GSP1229

總覽

在本實驗室，您將瞭解如何使用 Vertex AI 的 Gemini API 建構生成式 AI 應用程式，並部署至 Cloud Run。過程中，您會透過 Streamlit 框架建立互動式介面，用於生成故事。

本實驗室會引導您在本機使用 Cloud Shell 執行應用程式來測試功能，接著將應用程式部署至 Cloud Run，方便大規模提供服務。您可實際練習將 Gemini 整合至使用者介面，並運用 Cloud Run 實現高效的部署作業。

Gemini

Gemini 是由 Google DeepMind 開發的一系列強大生成式 AI 模型，可以解讀及生成文字、程式碼、圖像、音訊和影片等多種形式的內容。

在 Vertex AI 使用 Gemini API

Vertex AI 中的 Gemini API 提供統一的介面，讓開發人員輕鬆與 Gemini 模型互動，將強大的 AI 功能整合至自家應用程式。如要瞭解最新資訊和最新版本的特定功能，請參閱官方的 Gemini 說明文件。

Gemini 模型

• Gemini Pro：適用於下列複雜的推論作業：
  • 分析及總結大量資訊。
  • 進行精細的跨模態 (文字、程式碼、圖像等) 推論。
  • 運用內容豐富的程式碼集有效解決問題。
• Gemini Flash：速度和效率最優異，具備下列優勢：
  • 回覆時間不到一秒，處理量高。
  • 品質高、費用較為低廉，適合各種工作。
  • 具備經過強化的多模態功能，包括更強大的空間理解能力、新的輸出模態 (文字、音訊、圖像)，並能使用原生工具，例如使用 Google 搜尋，以及執行程式碼和第三方函式。

事前準備

開始這個實驗室之前，您應已熟悉下列概念：

• 基本 Python 程式設計。
• 一般 API 概念。
• 在 Vertex AI Workbench 使用 Jupyter 筆記本執行 Python 程式碼。

目標

本實驗室的學習內容包括：

• 將 Vertex AI 的 Gemini API 與應用程式整合
• 在 Google Cloud Run 建構及部署您開發的範例應用程式
• 使用 Streamlit 框架建構 Cloud Run 應用程式

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。

工作 1：在 Cloud Run 建構及部署應用程式

在這個部分，您會使用 Cloud Run 部署 Streamlit 應用程式。

複製存放區

1. 點按 Cloud 控制台右上角的 Cloud Shell 圖示，開啟新的 Cloud Shell 終端機。

2. 執行下列指令，複製存放區並前往 Cloud Shell 的 gemini-streamlit-cloudrun 目錄。

git clone https://github.com/GoogleCloudPlatform/generative-ai.git --depth=1 cd generative-ai/gemini/sample-apps/gemini-streamlit-cloudrun

為順利在 Cloud Run 執行 Streamlit 應用程式，您需要採取幾個額外步驟。

設定

1. 設定 Python 虛擬環境並安裝依附元件：

python3 -m venv gemini-streamlit source gemini-streamlit/bin/activate pip install -r requirements.txt

2. 您的應用程式需要存取兩項環境變數：

• GOOGLE_CLOUD_PROJECT：Google Cloud 專案 ID。
• GOOGLE_CLOUD_REGION：要部署 Cloud Run 應用程式的區域，例如 us-central1。

Vertex AI 初始化程序會用到 Google Cloud 專案 ID 和區域資訊，因此需要取得這些變數。app.py 函式中對應的程式碼如下：vertexai.init(project=PROJECT_ID, location=LOCATION)

在 Cloud Shell 執行下列指令：

GOOGLE_CLOUD_PROJECT='{{{ project_0.project_id | Project ID}}}' GOOGLE_CLOUD_REGION='{{{ project_0.default_region | Region }}}'

3. 接下來，您會建構應用程式的 Docker 映像檔，並推送至 Artifact Registry。如要完成這項工作，您需要可指向 Artifact Registry 名稱的環境變數組。請執行下列指令，即可建立 Artifact Registry 存放區。

注意：完成這個步驟需要幾分鐘的時間。

4. 在 Cloud Shell 執行下列指令：

AR_REPO='gemini-repo' SERVICE_NAME='gemini-streamlit-app' gcloud artifacts repositories create "$AR_REPO" --location="$GOOGLE_CLOUD_REGION" --repository-format=Docker gcloud builds submit --tag "$GOOGLE_CLOUD_REGION-docker.pkg.dev/$GOOGLE_CLOUD_PROJECT/$AR_REPO/$SERVICE_NAME"

輸出內容：

DONE -------------------------------------------------------------------------------- ID CREATE_TIME DURATION SOURCE IMAGES STATUS a601ffd1-c282-43d2-942c-53cc13f43bf2 2023-12-18T11:37:30+00:00 2M29S gs://qwiklabs-gcp-00-eb090e9513e8_cloudbuild/source/1702899440.87287-549e1a0cc5644b3c9535ff57f4a63d02.tgz us-central1-docker.pkg.dev/qwiklabs-gcp-00-eb090e9513e8/gemini-repo/gemini-streamlit-app (+1 more) SUCCESS

6. 在上一步建構映像檔並推送至 Artifact Registry 後，最後要使用該映像檔在 Cloud Run 部署服務。

gcloud run deploy "$SERVICE_NAME" \ --port=8080 \ --image="$GOOGLE_CLOUD_REGION-docker.pkg.dev/$GOOGLE_CLOUD_PROJECT/$AR_REPO/$SERVICE_NAME" \ --allow-unauthenticated \ --region=$GOOGLE_CLOUD_REGION \ --platform=managed \ --project=$GOOGLE_CLOUD_PROJECT \ --set-env-vars=GOOGLE_CLOUD_PROJECT=$GOOGLE_CLOUD_PROJECT,GOOGLE_CLOUD_REGION=$GOOGLE_CLOUD_REGION

成功部署後，系統會提供您 Cloud Run 服務的網址。您可以在瀏覽器中前往該網址，查看您方才部署的 Cloud Run 應用程式。

輸出內容：

⠼ Deploying new service... Done. ✓ Deploying new service... Done. Done. Service [gemini-streamlit-app] revision [gemini-streamlit-app-00001-srg] has been deployed and is serving 100 percent of traffic. Service URL: https://gemini-streamlit-app-hc2gb6hsia-uc.a.run.app

選擇您想查看的功能，應用程式隨即會提示 Vertex AI 的 Gemini API 並顯示回覆。

點按「Check my progress」，確認目標已達成。在 Cloud Run 中建構及部署應用程式

恭喜！

恭喜！在本實驗室，您學會如何將 Vertex AI 的 Gemini API 與應用程式整合，並在 Google Cloud Run 建構及部署自己開發的範例應用程式。

後續行動/瞭解詳情

歡迎參考下列資源，進一步瞭解 Gemini：

• Gemini 簡介
• Vertex AI 生成式 AI 說明文件
• 透過 YouTube 瞭解生成式 AI
• 探索 Vertex AI 教戰手冊，瀏覽及搜尋眾多精心挑選的生成式 AI 筆記本。
• 前往 Google Cloud 生成式 AI 存放區，查看其他筆記本和範例。

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 5 月 14 日

實驗室上次測試日期：2025 年 5 月 14 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。