GSP1229

개요

Gemini는 Google DeepMind에서 개발한 생성형 AI 모델 제품군으로, 멀티모달 사용 사례를 위해 설계되었습니다. Gemini API를 통해 Gemini Pro Vision 및 Gemini Pro 모델에 액세스할 수 있습니다. 이 실습에서는 Vertex AI Gemini API를 애플리케이션과 통합하는 방법을 이해하고, 개발한 샘플 애플리케이션을 Google Cloud Run에서 빌드 및 배포하는 방법을 알아봅니다.

Vertex AI Gemini API

Vertex AI Gemini API는 여러 Gemini 모델과의 상호작용을 위한 통합 인터페이스를 제공합니다. 현재 Gemini API에서 사용할 수 있는 모델은 두 가지가 있습니다.

1. Gemini Pro 모델(gemini-pro): 자연어 태스크, 멀티턴 텍스트 및 코드 채팅, 코드 생성을 처리하도록 설계되었습니다.
2. Gemini Pro Vision 모델(gemini-pro-vision): 멀티모달 프롬프트를 지원합니다. 프롬프트 요청에 텍스트, 이미지, 동영상을 포함하고 텍스트 또는 코드 응답을 얻을 수 있습니다.

다음과 같은 방법으로 Gemini API와 상호작용할 수 있습니다.

• 빠른 테스트 및 명령어 생성에 Vertex AI Studio 사용
• cURL 명령어 사용
• Vertex AI SDK 사용

이 실습에서는 Gemini Pro 모델을 Streamlit 애플리케이션과 통합하고 Google Cloud Run에서 애플리케이션을 배포하는 방법을 중점적으로 알아봅니다.

자세한 내용은 Vertex AI의 생성형 AI 문서를 참조하세요.

목표

이 실습에서는 다음을 수행하는 방법을 알아봅니다.

• Vertex AI Gemini API를 애플리케이션과 통합하기
• 개발한 샘플 애플리케이션을 Google Cloud Run에서 빌드 및 배포하기
• Streamlit 프레임워크를 사용하여 Cloud Run 애플리케이션 빌드하기

설정 및 요건

실습 시작 버튼을 클릭하기 전에

다음 안내를 확인하세요. 실습에는 시간 제한이 있으며 일시중지할 수 없습니다. 실습 시작을 클릭하면 타이머가 시작됩니다. 이 타이머에는 Google Cloud 리소스를 사용할 수 있는 시간이 얼마나 남았는지 표시됩니다.

실무형 실습을 통해 시뮬레이션이나 데모 환경이 아닌 실제 클라우드 환경에서 직접 실습 활동을 진행할 수 있습니다. 실습 시간 동안 Google Cloud에 로그인하고 액세스하는 데 사용할 수 있는 새로운 임시 사용자 인증 정보가 제공됩니다.

이 실습을 완료하려면 다음을 준비해야 합니다.

• 표준 인터넷 브라우저 액세스 권한(Chrome 브라우저 권장)

참고: 이 실습을 실행하려면 시크릿 모드 또는 시크릿 브라우저 창을 사용하세요. 개인 계정과 학생 계정 간의 충돌로 개인 계정에 추가 요금이 발생하는 일을 방지해 줍니다.

• 실습을 완료하기에 충분한 시간---실습을 시작하고 나면 일시중지할 수 없습니다.

참고: 계정에 추가 요금이 발생하지 않도록 하려면 개인용 Google Cloud 계정이나 프로젝트가 이미 있어도 이 실습에서는 사용하지 마세요.

실습을 시작하고 Google Cloud 콘솔에 로그인하는 방법

1. 실습 시작 버튼을 클릭합니다. 실습 비용을 결제해야 하는 경우 결제 수단을 선택할 수 있는 팝업이 열립니다. 왼쪽에는 다음과 같은 항목이 포함된 실습 세부정보 패널이 있습니다.

   • Google Cloud 콘솔 열기 버튼
   • 남은 시간
   • 이 실습에 사용해야 하는 임시 사용자 인증 정보
   • 필요한 경우 실습 진행을 위한 기타 정보

2. Google Cloud 콘솔 열기를 클릭합니다(Chrome 브라우저를 실행 중인 경우 마우스 오른쪽 버튼으로 클릭하고 시크릿 창에서 링크 열기를 선택합니다).

   실습에서 리소스가 가동되면 다른 탭이 열리고 로그인 페이지가 표시됩니다.

   팁: 두 개의 탭을 각각 별도의 창으로 나란히 정렬하세요.

   참고: 계정 선택 대화상자가 표시되면 다른 계정 사용을 클릭합니다.

3. 필요한 경우 아래의 사용자 이름을 복사하여 로그인 대화상자에 붙여넣습니다.

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

   실습 세부정보 패널에서도 사용자 이름을 확인할 수 있습니다.

4. 다음을 클릭합니다.

5. 아래의 비밀번호를 복사하여 시작하기 대화상자에 붙여넣습니다.

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

   실습 세부정보 패널에서도 비밀번호를 확인할 수 있습니다.

6. 다음을 클릭합니다.

   중요: 실습에서 제공하는 사용자 인증 정보를 사용해야 합니다. Google Cloud 계정 사용자 인증 정보를 사용하지 마세요. 참고: 이 실습에 자신의 Google Cloud 계정을 사용하면 추가 요금이 발생할 수 있습니다.

7. 이후에 표시되는 페이지를 클릭하여 넘깁니다.

   • 이용약관에 동의합니다.
   • 임시 계정이므로 복구 옵션이나 2단계 인증을 추가하지 않습니다.
   • 무료 체험판을 신청하지 않습니다.

잠시 후 Google Cloud 콘솔이 이 탭에서 열립니다.

참고: Google Cloud 제품 및 서비스 목록이 있는 메뉴를 보려면 왼쪽 상단의 탐색 메뉴를 클릭합니다.

작업 1. 애플리케이션을 로컬로 실행

이 섹션에서는 Cloud Shell에서 로컬로 Streamlit 애플리케이션을 실행합니다.

저장소 복제

1. Cloud 콘솔의 오른쪽 상단에 있는 Cloud Shell 아이콘을 클릭하여 새 Cloud Shell 터미널을 엽니다.

2. 다음 두 가지 명령어를 실행하여 저장소를 클론하고 Cloud Shell에서 gemini-streamlit-cloudrun 디렉터리로 이동합니다.

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

Streamlit 애플리케이션을 실행하려면 몇 가지 추가 단계를 수행해야 합니다.

애플리케이션 실행

1. Python 가상 환경을 설정하고 종속 항목을 설치합니다.

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

2. 애플리케이션에 두 개의 환경 변수에 대한 액세스가 필요합니다.

• GCP_PROJECT: Google Cloud 프로젝트 ID입니다.
• GCP_REGION: Cloud Run 앱을 배포할 리전입니다(예: us-central1).

해당 변수가 필요한 이유는 Vertex AI 초기화에 Google Cloud 프로젝트 ID와 리전이 필요하기 때문입니다. app.py 함수의 구체적인 코드 줄은 다음과 같습니다. vertexai.init(project=PROJECT_ID, location=LOCATION)

Cloud Shell에서 다음 명령어를 실행합니다.

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

3. 애플리케이션을 로컬로 실행하려면 다음 명령어를 실행합니다.

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

출력:

사용 통계 수집. 비활성화하려면 browser.gatherUsageStats를 False로 설정합니다. 이제 브라우저에 Streamlit 앱이 표시됩니다. URL: http://localhost:8080

4. 애플리케이션이 시작되고 애플리케이션의 URL을 확인할 수 있습니다. 링크를 클릭하여 브라우저에서 애플리케이션을 보거나 Cloud Shell의 웹 미리보기 기능을 사용하여 미리보기 페이지를 엽니다.

5. 스토리 생성을 위한 파라미터를 조정하고 내 스토리 생성을 클릭합니다.

6. Cloud Shell로 돌아가 애플리케이션이 Gemini API에 액세스할 수 있도록 승인합니다. 애플리케이션을 승인하고 나면 애플리케이션으로 돌아가서 대답을 확인할 수 있습니다.

참고: 애플리케이션이 Vertex AI Gemini API에 요청해 대답을 표시합니다. 이 기능이 작동하려면 내 스토리 생성을 선택한 후 Cloud Shell로 돌아가 애플리케이션이 Gemini API에 액세스할 수 있도록 승인해야 합니다.

6. 애플리케이션 테스트를 완료한 다음 Cloud Shell에서 Ctrl + C를 입력하여 애플리케이션을 중지할 수 있습니다.

작업 2. 애플리케이션을 빌드하여 Cloud Run에 배포

이 섹션에서는 Cloud Run에서 Streamlit 애플리케이션을 배포합니다.

이제 애플리케이션의 Docker 이미지를 빌드하고 Artifact Registry에 푸시합니다. 이를 위해서는 Artifact Registry 이름을 가리키는 하나의 환경 변수를 설정해야 합니다. 아래 명령어를 사용하여 Artifact Registry 저장소를 생성할 수 있습니다.

1. Cloud Shell에서 다음 명령어를 실행합니다.

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"

출력:

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. 마지막으로, 이전 단계에서 빌드하고 Artifact Registry에 푸시한 이미지로 Cloud Run에서 서비스를 배포합니다.

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

성공적으로 배포되면 Cloud Run 서비스에 대한 URL을 확인할 수 있습니다. 브라우저에서 해당 URL을 방문하여 방금 배포한 Cloud Run 애플리케이션을 볼 수 있습니다.

출력:

⠼ 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

확인하고 싶은 기능을 선택하면 애플리케이션이 Vertex AI Gemini API에 요청해 대답을 표시합니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 애플리케이션을 빌드하여 Cloud Run에 배포

수고하셨습니다

수고하셨습니다. 이 실습에서는 Vertex AI Gemini API를 애플리케이션과 통합하고, 개발한 샘플 애플리케이션을 Google Cloud Run에서 빌드 및 배포하는 방법을 배웠습니다.

다음 단계/더 학습하기

• Vertex AI의 생성형 AI 문서 참조하기
• Google Cloud Tech YouTube 채널에서 생성형 AI 자세히 알아보기
• Google Cloud 생성형 AI 공식 저장소
• Gemini 노트북 예시

Google Cloud 교육 및 자격증

Google Cloud 기술을 최대한 활용하는 데 도움이 됩니다. Google 강의에는 빠른 습득과 지속적인 학습을 지원하는 기술적인 지식과 권장사항이 포함되어 있습니다. 기초에서 고급까지 수준별 학습을 제공하며 바쁜 일정에 알맞은 주문형, 실시간, 가상 옵션이 포함되어 있습니다. 인증은 Google Cloud 기술에 대한 역량과 전문성을 검증하고 입증하는 데 도움이 됩니다.

설명서 최종 업데이트: 2024년 3월 7일

실습 최종 테스트: 2024년 3월 7일

Copyright 2024 Google LLC All rights reserved. Google 및 Google 로고는 Google LLC의 상표입니다. 기타 모든 회사명 및 제품명은 해당 업체의 상표일 수 있습니다.