arrow_back

搭配 Streamlit 框架使用 Cloud Run 和 Vertex AI 的 Gemini API

登录 加入
访问 700 多个实验和课程

搭配 Streamlit 框架使用 Cloud Run 和 Vertex AI 的 Gemini API

实验 1 小时 universal_currency_alt 5 积分 show_chart 中级
info 此实验可能会提供 AI 工具来支持您学习。
访问 700 多个实验和课程

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。
  • 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
  1. 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。

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 }}}'
  1. 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。
  1. 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
  1. 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:

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 6 月 23 日

實驗室上次測試日期:2025 年 6 月 23 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。

准备工作

  1. 实验会创建一个 Google Cloud 项目和一些资源,供您使用限定的一段时间
  2. 实验有时间限制,并且没有暂停功能。如果您中途结束实验,则必须重新开始。
  3. 在屏幕左上角,点击开始实验即可开始

此内容目前不可用

一旦可用,我们会通过电子邮件告知您

太好了!

一旦可用,我们会通过电子邮件告知您

一次一个实验

确认结束所有现有实验并开始此实验

使用无痕浏览模式运行实验

请使用无痕模式或无痕式浏览器窗口运行此实验。这可以避免您的个人账号与学生账号之间发生冲突,这种冲突可能导致您的个人账号产生额外费用。