GSP1229

Descripción general

Gemini es una familia de modelos de IA generativa que desarrolló Google DeepMind y que están diseñados para casos de uso multimodales. La API de Gemini te da acceso a los modelos de Gemini Pro Vision y Gemini Pro. En este lab, comprenderás cómo integrar la API de Gemini de Vertex AI a aplicaciones, además de crear e implementar la aplicación de ejemplo desarrollada en Google Cloud Run.

API de Gemini de Vertex AI

La API de Gemini de Vertex AI ofrece una interfaz unificada para interactuar con modelos de Gemini. Actualmente, hay dos modelos disponibles en la API de Gemini:

1. Modelo de Gemini Pro (gemini-pro): Se diseñó para encargarse de tareas de lenguaje natural, el chat de código y el texto de varios turnos, así como de la generación de código.
2. Modelo de Gemini Pro Vision (gemini-pro-vision): Admite las instrucciones multimodales. Puedes incluir texto, imágenes y video en las solicitudes de instrucciones y obtener respuestas de texto o código.

Puedes interactuar con la API de Gemini a través de los siguientes métodos:

• Usar Vertex AI Studio para realizar pruebas y generar comandos con rapidez
• Usar comandos cURL
• Usar el SDK de Vertex AI

Este lab se enfoca en integrar el modelo de Gemini Pro con una aplicación de Streamlit y en implementar la aplicación en Google Cloud Run.

Para obtener más información, consulta la documentación de IA generativa en Vertex AI.

Objetivos

En este lab, aprenderás a hacer lo siguiente:

• Integrar la API de Gemini de Vertex AI con aplicaciones
• Crear y, además, implementar la aplicación de ejemplo desarrollada en Google Cloud Run
• Usar el framework de Streamlit para crear una aplicación de Cloud Run

Configuración y requisitos

Antes de hacer clic en el botón Comenzar lab

Lee estas instrucciones. Los labs cuentan con un temporizador que no se puede pausar. El temporizador, que comienza a funcionar cuando haces clic en Comenzar lab, indica por cuánto tiempo tendrás a tu disposición los recursos de Google Cloud.

Este lab práctico te permitirá realizar las actividades correspondientes en un entorno de nube real, no en uno de simulación o demostración. Para ello, se te proporcionan credenciales temporales nuevas que utilizarás para acceder a Google Cloud durante todo el lab.

Para completar este lab, necesitarás lo siguiente:

• Acceso a un navegador de Internet estándar. Se recomienda el navegador Chrome.

Nota: Usa una ventana del navegador privada o de incógnito (opción recomendada) para ejecutar el lab. Así evitarás conflictos entre tu cuenta personal y la cuenta de estudiante, lo que podría generar cargos adicionales en tu cuenta personal.

• Tiempo para completar el lab (recuerda que, una vez que comienzas un lab, no puedes pausarlo).

Nota: Usa solo la cuenta de estudiante para este lab. Si usas otra cuenta de Google Cloud, es posible que se apliquen cargos a esa cuenta.

Cómo iniciar tu lab y acceder a la consola de Google Cloud

1. Haz clic en el botón Comenzar lab. Si debes pagar por el lab, se abrirá un diálogo para que selecciones la forma de pago. A la izquierda, se encuentra el panel Detalles del lab, que tiene estos elementos:

   • El botón para abrir la consola de Google Cloud
   • El tiempo restante
   • Las credenciales temporales que debes usar para el lab
   • Otra información para completar el lab, si es necesaria

2. Haz clic en Abrir la consola de Google Cloud (o haz clic con el botón derecho y selecciona Abrir el vínculo en una ventana de incógnito si ejecutas el navegador Chrome).

   El lab inicia recursos y abre otra pestaña en la que se muestra la página de acceso.

   Sugerencia: Ordena las pestañas en ventanas separadas, una junto a la otra.

   Nota: Si ves el diálogo Elegir una cuenta, haz clic en Usar otra cuenta.

3. De ser necesario, copia el nombre de usuario a continuación y pégalo en el diálogo Acceder.

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

   También puedes encontrar el nombre de usuario en el panel Detalles del lab.

4. Haz clic en Siguiente.

5. Copia la contraseña que aparece a continuación y pégala en el diálogo Te damos la bienvenida.

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

   También puedes encontrar la contraseña en el panel Detalles del lab.

6. Haz clic en Siguiente.

   Importante: Debes usar las credenciales que te proporciona el lab. No uses las credenciales de tu cuenta de Google Cloud. Nota: Usar tu propia cuenta de Google Cloud para este lab podría generar cargos adicionales.

7. Haz clic para avanzar por las páginas siguientes:

   • Acepta los Términos y Condiciones.
   • No agregues opciones de recuperación o autenticación de dos factores (esta es una cuenta temporal).
   • No te registres para obtener pruebas gratuitas.

Después de un momento, se abrirá la consola de Google Cloud en esta pestaña.

Nota: Para acceder a los productos y servicios de Google Cloud, haz clic en el menú de navegación o escribe el nombre del servicio o producto en el campo Buscar.

Tarea 1: Ejecuta la aplicación de manera local

En esta sección, ejecutarás la aplicación de Streamlit de manera local en Cloud Shell.

Clona el repositorio

1. Para abrir una terminal nueva de Cloud Shell, haz clic en el ícono de Cloud Shell en la esquina superior derecha de la consola de Cloud.

2. Ejecuta los siguientes comandos para clonar el repo y navegar al directorio gemini-streamlit-cloudrun en Cloud Shell con los siguientes comandos.

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

Para ejecutar la aplicación de Streamlit, tendrás que realizar algunos pasos adicionales.

Ejecuta la aplicación

1. Configura el entorno virtual de Python y, además, instala las dependencias:

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

2. Tu aplicación requiere acceso a dos variables de entorno:

• GCP_PROJECT: Este es el ID del proyecto de Google Cloud.
• GCP_REGION: Esta es la región en la que implementas la app de Cloud Run. Por ejemplo: us-central1.

Se necesitan estas variables, ya que la inicialización de Vertex AI necesita el ID del proyecto de Google Cloud y la región. La línea de código específica de la función app.py se muestra aquí: vertexai.init(project=PROJECT_ID, location=LOCATION)

En Cloud Shell, ejecuta los siguientes comandos:

GCP_PROJECT='{{{ project_0.project_id | Project ID}}}' GCP_REGION='{{{ project_0.default_region | Region }}}'

3. Para ejecutar la aplicación de manera local, utiliza el siguiente comando:

streamlit run app.py \ --browser.serverAddress=localhost \ --server.enableCORS=false \ --server.enableXsrfProtection=false \ --server.port 8080

Resultado:

Collecting usage statistics. To deactivate, set browser.gatherUsageStats to False. You can now view your Streamlit app in your browser. URL: http://localhost:8080

4. La aplicación se iniciará y se te proporcionará una URL a la aplicación. Haz clic en el vínculo para ver la aplicación en el navegador o usa la función de vista previa en la Web de Cloud Shell para iniciar la página de vista previa.

5. Ajusta los parámetros para la generación de historias y haz clic en Generate my story.

6. Regresa a Cloud Shell y autoriza a la aplicación a acceder a la API de Gemini. Una vez que hayas autorizado a la aplicación, puedes regresar a la aplicación para ver la respuesta.

Nota: La aplicación enviará una instrucción a la API de Gemini de Vertex AI y mostrará las respuestas. Para ello, después de seleccionar Generate my story, tendrás que regresar a Cloud Shell para autorizar a la aplicación a acceder a la API de Gemini.

6. Cuando hayas terminado de probar la aplicación, puedes detenerla; para ello, ingresa Ctrl + C en Cloud Shell.

Tarea 2: Compila y, luego, implementa la aplicación en Cloud Run

En esta sección, implementarás la aplicación de Streamlit en Cloud Run.

Ahora crearás la imagen de Docker para la aplicación y la enviarás a Artifact Registry. Para hacerlo, necesitarás una variable de entorno definida que apunte al nombre de Artifact Registry. Los siguientes comandos crearán este repositorio de Artifact Registry por ti.

1. En Cloud Shell, ejecuta el siguiente comando:

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

Resultado:

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

2. El último paso es implementar el servicio en Cloud Run con la imagen que habíamos creado y enviado a Artifact Registry en el paso anterior.

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

Si la implementación se realiza de forma correcta, se te proporcionará una URL al servicio de Cloud Run. Puedes acceder a ella en el navegador para ver la aplicación de Cloud Run que acabas de implementar.

Resultado:

⠼ 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

Elige las funciones que te gustaría revisar y la aplicación enviará una instrucción a la API de Gemini de Vertex AI y mostrará las respuestas.

Haz clic en Revisar mi progreso para verificar el objetivo. Compilar e implementar la aplicación en Cloud Run

¡Felicitaciones!

¡Felicitaciones! En este lab, aprendiste a integrar la API de Gemini de Vertex AI en aplicaciones y a crear y a implementar la aplicación de ejemplo desarrollada en Google Cloud Run.

Próximos pasos y más información

• Consulta la documentación de la IA generativa en Vertex AI.
• Obtén más información sobre la IA generativa en el canal de YouTube Google Cloud Tech.
• Repo oficial de la IA generativa de Google Cloud
• Notebooks de Gemini de ejemplo

Capacitación y certificación de Google Cloud

Recibe la formación que necesitas para aprovechar al máximo las tecnologías de Google Cloud. Nuestras clases incluyen habilidades técnicas y recomendaciones para ayudarte a avanzar rápidamente y a seguir aprendiendo. Para que puedas realizar nuestros cursos cuando más te convenga, ofrecemos distintos tipos de capacitación de nivel básico a avanzado: a pedido, presenciales y virtuales. Las certificaciones te ayudan a validar y demostrar tus habilidades y tu conocimiento técnico respecto a las tecnologías de Google Cloud.

Última actualización del manual: 7 de marzo de 2024

Prueba más reciente del lab: 7 de marzo de 2024

Copyright 2025 Google LLC. All rights reserved. Google y el logotipo de Google son marcas de Google LLC. Los demás nombres de productos y empresas pueden ser marcas de las respectivas empresas a las que estén asociados.