GSP1229

Présentation

Gemini est une famille de modèles d'IA générative développés par Google DeepMind, et conçus pour les cas d'utilisation multimodaux. L'API Gemini vous donne accès aux modèles Gemini Pro Vision et Gemini Pro. Dans cet atelier, vous allez apprendre à intégrer l'API Gemini Vertex AI à des applications, ainsi qu'à créer et déployer l'exemple d'application développé dans Google Cloud Run.

API Gemini Vertex AI

L'API Gemini Vertex AI fournit une interface unifiée pour interagir avec les modèles Gemini. Deux modèles sont actuellement disponibles dans l'API Gemini :

1. Le modèle Gemini Pro (gemini-pro), conçu pour gérer les tâches en langage naturel, le chat textuel et de code multitour ainsi que la génération de code.
2. Le modèle Gemini Pro Vision (gemini-pro-vision), compatible avec les requêtes multimode, qui permet d'inclure du texte, des images et des vidéos dans vos requêtes, et d'obtenir des réponses textuelles ou de code.

Vous pouvez interagir avec l'API Gemini de différentes façons :

• Utiliser Vertex AI Studio pour effectuer des tests et générer des commandes rapidement
• Utiliser des commandes cURL
• Utiliser le SDK Vertex AI

Dans cet atelier, vous allez intégrer le modèle Gemini Pro à une application Streamlit et déployer cette application dans Google Cloud Run.

Pour en savoir plus, consultez la documentation sur l'IA générative sur Vertex AI.

Objectifs

Dans cet atelier, vous allez apprendre à :

• intégrer l'API Gemini Vertex AI à des applications ;
• créer et déployer l'exemple d'application développé dans Google Cloud Run ;
• utiliser le framework Streamlit pour créer une application Cloud Run.

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 vous-même les activités dans un véritable environnement cloud, et non dans un environnement de simulation ou de démonstration. Nous vous fournissons des identifiants temporaires pour 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/navigation privée pour effectuer cet atelier. Vous éviterez ainsi les conflits entre votre compte personnel et le temporaire étudiant, qui pourraient entraîner des frais supplémentaires facturés sur votre compte personnel.

• vous disposez d'un temps limité ; une fois l'atelier commencé, vous ne pouvez pas le mettre en pause.

Remarque : Si vous possédez déjà votre propre compte ou projet Google Cloud, veillez à ne pas l'utiliser pour réaliser cet atelier afin d'éviter que des frais supplémentaires ne vous soient facturés.

Démarrer l'atelier et se connecter à la console Google Cloud

1. Cliquez sur le bouton Démarrer l'atelier. Si l'atelier est payant, un pop-up 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 gratuits.

Après quelques instants, la console Cloud s'ouvre dans cet onglet.

Remarque : Pour afficher un menu contenant la liste des produits et services Google Cloud, cliquez sur le menu de navigation en haut à gauche.

Tâche 1 : Exécuter l'application en local

Dans cette section, vous allez exécuter l'application Streamlit en local dans Cloud Shell.

Cloner le dépôt

1. Ouvrez un nouveau terminal Cloud Shell en cliquant sur l'icône Cloud Shell en haut à droite de la console Cloud.

2. Exécutez les commandes suivantes pour cloner le dépôt et accéder au répertoire gemini-streamlit-cloudrun dans Cloud Shell.

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

Pour exécuter l'application Streamlit, vous devez suivre quelques étapes supplémentaires.

Exécuter l'application

1. Configurez l'environnement virtuel Python et installez les dépendances :

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

2. Votre application nécessite un accès à deux variables d'environnement :

• GCP_PROJECT : il s'agit de l'ID du projet Google Cloud.
• GCP_REGION : il s'agit de la région dans laquelle vous déployez l'application Cloud Run, par exemple us-central1.

Ces variables (l'ID du projet Google Cloud et la région) sont nécessaires pour initialiser Vertex AI. La ligne de code spécifique de la fonction app.py est la suivante : vertexai.init(project=PROJECT_ID, location=LOCATION).

Dans Cloud Shell, exécutez les commandes suivantes :

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

3. Pour exécuter l'application en local, exécutez la commande suivante :

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

Résultat :

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. L'application va démarrer et son URL va apparaître. Cliquez sur le lien pour afficher l'application dans le navigateur ou utilisez l'aperçu sur le Web de Cloud Shell pour prévisualiser la page.

5. Ajustez les paramètres pour la génération d'histoire, puis cliquez sur Generate my story (Générer mon histoire).

6. Revenez dans Cloud Shell et autorisez l'application à accéder à l'API Gemini. Ensuite, revenez dans l'application pour voir la réponse.

Remarque : L'application enverra la requête à l'API Gemini Vertex AI et affichera ses réponses. Pour que cela fonctionne, après avoir sélectionné Generate my story (Générer mon histoire), vous devrez revenir dans Cloud Shell pour autoriser l'application à accéder à l'API Gemini.

6. Une fois que vous avez terminé de tester l'application, vous pouvez l'arrêter en appuyant sur Ctrl+C dans Cloud Shell.

Tâche 2 : Créer et déployer l'application dans Cloud Run

Dans cette section, vous allez déployer l'application Streamlit dans Cloud Run.

Vous allez maintenant créer l'image Docker pour l'application et la transférer vers Artifact Registry. Pour ce faire, vous aurez besoin d'une variable d'environnement qui pointe vers le nom Artifact Registry. Les commandes ci-dessous vont vous permettre de créer ce dépôt Artifact Registry.

1. Dans Cloud Shell, exécutez la commande suivante :

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"

Résultat :

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. Pour finir, vous allez déployer le service dans Cloud Run avec l'image que vous avez créée et transférée vers Artifact Registry à l'étape précédente.

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 le déploiement réussit, l'URL du service Cloud Run s'affiche. Vous pouvez y accéder dans le navigateur pour visualiser l'application Cloud Run que vous venez de déployer.

Résultat :

⠼ 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

Choisissez la fonctionnalité que vous souhaitez tester. L'application enverra la requête à l'API Gemini Vertex AI et affichera ses réponses.

Cliquez sur Vérifier ma progression pour valider l'objectif. Créer et déployer l'application dans Cloud Run

Félicitations !

Félicitations ! Dans cet atelier, vous avez appris à intégrer l'API Gemini Vertex AI à des applications, ainsi qu'à créer et déployer l'exemple d'application développé dans Google Cloud Run.

Étapes suivantes et informations supplémentaires

• Consultez la documentation sur l'IA générative sur Vertex AI.
• Découvrez l'IA générative sur la chaîne YouTube Google Cloud Tech.
• Dépôt officiel de l'IA générative Google Cloud
• Exemples de notebook Gemini

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 : 7 mars 2024

Dernier test de l'atelier : 7 mars 2024

Copyright 2024 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.