GSP1227

Ringkasan

Dengan panggilan fungsi, developer dapat membuat deskripsi sebuah fungsi dalam kode mereka, lalu meneruskan deskripsi tersebut ke model bahasa dalam permintaan. Respons dari model mencakup nama fungsi yang sesuai dengan deskripsi dan argumen yang digunakan untuk memanggilnya.

Panggilan fungsi mirip dengan Ekstensi Vertex AI karena keduanya menghasilkan informasi tentang fungsi. Perbedaan di antara keduanya adalah panggilan fungsi menampilkan data JSON dengan nama fungsi dan argumen yang digunakan dalam kode Anda, sedangkan Ekstensi Vertex AI menampilkan fungsi dan memanggilnya untuk Anda.

Gemini

Gemini adalah rangkaian model AI generatif canggih yang dikembangkan oleh Google DeepMind. Gemini mampu memahami dan menghasilkan berbagai bentuk konten, termasuk teks, kode, gambar, audio, dan video.

Gemini API di Vertex AI

Gemini API di Vertex AI menyediakan antarmuka terpadu untuk berinteraksi dengan model Gemini. Dengan antarmuka ini, developer dapat dengan mudah mengintegrasikan kemampuan AI yang hebat ini ke dalam aplikasi mereka. Untuk mengetahui detail terbaru dan fitur spesifik dari versi terbaru, pelajari dokumentasi Gemini yang resmi.

Model Gemini

• Gemini Pro: Dirancang untuk melakukan penalaran yang kompleks, termasuk di antaranya:
  • Menganalisis dan meringkas informasi dalam jumlah besar.
  • Penalaran canggih lintas modalitas (untuk teks, kode, gambar, dll.).
  • Pemecahan masalah yang efektif dengan codebase yang kompleks.
• Gemini Flash: Dioptimalkan untuk kecepatan dan efisiensi, dengan menawarkan:
  • Waktu respons kurang dari satu detik dan throughput tinggi.
  • Kualitas tinggi dengan biaya yang lebih rendah untuk beragam tugas.
  • Kemampuan multimodal yang ditingkatkan, termasuk pemahaman spasial yang lebih baik, modalitas output yang baru (teks, audio, gambar), dan penggunaan alat asli (Google Penelusuran, eksekusi kode, dan fungsi pihak ketiga).

Prasyarat

Sebelum memulai lab ini, Anda sebaiknya sudah mengetahui:

• Pemrograman Python dasar.
• Konsep API secara umum.
• Cara menjalankan kode Python di notebook Jupyter di Vertex AI Workbench.

Tujuan

Di lab ini, Anda akan mempelajari cara:

• Menginstal Google Gen AI SDK for Python
• Menggunakan Gemini API di Vertex AI untuk berinteraksi dengan model Gemini 2.0 Flash (gemini-2.0-flash):
  • Membuat panggilan fungsi dari perintah teks untuk membantu pelanggan mendapatkan informasi produk di Google Store
  • Membuat panggilan fungsi dari perintah teks dan memanggil API eksternal ke alamat geocode
  • Membuat panggilan fungsi dari perintah teks untuk mengekstrak entity dari data log

Penyiapan dan persyaratan

Sebelum mengklik tombol Start Lab

Baca petunjuk ini. Lab memiliki timer dan Anda tidak dapat menjedanya. Timer yang dimulai saat Anda mengklik Start Lab akan menampilkan durasi ketersediaan resource Google Cloud untuk Anda.

Lab interaktif ini dapat Anda gunakan untuk melakukan aktivitas lab di lingkungan cloud sungguhan, bukan di lingkungan demo atau simulasi. Untuk mengakses lab ini, Anda akan diberi kredensial baru yang bersifat sementara dan dapat digunakan untuk login serta mengakses Google Cloud selama durasi lab.

Untuk menyelesaikan lab ini, Anda memerlukan:

• Akses ke browser internet standar (disarankan browser Chrome).

Catatan: Gunakan jendela Samaran (direkomendasikan) atau browser pribadi untuk menjalankan lab ini. Hal ini akan mencegah konflik antara akun pribadi Anda dan akun siswa yang dapat menyebabkan tagihan ekstra pada akun pribadi Anda.

• Waktu untuk menyelesaikan lab. Ingat, setelah dimulai, lab tidak dapat dijeda.

Catatan: Hanya gunakan akun siswa untuk lab ini. Jika Anda menggunakan akun Google Cloud yang berbeda, Anda mungkin akan dikenai tagihan ke akun tersebut.

Cara memulai lab dan login ke Google Cloud Console

1. Klik tombol Start Lab. Jika Anda perlu membayar lab, dialog akan terbuka untuk memilih metode pembayaran. Di sebelah kiri ada panel Lab Details yang berisi hal-hal berikut:

   • Tombol Open Google Cloud console
   • Waktu tersisa
   • Kredensial sementara yang harus Anda gunakan untuk lab ini
   • Informasi lain, jika diperlukan, untuk menyelesaikan lab ini

2. Klik Open Google Cloud console (atau klik kanan dan pilih Open Link in Incognito Window jika Anda menjalankan browser Chrome).

   Lab akan menjalankan resource, lalu membuka tab lain yang menampilkan halaman Sign in.

   Tips: Atur tab di jendela terpisah secara berdampingan.

   Catatan: Jika Anda melihat dialog Choose an account, klik Use Another Account.

3. Jika perlu, salin Username di bawah dan tempel ke dialog Sign in.

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

   Anda juga dapat menemukan Username di panel Lab Details.

4. Klik Next.

5. Salin Password di bawah dan tempel ke dialog Welcome.

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

   Anda juga dapat menemukan Password di panel Lab Details.

6. Klik Next.

   Penting: Anda harus menggunakan kredensial yang diberikan lab. Jangan menggunakan kredensial akun Google Cloud Anda. Catatan: Menggunakan akun Google Cloud sendiri untuk lab ini dapat dikenai biaya tambahan.

7. Klik halaman berikutnya:

   • Setujui persyaratan dan ketentuan.
   • Jangan tambahkan opsi pemulihan atau autentikasi 2 langkah (karena ini akun sementara).
   • Jangan mendaftar uji coba gratis.

Setelah beberapa saat, Konsol Google Cloud akan terbuka di tab ini.

Catatan: Untuk mengakses produk dan layanan Google Cloud, klik Navigation menu atau ketik nama layanan atau produk di kolom Search.

Tugas 1. Membuka notebook di Vertex AI Workbench

1. Di Konsol Google Cloud, pada Navigation menu (), klik Vertex AI > Workbench.

2. Cari instance lalu klik tombol Open JupyterLab.

Antarmuka JupyterLab untuk instance Workbench Anda akan terbuka di tab browser baru.

Catatan: Jika Anda tidak melihat notebook di JupyterLab, ikuti langkah tambahan berikut untuk mereset instance:

1. Tutup tab browser untuk JupyterLab, lalu kembali ke halaman beranda Workbench.

2. Pilih kotak centang di samping nama instance, lalu klik Reset.

3. Setelah tombol Open JupyterLab diaktifkan kembali, tunggu satu menit, lalu klik Open JupyterLab.

Tugas 2. Menyiapkan notebook

1. Buka file .

2. Pada dialog Select Kernel, pilih Python 3 dari daftar kernel yang tersedia.

3. Jalankan bagian Getting Started dan Import libraries pada notebook.

   • Untuk Project ID, gunakan , sedangkan untuk Location, gunakan .

Catatan: Anda dapat melewatkan sel notebook yang bertanda Colab only. Jika Anda mendapatkan respons 429 dari salah satu eksekusi sel notebook, tunggu 1 menit sebelum menjalankan sel kembali untuk melanjutkan.

Di bagian berikut, Anda akan menjalankan sel-sel notebook untuk melihat cara menggunakan Gemini API di Vertex AI dengan Google Gen AI SDK for Python.

Klik Periksa progres saya untuk memverifikasi tujuan. Menginstal Gen AI SDK for Python dan mengimpor library

Tugas 3. Menggunakan panggilan fungsi untuk kueri Google Store terstruktur

Saat bekerja dengan model teks generatif, sulit untuk memaksa LLM memberikan respons yang konsisten dalam format terstruktur seperti JSON. Dengan panggilan fungsi, bekerja dengan LLM melalui perintah dan input tidak terstruktur menjadi mudah, begitu pula untuk membuat LLM menampilkan respons terstruktur yang dapat digunakan untuk memanggil fungsi eksternal.

Anda dapat menganggap panggilan fungsi sebagai cara untuk mendapatkan output terstruktur dari perintah pengguna dan definisi fungsi, menggunakan output terstruktur tersebut untuk membuat permintaan API ke sistem eksternal, lalu menampilkan respons fungsi ke LLM untuk menghasilkan respons kepada pengguna. Dengan kata lain, panggilan fungsi di Gemini mengekstrak parameter terstruktur dari teks atau pesan tidak terstruktur dari pengguna. Dalam contoh ini, Anda akan menggunakan panggilan fungsi beserta modalitas percakapan dalam model Gemini untuk membantu pelanggan mendapatkan informasi produk di Google Store.

1. Dalam tugas ini, lihat sel notebook untuk mempelajari cara menggunakan model Gemini guna membantu pelanggan mendapatkan informasi produk di Google Store.

Klik Periksa progres saya untuk memverifikasi tujuan. Membuat panggilan fungsi sederhana

Tugas 4. Menggunakan panggilan fungsi untuk menghasilkan geocode alamat dengan Maps API

Dalam contoh ini, Anda akan menggunakan modalitas teks di Gemini API untuk menentukan fungsi yang menggunakan beberapa parameter sebagai input. Anda akan menggunakan respons panggilan fungsi untuk melakukan panggilan API langsung guna mengonversi alamat menjadi koordinat lintang dan bujur.

1. Dalam tugas ini, jalankan sel-sel notebook untuk melihat cara menggunakan model Gemini Flash guna membuat panggilan fungsi untuk menghasilkan geocode suatu alamat.

Di sini, kita menggunakan OpenStreetMap Nominatim API untuk menghasilkan geocode suatu alamat agar mudah digunakan dan dipelajari di notebook ini. Jika Anda berurusan dengan peta atau data geolokasi dalam jumlah besar, Anda dapat menggunakan Google Maps Geocoding API.

Klik Periksa progres saya untuk memverifikasi tujuan. Membuat panggilan fungsi yang kompleks

Tugas 5. Menggunakan panggilan fungsi untuk ekstraksi entity

Pada contoh sebelumnya, Anda memanfaatkan fungsi ekstraksi entity dalam Panggilan Fungsi Gemini sehingga Anda dapat meneruskan parameter yang dihasilkan ke REST API atau library klien. Namun, Anda mungkin perlu melakukan langkah ekstraksi entity dengan Panggilan Fungsi Gemini dan tidak perlu benar-benar memanggil API. Anda dapat menganggap fungsi ini sebagai cara mudah untuk mentransformasi data teks tidak terstruktur menjadi kolom terstruktur.

Dalam contoh ini, Anda akan membangun ekstraktor log yang mengambil data log mentah dan mentransformasinya menjadi data terstruktur dengan detail pesan error.

1. Dalam tugas ini, jalankan sel-sel notebook untuk melihat cara menggunakan model Gemini Flash guna menghasilkan panggilan fungsi untuk mengekstrak entity dari data log.

Klik Periksa progres saya untuk memverifikasi tujuan. Membuat panggilan fungsi dari perintah percakapan

Selamat!

Selamat! Di lab ini, Anda telah mempelajari cara menggunakan Gemini API di Vertex AI untuk menghasilkan panggilan fungsi dari perintah teks. Anda telah menggunakan model Gemini Flash untuk membuat panggilan fungsi guna membantu pelanggan mendapatkan informasi produk di Google Store, menghasilkan geocode alamat, dan mengekstrak entity dari data log.

Langkah berikutnya/pelajari lebih lanjut

Baca referensi berikut untuk mempelajari Gemini lebih lanjut:

• Ringkasan Gemini
• Dokumentasi AI generatif di Vertex AI
• AI Generatif di YouTube
• Jelajahi Cookbook Vertex AI untuk melihat galeri notebook AI Generatif pilihan yang dapat Anda telusuri.
• Jelajahi notebook dan sampel lainnya di repositori AI Generatif Google Cloud.

Sertifikasi dan pelatihan Google Cloud

...membantu Anda mengoptimalkan teknologi Google Cloud. Kelas kami mencakup keterampilan teknis dan praktik terbaik untuk membantu Anda memahami dengan cepat dan melanjutkan proses pembelajaran. Kami menawarkan pelatihan tingkat dasar hingga lanjutan dengan opsi on demand, live, dan virtual untuk menyesuaikan dengan jadwal Anda yang sibuk. Sertifikasi membantu Anda memvalidasi dan membuktikan keterampilan serta keahlian Anda dalam teknologi Google Cloud.

Manual Terakhir Diperbarui pada 14 Mei 2025

Lab Terakhir Diuji pada 14 Mei 2025

Hak cipta 2025 Google LLC. Semua hak dilindungi undang-undang. Google dan logo Google adalah merek dagang dari Google LLC. Semua nama perusahaan dan produk lain mungkin adalah merek dagang masing-masing perusahaan yang bersangkutan.