Bermigrasi dari Gemini Developer API ke Gemini API di Vertex AI

Panduan ini menunjukkan cara bermigrasi dari Gemini Developer API ke Gemini API di Vertex AI, yang mencakup topik berikut:

• Perbedaan antara API: Pelajari perbedaan utama dalam autentikasi, fitur, dan region yang didukung antara Google AI Gemini API dan Vertex AI Gemini API.
• Bermigrasi ke Gemini API di Vertex AI: Ikuti langkah-langkah untuk menyiapkan project Google Cloud dan mulai menggunakan Vertex AI Studio.
• Memigrasikan kode Python: Perbarui kode Python Anda dari Google AI SDK ke Vertex AI SDK.
• Memigrasikan perintah: Pindahkan perintah tersimpan Anda dari Google AI Studio ke Vertex AI Studio.
• Mengupload data pelatihan: Upload set data penyesuaian Anda ke Vertex AI Studio.
• Hapus kunci API yang tidak digunakan: Hapus kunci Gemini API lama Anda setelah Anda melakukan migrasi.

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

Namun, seiring berkembangnya solusi AI generatif Anda, 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 pengelolaan data kompleks dalam skala besar.

Platform Vertex AI Google Cloud menawarkan serangkaian 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 holistik 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 menyiapkan project Google Cloud dan mulai menggunakan Gemini API di Vertex AI.

Pertimbangan migrasi

Sebelum Anda bermigrasi, pertimbangkan hal berikut:

• Anda dapat menggunakan Google Cloud project yang sudah ada (project yang sama yang Anda gunakan untuk membuat kunci Gemini API) atau membuat Google Cloud project baru.
• Region yang didukung mungkin berbeda antara Gemini Developer API dan Gemini API di Vertex AI. Untuk mengetahui daftar region yang didukung, lihat region yang didukung untuk AI generatif di Google Cloud.
• Semua model yang Anda buat di Google AI Studio harus dilatih ulang di Vertex AI.

Mulai menggunakan Vertex AI Studio

Proses migrasi bergantung pada apakah Anda sudah memiliki akun Google Cloud atau belum.

Catatan: Google AI Studio dan Gemini Developer API hanya tersedia di wilayah dan bahasa tertentu. Jika Anda berada di wilayah tempat Google AI Studio tidak didukung, Anda tidak dapat melakukan langkah-langkah migrasi ini.

Pilih tab yang sesuai untuk Anda:

Python: Bermigrasi ke Gemini API di Vertex AI

Bagian berikut menunjukkan cuplikan kode untuk membantu Anda memigrasikan kode Python agar 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 akun layanan Anda memiliki peran Vertex AI User.

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. Untuk memigrasikan perintah Anda ke Vertex AI Studio, ikuti langkah-langkah berikut:

1. Buka Google Drive.
2. Buka folder AI_Studio tempat perintah disimpan.
3. Download perintah Anda dari Google Drive ke direktori lokal. Perintah dari Google Drive didownload sebagai file teks (.txt).
4. Sebelum mengupload perintah ke Vertex AI Studio, konversikan perintah tersebut ke format JSON dengan mengubah ekstensi file dari .txt menjadi .json.
5. Buka Vertex AI Studio di konsol Google Cloud .
6. Di menu Vertex AI, klik Prompt management.
7. Klik Impor perintah.

8. Di kolom File perintah, klik Telusuri, lalu pilih file perintah JSON dari direktori lokal Anda.

   Catatan: Untuk mengupload perintah secara massal, Anda harus menggabungkan setiap perintah secara manual ke dalam satu file JSON terlebih dahulu.

9. 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

Setelah Anda bermigrasi dan tidak lagi memerlukan kunci Gemini API untuk Gemini Developer API, hapus kunci tersebut untuk mengikuti praktik terbaik keamanan.

Cara menghapus kunci API:

1. Buka halaman Google Cloud Kredensial API.
2. Temukan kunci API yang ingin Anda hapus, 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.

Penting: Jika Anda menghapus kunci yang masih digunakan dalam produksi dan perlu memulihkannya, lihat gcloud beta services api-keys undelete.

Langkah berikutnya

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