Bermigrasi dari Gemini Developer API ke Gemini API di Vertex AI

Jika Anda baru menggunakan Gemini, menggunakan panduan memulai adalah cara tercepat untuk memulai.

Namun, seiring dengan berkembangnya solusi AI generatif, Anda mungkin memerlukan platform untuk membangun dan men-deploy aplikasi dan solusi AI generatif secara menyeluruh. Google Cloud menyediakan ekosistem alat yang komprehensif untuk memungkinkan developer memanfaatkan kecanggihan AI generatif, mulai dari tahap awal pengembangan aplikasi hingga deployment aplikasi, hosting aplikasi, dan mengelola data kompleks dalam skala besar.

Platform Vertex AI Google Cloud menawarkan rangkaian alat MLOps yang menyederhanakan penggunaan, deployment, dan pemantauan model AI untuk efisiensi dan keandalan. Selain itu, integrasi dengan database, alat DevOps, logging, pemantauan, dan IAM memberikan pendekatan menyeluruh untuk mengelola seluruh siklus proses AI generatif.

Perbedaan antara Gemini Developer API dan Gemini API di Vertex AI

Tabel berikut merangkum perbedaan utama antara Gemini Developer API dan Vertex AI Gemini API untuk membantu Anda memutuskan opsi mana yang tepat untuk kasus penggunaan Anda:

Bermigrasi ke Gemini API di Vertex AI

Bagian ini menunjukkan cara bermigrasi dari Gemini Developer API ke Gemini API di Vertex AI.

Pertimbangan saat melakukan migrasi

Pertimbangkan hal berikut saat melakukan migrasi:

• Anda dapat menggunakan project Google Cloud yang ada (sama dengan yang Anda gunakan untuk membuat kunci Gemini API) atau membuat projectGoogle Cloud baru.

• Wilayah yang didukung mungkin berbeda antara Gemini Developer API dan Gemini API di Vertex AI. Lihat daftar region yang didukung untuk AI generatif di Google Cloud.

• Setiap model yang Anda buat di Google AI Studio perlu dilatih ulang di Vertex AI.

Mulai menggunakan Vertex AI Studio

Proses yang Anda ikuti untuk bermigrasi ke Gemini API di Vertex AI berbeda, bergantung pada apakah Anda sudah memiliki akun Google Cloud atau baru menggunakan Google Cloud.

Untuk mempelajari cara bermigrasi ke Gemini API di Vertex AI, klik salah satu tab berikut, bergantung pada Google Cloud status akun Anda:

Python: Bermigrasi ke Gemini API di Vertex AI

Bagian berikut menunjukkan cuplikan kode untuk membantu Anda memigrasikan kode Python untuk menggunakan Gemini API di Vertex AI.

Penyiapan Vertex AI Python SDK

Di Vertex AI, Anda tidak memerlukan kunci API. Sebagai gantinya, Gemini di Vertex AI dikelola menggunakan akses IAM, yang mengontrol izin bagi pengguna, grup, atau akun layanan untuk memanggil Gemini API melalui Vertex AI SDK.

Meskipun ada banyak cara untuk melakukan autentikasi, metode termudah untuk melakukan autentikasi di lingkungan pengembangan adalah dengan menginstal Google Cloud CLI, lalu menggunakan kredensial pengguna Anda untuk login ke CLI.

Untuk melakukan panggilan inferensi ke Vertex AI, Anda juga harus memastikan bahwa akun pengguna atau layanan Anda memiliki peran Pengguna Vertex AI.

Contoh kode untuk menginstal klien

# 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)
        

Contoh kode untuk membuat teks dari perintah teks

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:
# ...

Contoh kode untuk membuat teks dari teks dan gambar

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 ...

Contoh kode untuk membuat multi-turn chat

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:
# ...

Memigrasikan perintah ke Vertex AI Studio

Data perintah Google AI Studio Anda disimpan di folder Google Drive. Bagian ini menunjukkan cara memigrasikan perintah ke Vertex AI Studio.

1. Buka Google Drive.
2. Buka folder AI_Studio tempat perintah disimpan.

3. Download perintah dari Google Drive ke direktori lokal.

4. Buka Vertex AI Studio di Google Cloud konsol.

5. Di menu Vertex AI, klik Prompt management.

6. Klik Impor perintah.

7. Di kolom Prompt file, klik Browse, lalu pilih perintah dari direktori lokal Anda.

   Untuk mengupload perintah secara massal, Anda harus menggabungkan perintah secara manual ke dalam satu file JSON.

8. Klik Upload.

   Perintah diupload ke tab Perintah Saya.

Mengupload data pelatihan ke Vertex AI Studio

Untuk memigrasikan data pelatihan ke Vertex AI, Anda harus mengupload data ke bucket Cloud Storage. Untuk mengetahui informasi selengkapnya, lihat Pengantar penyesuaian .

Menghapus Kunci API yang tidak digunakan

Jika Anda tidak perlu lagi menggunakan kunci API Gemini untuk Gemini Developer API, ikuti praktik terbaik keamanan dan hapus kunci tersebut.

Untuk menghapus kunci API:

1. Buka halaman Google Cloud Kredensial API.

2. Temukan kunci API yang ingin dihapus, lalu klik ikon Actions.

3. Pilih Hapus kunci API.

4. Di modal Delete credential, pilih Delete.

   Penghapusan kunci API memerlukan waktu beberapa menit untuk diterapkan. Setelah propagasi selesai, traffic yang menggunakan kunci API yang dihapus akan ditolak.

Langkah berikutnya

• Coba tutorial panduan memulai menggunakan Vertex AI Studio atau Vertex AI API.