GSP1227

Informações gerais

Gemini (em inglês) é uma família de modelos de IA generativa desenvolvida pelo Google DeepMind, criada para casos de uso multimodais. A API Gemini fornece acesso aos modelos Gemini Pro Vision e Gemini Pro. Neste laboratório, você vai aprender a usar a API Gemini da Vertex AI para gerar chamadas de função com comandos de texto.

Chamadas de funções do Gemini

Com a chamada de função, os desenvolvedores podem criar uma descrição de função no código e transmitir essa descrição para um modelo de linguagem em uma solicitação. A resposta do modelo inclui o nome de uma função que corresponde à descrição e os argumentos para chamá-la.

A chamada de função é semelhante à Vertex AI Extensions, ambas geram informações sobre funções. A diferença é que a chamada de função retorna dados JSON com o nome de uma função e os argumentos a serem usados no código, já a Vertex AI Extensions retorna e chama a função para você.

Objetivos

Neste laboratório, você vai aprender a:

• Instalar o SDK da Vertex AI para Python.
• Interagir com o modelo Gemini Pro (gemini-pro) pela API Gemini da Vertex AI usando comandos de texto para gerar chamadas de função e:
  • Ajudar os clientes a conseguir informações sobre os produtos na Google Store.
  • Chamar uma API externa para geocodificar endereços.
  • Extrair entidades de dados de registro.

Configuração e requisitos

Antes de clicar no botão Começar o Laboratório

Leia estas instruções. Os laboratórios são cronometrados e não podem ser pausados. O timer é ativado quando você clica em Iniciar laboratório e mostra por quanto tempo os recursos do Google Cloud vão ficar disponíveis.

Este laboratório prático permite que você realize as atividades em um ambiente real de nuvem, e não em uma simulação ou demonstração. Você vai receber novas credenciais temporárias para fazer login e acessar o Google Cloud durante o laboratório.

Confira os requisitos para concluir o laboratório:

• Acesso a um navegador de Internet padrão (recomendamos o Chrome).

Observação: para executar este laboratório, use o modo de navegação anônima (recomendado) ou uma janela anônima do navegador. Isso evita conflitos entre sua conta pessoal e de estudante, o que poderia causar cobranças extras na sua conta pessoal.

• Tempo para concluir o laboratório: não se esqueça que, depois de começar, não será possível pausar o laboratório.

Observação: use apenas a conta de estudante neste laboratório. Se usar outra conta do Google Cloud, você poderá receber cobranças nela.

Como iniciar seu laboratório e fazer login no console do Google Cloud

1. Clique no botão Começar o laboratório. Se for preciso pagar por ele, uma caixa de diálogo vai aparecer para você selecionar a forma de pagamento. No painel Detalhes do Laboratório, à esquerda, você vai encontrar o seguinte:

   • O botão Abrir Console do Google Cloud
   • O tempo restante
   • As credenciais temporárias que você vai usar neste laboratório
   • Outras informações, se forem necessárias

2. Se você estiver usando o navegador Chrome, clique em Abrir console do Google Cloud ou clique com o botão direito do mouse e selecione Abrir link em uma janela anônima.

   O laboratório ativa os recursos e depois abre a página Fazer Login em outra guia.

   Dica: coloque as guias em janelas separadas lado a lado.

   Observação: se aparecer a caixa de diálogo Escolher uma conta, clique em Usar outra conta.

3. Se necessário, copie o Nome de usuário abaixo e cole na caixa de diálogo Fazer login.

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

   Você também encontra o nome de usuário no painel Detalhes do Laboratório.

4. Clique em Próxima.

5. Copie a Senha abaixo e cole na caixa de diálogo de Olá.

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

   Você também encontra a senha no painel Detalhes do Laboratório.

6. Clique em Próxima.

   Importante: você precisa usar as credenciais fornecidas no laboratório, e não as da sua conta do Google Cloud. Observação: se você usar sua própria conta do Google Cloud neste laboratório, é possível que receba cobranças adicionais.

7. Acesse as próximas páginas:

   • Aceite os Termos e Condições.
   • Não adicione opções de recuperação nem autenticação de dois fatores (porque essa é uma conta temporária).
   • Não se inscreva em testes gratuitos.

Depois de alguns instantes, o console do Google Cloud será aberto nesta guia.

Observação: para acessar os produtos e serviços do Google Cloud, clique no Menu de navegação ou digite o nome do serviço ou produto no campo Pesquisar.

Tarefa 1: abrir o notebook no Vertex AI Workbench

1. No menu de navegação () do console do Google Cloud, clique em Vertex AI > Workbench.

2. Ache a instância e clique no botão Abrir o JupyterLab.

A interface do JupyterLab para sua instância do Workbench é aberta em uma nova guia do navegador.

Tarefa 2: configurar o notebook

1. Clique no arquivo .

2. Na caixa de diálogo Selecionar Kernel, escolha Python 3 na lista de kernels disponíveis.

3. Conclua as seções Vamos começar, Definir informações do projeto do Google Cloud e Importar bibliotecas do notebook.

   • Em ID do projeto, use e, em Local, use .

Observação: é possível pular qualquer célula do notebook que tenha a indicação Colab only.

Nas seções a seguir, você vai conferir as células do notebook para entender como usar a API Gemini da Vertex AI com o SDK da Vertex AI para Python.

Clique em Verificar meu progresso para conferir o objetivo. Instalar o SDK da Vertex AI para Python e importar bibliotecas.

Tarefa 3: como usar a chamada de função em consultas estruturadas da Google Store

Ao trabalhar com um modelo de texto generativo, pode ser difícil fazer o LLM fornecer respostas consistentes em um formato estruturado como JSON. A chamada de função facilita o trabalho com LLMs usando comandos e entradas não estruturadas, e faz com que o LLM retorne uma resposta estruturada que pode ser usada para chamar uma função externa.

Pense na chamada de função como uma forma de receber uma saída estruturada que vem de comandos do usuário e definições de função. Ao usar essa saída estruturada para fazer uma solicitação de API a um sistema externo, ela retorna a resposta da função ao LLM para gerar uma resposta ao usuário. Em outras palavras, a chamada de função no Gemini extrai parâmetros estruturados de textos ou mensagens sem estrutura de usuários. Neste exemplo, você vai usar a chamada de função com a modalidade de chat no modelo do Gemini para ajudar os clientes a receber informações sobre produtos na Google Store.

1. Nesta tarefa, confira as células do notebook para saber como usar o modelo do Gemini para ajudar os clientes a conseguir informações sobre produtos na Google Store.

Clique em Verificar meu progresso para conferir o objetivo. Gerar uma chamada de função climática simples.

Tarefa 4: usar a chamada de função para geocodificar endereços com a API Maps

Neste exemplo, você vai usar a modalidade de texto da API Gemini para definir uma função que usa vários parâmetros como entradas. Você vai usar a resposta da chamada de função para fazer uma chamada de API em tempo real e converter um endereço em coordenadas de latitude e longitude.

1. Você também vai conferir as células do notebook e entender como usar o modelo Gemini Pro para gerar uma chamada de função que faz a geocodificação de um endereço.

Aqui nós usamos a API OpenStreetMap Nominatim para geocodificar um endereço e facilitar o uso e o aprendizado neste notebook. Se você estiver trabalhando com grandes quantidades de mapas ou dados de geolocalização, é possível usar a API Geocoding do Google Maps.

Clique em Verificar meu progresso para conferir o objetivo. Gerar uma chamada de função complexa.

Tarefa 5: usar a chamada de função para a extração de entidades

Nos exemplos anteriores, você usou a funcionalidade de extração de entidade na chamada de função do Gemini para transmitir os parâmetros resultantes a uma API REST ou biblioteca de cliente. Também é possível realizar apenas a etapa de extração com a chamada de função do Gemini e parar por aí sem realmente chamar uma API. Pense nessa funcionalidade como uma forma conveniente de transformar dados de texto não estruturados em campos estruturados.

Neste exemplo, você vai criar um extrator que usa dados de registros brutos e os transforma em dados estruturados com detalhes sobre mensagens de erro.

1. Nesta tarefa, confira as células do notebook para saber como usar o modelo Gemini Pro para gerar chamadas de função e extrair entidades de dados de registro.

Clique em Verificar meu progresso para conferir o objetivo. Gerar chamadas de função em um comando de chat.

Parabéns!

Parabéns! Neste laboratório, você aprendeu a usar a API Gemini da Vertex AI para gerar chamadas de função com base em comandos de texto. Você usou o modelo Gemini Pro para gerar chamadas de função e ajudar os clientes a receber informações sobre produtos na Google Store, geocodificar endereços e extrair entidades de dados de registro.

Próximas etapas / Saiba mais

• Consulte a documentação da IA generativa na Vertex AI.
• Saiba mais sobre a IA generativa no canal de tecnologia do Google Cloud no YouTube.
• Repositório oficial da IA generativa do Google Cloud (em inglês)
• Exemplos de notebooks do Gemini (em inglês)

Treinamento e certificação do Google Cloud

Esses treinamentos ajudam você a aproveitar as tecnologias do Google Cloud ao máximo. Nossas aulas incluem habilidades técnicas e práticas recomendadas para ajudar você a alcançar rapidamente o nível esperado e continuar sua jornada de aprendizado. Oferecemos treinamentos que vão do nível básico ao avançado, com opções de aulas virtuais, sob demanda e por meio de transmissões ao vivo para que você possa encaixá-las na correria do seu dia a dia. As certificações validam sua experiência e comprovam suas habilidades com as tecnologias do Google Cloud.

Manual atualizado em 8 de outubro de 2024

Laboratório testado em 8 de outubro de 2024

Copyright 2025 Google LLC. Todos os direitos reservados. Google e o logotipo do Google são marcas registradas da Google LLC. Todos os outros nomes de produtos e empresas podem ser marcas registradas das respectivas empresas a que estão associados.