque vous travaillez avec un modèle de texte génératif, il peut être difficile de forcer le LLM à fournir des réponses cohérentes dans un format structuré comme le format JSON. Avec l'appel de fonction, il est plus facile de travailler avec les LLM à l'aide de requêtes et d'entrées non structurées, puis de faire en sorte que les LLM renvoient une réponse structurée permettant d'appeler une fonction externe.

L'appel de fonction est un moyen d'obtenir un résultat structuré à partir de requêtes utilisateur et de définitions de fonctions, d'utiliser ce résultat pour envoyer une requête API à un système, puis de transmettre la réponse de la fonction au LLM pour qu'il génère une réponse à l'utilisateur. En d'autres termes, l'appel de fonction dans Gemini extrait les paramètres structurés du texte ou des messages non structurés des utilisateurs. Dans cet exemple, vous allez utiliser un appel de fonction avec la modalité de chat du modèle Gemini pour aider les clients à obtenir des informations sur les produits du Google Store.

1. Dans cette tâche, vous allez parcourir les cellules du notebook pour apprendre à utiliser le modèle Gemini afin d'aider les clients à obtenir des informations sur les produits du Google Store.

Cliquez sur Vérifier ma progression pour valider l'objectif. Générer un appel de fonction simple

Tâche 4 : Utiliser l'appel de fonction pour géocoder des adresses avec une API Google Maps

Dans cet exemple, vous allez utiliser la modalité de texte de l'API Gemini pour définir une fonction qui accepte plusieurs paramètres en entrée. Vous utiliserez la réponse à l'appel de fonction pour effectuer un appel d'API direct afin de convertir une adresse en coordonnées de latitude et de longitude.

1. Dans cette tâche, vous allez parcourir les cellules du notebook pour apprendre à utiliser le modèle Gemini Flash afin de générer un appel de fonction visant à géocoder une adresse.

Ici, nous avons utilisé l'API OpenStreetMap de Nominatim pour géocoder une adresse de façon à apprendre plus facilement à utiliser le modèle dans ce notebook. Si vous travaillez sur de grands volumes de cartes ou de données de géolocalisation, vous pouvez utiliser l'API Google Maps Geocoding.

Cliquez sur Vérifier ma progression pour valider l'objectif. Générer un appel de fonction complexe

Tâche 5 : Utiliser l'appel de fonction pour extraire des entités

Dans les exemples précédents, vous avez utilisé la fonctionnalité d'extraction d'entités dans l'appel de fonction Gemini afin de pouvoir transmettre les paramètres obtenus à une API REST ou à une bibliothèque cliente. Toutefois, il est également possible de n'effectuer que l'étape d'extraction d'entités avec l'appel de fonction Gemini, sans appeler d'API par la suite. Vous pouvez voir cette fonctionnalité comme un moyen pratique de transformer des données textuelles non structurées en champs structurés.

Dans cet exemple, vous allez créer un extracteur de journaux qui transforme les données de journaux brutes en données structurées contenant des informations sur les messages d'erreur.

1. Dans cette tâche, vous allez parcourir les cellules du notebook pour apprendre à générer des appels de fonction à l'aide du modèle Gemini Flash afin d'extraire des entités à partir de données de journaux.

Cliquez sur Vérifier ma progression pour valider l'objectif. Générer des appels de fonction à partir d'une requête de chat

Félicitations !

Félicitations ! Dans cet atelier, vous avez appris à utiliser l'API Gemini dans Vertex AI pour générer des appels de fonction à partir de requêtes textuelles. Vous avez utilisé le modèle Gemini Flash pour générer des appels de fonction afin d'aider les clients à obtenir des informations sur les produits du Google Store, de géocoder des adresses et d'extraire des entités à partir de données de journaux.

Étapes suivantes et informations supplémentaires

Consultez les ressources suivantes pour en savoir plus sur Gemini :

• Présentation de Gemini
• Documentation sur l'IA générative sur Vertex AI
• Chaîne YouTube sur l'IA générative
• Livre de recettes Vertex AI, doté d'un index de recherche et proposant une sélection de notebooks pour l'IA générative
• Dépôt Google Cloud pour l'IA générative, contenant d'autres notebooks et exemples

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 : 14 mai 2025

Dernier test de l'atelier : 14 mai 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.