Von der Gemini Developer API zur Gemini API in Vertex AI migrieren

In dieser Anleitung erfahren Sie, wie Sie von der Gemini Developer API zur Gemini API in Vertex AI migrieren. Dabei werden die folgenden Themen behandelt:

• Unterschiede zwischen den APIs:Hier erfahren Sie mehr über die wichtigsten Unterschiede bei der Authentifizierung, den Funktionen und den unterstützten Regionen zwischen den Google AI- und Vertex AI-Gemini-APIs.
• Zu Gemini API in Vertex AI migrieren:Folgen Sie der Anleitung, um Ihr Google Cloud-Projekt einzurichten und Vertex AI Studio zu verwenden.
• Python-Code migrieren:Aktualisieren Sie Ihren Python-Code vom Google AI SDK auf das Vertex AI SDK.
• Prompts migrieren:Sie können Ihre gespeicherten Prompts von Google AI Studio zu Vertex AI Studio migrieren.
• Trainingsdaten hochladen:Laden Sie Ihre Abstimmungs-Datasets in Vertex AI Studio hoch.
• Nicht verwendeten API-Schlüssel löschen:Löschen Sie Ihren alten Gemini API-Schlüssel nach der Migration.

Wenn Sie noch nicht mit Gemini vertraut sind, verwenden Sie die Kurzanleitungen für die ersten Schritte.

Wenn Ihre generativen KI-Lösungen besser werden, benötigen Sie möglicherweise eine Plattform für die Erstellung und Bereitstellung von generativen KI-Anwendungen und -Lösungen. Google Cloud bietet ein umfassendes Netzwerk an Tools, mit denen Entwickler das Potenzial der generativen KI nutzen können – von den ersten Phasen der App-Entwicklung bis zur App-Bereitstellung, zum App-Hosting und zur Verwaltung komplexer Daten im großen Maßstab.

Die Vertex AI-Plattform von Google Cloud bietet eine Reihe von MLOps-Tools, die Nutzung, Bereitstellung und Monitoring von KI-Modellen im Hinblick auf Effizienz und Zuverlässigkeit optimieren. Darüber hinaus bieten Integrationen mit Datenbanken, DevOps-Tools, Logging, Monitoring und IAM einen ganzheitlichen Ansatz zum Verwalten des gesamten Lebenszyklus der generativen KI.

Unterschiede zwischen der Gemini Developer API und der Gemini API in Vertex AI

In der folgenden Tabelle sind die Hauptunterschiede zwischen der Gemini Developer API und der Vertex AI Gemini API zusammengefasst, damit Sie Entscheiden können, welche Option für Ihren Anwendungsfall am besten ist:

Zur Gemini API in Vertex AI migrieren

In diesem Abschnitt wird beschrieben, wie Sie Ihr Google Cloud-Projekt einrichten und mit der Verwendung der Gemini API in Vertex AI beginnen.

Hinweise zur Migration

Beachten Sie vor der Migration Folgendes:

• Sie können Ihr vorhandenes Google Cloud -Projekt verwenden (das, mit dem Sie Ihren Gemini API-Schlüssel generiert haben) oder ein neues Google Cloud -Projekt erstellen.
• Die unterstützten Regionen können für die Gemini Developer API und die Gemini API in Vertex AI unterschiedlich sein. Eine Liste der unterstützten Regionen finden Sie unter Unterstützte Regionen für generative KI auf Google Cloud.
• Alle Modelle, die Sie in Google AI Studio erstellt haben, müssen in Vertex AI neu trainiert werden.

Vertex AI Studio verwenden

Der Migrationsprozess hängt davon ab, ob Sie bereits ein Google Cloud -Konto haben.

Hinweis:Google AI Studio und die Gemini Developer API sind nur in bestimmten Regionen und Sprachen verfügbar. Wenn Sie sich in einer Region befinden, in der Google AI Studio nicht unterstützt wird, können Sie diese Migrationsschritte nicht ausführen.

Wählen Sie den Tab aus, der auf Sie zutrifft:

Python: Migration zur Gemini API in Vertex AI

In den folgenden Abschnitten finden Sie Code-Snippets, die Ihnen bei der Migration Ihres Python-Codes zur Verwendung der Gemini API in Vertex AI helfen.

Vertex AI Python SDK einrichten

In Vertex AI benötigen Sie keinen API-Schlüssel. Stattdessen wird Gemini in Vertex AI mit IAM-Zugriff verwaltet. Damit wird die Berechtigung für einen Nutzer, eine Gruppe oder ein Dienstkonto gesteuert, mit dem die Gemini API über das Vertex AI SDK aufgerufen wird.

Es gibt zwar viele Möglichkeiten zur Authentifizierung, aber die einfachste Methode zur Authentifizierung in einer Entwicklungsumgebung ist die Installation der Google Cloud CLI und die Verwendung Ihrer Nutzeranmeldedaten, um sich bei der CLI anzumelden.

Wenn Sie Inferenzaufrufe an Vertex AI senden möchten, muss Ihrem Nutzer- oder Dienstkonto auch die Rolle „Vertex AI-Nutzer“ zugewiesen sein.

Codebeispiel für die Installation des Clients

# To install the Python SDK, use this CLI command:
# pip install google-generativeai

import google.generativeai as genai
from google.generativeai import GenerativeModel

API_KEY="API_KEY"
genai.configure(api_key=API_KEY)
        

# To install the Python SDK, use this CLI command:
# pip install google-genai

from google import genai

PROJECT_ID = "PROJECT_ID"
LOCATION = "LOCATION"  # e.g. us-central1
client = genai.Client(project=PROJECT_ID, location=LOCATION, vertexai=True)
        

Codebeispiel zum Generieren von Text aus einem Text-Prompt

model = GenerativeModel("gemini-2.0-flash")

response = model.generate_content("The opposite of hot is")
print(response.text) #  The opposite of hot is cold.
        

from google import genai
from google.genai.types import HttpOptions

client = genai.Client(http_options=HttpOptions(api_version="v1"))
response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents="How does AI work?",
)
print(response.text)
# Example response:
# Okay, let's break down how AI works. It's a broad field, so I'll focus on the ...
#
# Here's a simplified overview:
# ...

Codebeispiel zum Erstellen von Text aus Text und Bild

import PIL.Image

multimodal_model = GenerativeModel("gemini-2.0-flash")

image = PIL.Image.open("image.jpg")

response = multimodal_model.generate_content(["What is this picture?", image])
print(response.text) # A cat is shown in this picture.
        

from google import genai
from google.genai.types import HttpOptions, Part

client = genai.Client(http_options=HttpOptions(api_version="v1"))
response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents=[
        "What is shown in this image?",
        Part.from_uri(
            file_uri="gs://cloud-samples-data/generative-ai/image/scones.jpg",
            mime_type="image/jpeg",
        ),
    ],
)
print(response.text)
# Example response:
# The image shows a flat lay of blueberry scones arranged on parchment paper. There are ...

Codebeispiel zum Generieren des wechselseitigen Chats

model = GenerativeModel("gemini-2.0-flash")

chat = model.start_chat()

print(chat.send_message("How are you?").text)
print(chat.send_message("What can you do?").text)
        

from google import genai
from google.genai.types import HttpOptions, ModelContent, Part, UserContent

client = genai.Client(http_options=HttpOptions(api_version="v1"))
chat_session = client.chats.create(
    model="gemini-2.5-flash",
    history=[
        UserContent(parts=[Part(text="Hello")]),
        ModelContent(
            parts=[Part(text="Great to meet you. What would you like to know?")],
        ),
    ],
)
response = chat_session.send_message("Tell me a story.")
print(response.text)
# Example response:
# Okay, here's a story for you:
# ...

Prompts zu Vertex AI Studio migrieren

Die Daten Ihrer Google AI Studio-Prompts werden in einem Google Drive-Ordner gespeichert. So migrieren Sie Ihre Prompts zu Vertex AI Studio:

1. Öffnen Sie Google Drive.
2. Wechseln Sie zum Ordner AI_Studio, in dem die Prompts gespeichert sind.
3. Laden Sie Ihre Prompts aus Google Drive in ein lokales Verzeichnis herunter. Prompts aus Google Drive werden als Textdateien (.txt) heruntergeladen.
4. Bevor Sie die Prompts in Vertex AI Studio hochladen, müssen Sie sie in das JSON-Format konvertieren. Ändern Sie dazu die Dateiendung von .txt in .json.
5. Öffnen Sie Vertex AI Studio in der Google Cloud Console.
6. Klicken Sie im Menü Vertex AI auf Prompt-Verwaltung.
7. Klicken Sie auf Prompt importieren.

8. Klicken Sie im Feld Prompt-Datei auf Durchsuchen und wählen Sie eine JSON-Prompt-Datei aus Ihrem lokalen Verzeichnis aus.

   Hinweis:Wenn Sie Prompts im Bulk hochladen möchten, müssen Sie Ihre einzelnen Prompts zuerst manuell in einer einzigen JSON-Datei zusammenführen.

9. Klicken Sie auf Hochladen.

   Die Prompts werden auf den Tab Meine Prompts hochgeladen.

Trainingsdaten in Vertex AI Studio hochladen

Wenn Sie Ihre Trainingsdaten zu Vertex AI migrieren möchten, müssen Sie die Daten in einen Cloud Storage-Bucket hochladen. Weitere Informationen finden Sie unter Einführung in das Tuning .

Nicht verwendeten API-Schlüssel löschen

Nach der Migration und wenn Sie Ihren Gemini API-Schlüssel für die Gemini Developer API nicht mehr benötigen, löschen Sie den Schlüssel, um die Best Practices für die Sicherheit einzuhalten.

So löschen Sie einen API-Schlüssel:

1. Öffnen Sie die Seite Google Cloud API-Anmeldedaten.
2. Suchen Sie den API-Schlüssel, den Sie löschen möchten, und klicken Sie auf das Symbol Aktionen.
3. Wählen Sie API-Schlüssel löschen aus.

4. Wählen Sie im Modal Anmeldedaten löschen die Option Löschen aus.

   Das Löschen eines API-Schlüssels dauert einige Minuten. Danach werden alle Anfragen, für die der gelöschte API-Schlüssel verwendet wird, abgelehnt.

Wichtig:Wenn Sie einen Schlüssel löschen, der noch in der Produktion verwendet wird, und ihn wiederherstellen möchten, lesen Sie gcloud beta services api-keys undelete.

Nächste Schritte

• Wagen Sie sich an eine Kurzeinführung mit Generative AI Studio oder der Vertex AI API.