빠른 시작: Vertex AI의 Gemini API를 사용하여 텍스트 생성

이 빠른 시작에서는 Vertex AI의 Gemini API에 다음 멀티모달 요청을 보내고 응답을 확인합니다.

• 텍스트 프롬프트
• 프롬프트와 이미지
• 프롬프트 및 동영상 파일 (오디오 트랙 포함)

로컬 환경의 프로그래밍 언어 SDK 또는 REST API를 사용하여 이 빠른 시작을 완료할 수 있습니다.

기본 요건

이 빠른 시작을 완료하려면 다음이 필요합니다.

• Google Cloud 프로젝트를 설정하고 Vertex AI API를 사용 설정합니다.
• 로컬 머신에서 다음을 수행합니다.
  • Google Cloud CLI로 설치, 초기화, 인증
  • 사용 언어의 SDK 설치

Google Cloud 프로젝트 설정

Google Cloud 프로젝트를 설정하고 Vertex AI API를 사용 설정합니다.

1. Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Go to project selector

3. Make sure that billing is enabled for your Google Cloud project.

4. Enable the Vertex AI API.

   Enable the API

5. Make sure that you have the following role or roles on the project: Vertex AI Platform Express User

   Check for the roles

   1. In the Google Cloud console, go to the IAM page.

      Go to IAM
   2. Select the project.

   3. In the Principal column, find all rows that identify you or a group that you're included in. To learn which groups you're included in, contact your administrator.

   4. For all rows that specify or include you, check the Role column to see whether the list of roles includes the required roles.

   Grant the roles

   1. In the Google Cloud console, go to the IAM page.

      IAM으로 이동
   2. 프로젝트를 선택합니다.
   3. person_add 액세스 권한 부여를 클릭합니다.

   4. 새 주 구성원 필드에 사용자 식별자를 입력합니다. 일반적으로 Google 계정의 이메일 주소입니다.

   5. 역할 선택 목록에서 역할을 선택합니다.
   6. 역할을 추가로 부여하려면 add 다른 역할 추가를 클릭하고 각 역할을 추가합니다.
   7. 저장을 클릭합니다.

6. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Go to project selector

7. Make sure that billing is enabled for your Google Cloud project.

8. Enable the Vertex AI API.

   Enable the API

9. Make sure that you have the following role or roles on the project: Vertex AI Platform Express User

   Check for the roles

   1. In the Google Cloud console, go to the IAM page.

      Go to IAM
   2. Select the project.

   3. In the Principal column, find all rows that identify you or a group that you're included in. To learn which groups you're included in, contact your administrator.

   4. For all rows that specify or include you, check the Role column to see whether the list of roles includes the required roles.

   Grant the roles

   1. In the Google Cloud console, go to the IAM page.

      IAM으로 이동
   2. 프로젝트를 선택합니다.
   3. person_add 액세스 권한 부여를 클릭합니다.

   4. 새 주 구성원 필드에 사용자 식별자를 입력합니다. 일반적으로 Google 계정의 이메일 주소입니다.

   5. 역할 선택 목록에서 역할을 선택합니다.
   6. 역할을 추가로 부여하려면 add 다른 역할 추가를 클릭하고 각 역할을 추가합니다.
   7. 저장을 클릭합니다.

   Google Cloud CLI로 설치 및 인증

   Vertex AI에서 Gemini API를 사용하려면 로컬 머신에서 Google Cloud CLI를 설정하고 인증하세요. API 키를 사용하는 Google AI Studio의 Gemini API와 달리 Vertex AI의 Gemini API는 ID 및 액세스 관리로 액세스를 관리합니다.

   1. Google Cloud CLI를 설치하고 초기화합니다.

   2. 이전에 gcloud CLI를 설치한 경우 이 명령어를 실행하여 gcloud 구성요소가 업데이트되었는지 확인합니다.

      gcloud components update

   3. gcloud CLI로 인증하려면 이 명령어를 실행하여 로컬 애플리케이션 기본 사용자 인증 정보(ADC) 파일을 생성합니다. 이 명령어로 실행되는 웹 흐름은 사용자 인증 정보를 제공하는 데 사용됩니다.

      gcloud auth application-default login

      자세한 내용은 애플리케이션 기본 사용자 인증 정보 설정을 참조하세요.

   프로그래밍 언어의 SDK 설정

   로컬 머신에서 다음 탭 중 하나를 클릭하여 프로그래밍 언어의 SDK를 설치합니다.

   Python용 Gen AI SDK

   이 명령어를 실행하여 Python용 Gen AI SDK를 설치하고 업데이트합니다.

   pip install --upgrade google-genai

   Go용 Gen AI SDK

   이 명령어를 실행하여 Go용 생성형 AI SDK를 설치하고 업데이트합니다.

   go get google.golang.org/genai

   Node.js용 Gen AI SDK

   이 명령어를 실행하여 Node.js용 생성형 AI SDK를 설치하고 업데이트합니다.

   npm install @google/genai

   Java용 Gen AI SDK

   Java용 생성형 AI SDK를 설치하고 업데이트합니다.

   Maven

   pom.xml에 다음을 추가합니다.

   <dependencies>
     <dependency>
       <groupId>com.google.genai</groupId>
       <artifactId>google-genai</artifactId>
       <version>0.7.0</version>
     </dependency>
   </dependencies>
   

   C#

   NuGet에서 Google.Cloud.AIPlatform.V1 패키지를 설치합니다. 선호하는 방법으로 패키지를 프로젝트에 추가합니다. 예를 들어 Visual Studio에서 프로젝트를 마우스 오른쪽 버튼으로 클릭하고 NuGet 패키지 관리...를 선택합니다.

   REST

   1. 다음을 입력하여 환경 변수를 구성합니다. PROJECT_ID를 Google Cloud 프로젝트 ID로 바꿉니다.

      MODEL_ID="gemini-2.0-flash-001"
      PROJECT_ID="PROJECT_ID"

   2. Google Cloud CLI를 사용하여 다음 명령어를 실행하여 엔드포인트를 프로비저닝합니다.

      gcloud beta services identity create --service=aiplatform.googleapis.com --project=${PROJECT_ID}

   Vertex AI의 Gemini API에 프롬프트 보내기

   다음 코드를 사용하여 Vertex AI의 Gemini API에 프롬프트를 전송합니다. 이 샘플은 전문 꽃집의 가능한 이름 목록을 반환합니다.

   명령줄에서, IDE를 사용하여 또는 애플리케이션에 코드를 포함하여 코드를 실행할 수 있습니다.

   Gen AI SDK for Python

   설치

   pip install --upgrade google-genai

   자세한 내용은 SDK 참고 문서를 참조하세요.

   Vertex AI에서 Gen AI SDK를 사용하도록 환경 변수를 설정합니다.

   # Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
   # with appropriate values for your project.
   export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
   export GOOGLE_CLOUD_LOCATION=global
   export GOOGLE_GENAI_USE_VERTEXAI=True

   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:
   # ...

   Gen AI SDK for Go

   Gen AI SDK for Go를 설치하거나 업데이트하는 방법을 알아보세요.

   자세한 내용은 SDK 참고 문서를 참조하세요.

   Vertex AI에서 Gen AI SDK를 사용하도록 환경 변수를 설정합니다.

   # Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
   # with appropriate values for your project.
   export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
   export GOOGLE_CLOUD_LOCATION=global
   export GOOGLE_GENAI_USE_VERTEXAI=True

   import (
   	"context"
   	"fmt"
   	"io"
   
   	"google.golang.org/genai"
   )
   
   // generateWithText shows how to generate text using a text prompt.
   func generateWithText(w io.Writer) error {
   	ctx := context.Background()
   
   	client, err := genai.NewClient(ctx, &genai.ClientConfig{
   		HTTPOptions: genai.HTTPOptions{APIVersion: "v1"},
   	})
   	if err != nil {
   		return fmt.Errorf("failed to create genai client: %w", err)
   	}
   
   	resp, err := client.Models.GenerateContent(ctx,
   		"gemini-2.0-flash-001",
   		genai.Text("How does AI work?"),
   		nil,
   	)
   	if err != nil {
   		return fmt.Errorf("failed to generate content: %w", err)
   	}
   
   	respText, err := resp.Text()
   	if err != nil {
   		return fmt.Errorf("failed to convert model response to text: %w", err)
   	}
   	fmt.Fprintln(w, respText)
   	// Example response:
   	// That's a great question! Understanding how AI works can feel like ...
   	// ...
   	// **1. The Foundation: Data and Algorithms**
   	// ...
   
   	return nil
   }
   

   Gen AI SDK for Node.js

   설치

   npm install @google/genai

   자세한 내용은 SDK 참고 문서를 참고하세요.

   Vertex AI에서 Gen AI SDK를 사용하도록 환경 변수를 설정합니다.

   # Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
   # with appropriate values for your project.
   export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
   export GOOGLE_CLOUD_LOCATION=global
   export GOOGLE_GENAI_USE_VERTEXAI=True

   const {GoogleGenAI} = require('@google/genai');
   
   const GOOGLE_CLOUD_PROJECT = process.env.GOOGLE_CLOUD_PROJECT;
   const GOOGLE_CLOUD_LOCATION = process.env.GOOGLE_CLOUD_LOCATION || 'global';
   
   async function generateContent(
     projectId = GOOGLE_CLOUD_PROJECT,
     location = GOOGLE_CLOUD_LOCATION
   ) {
     const ai = new GoogleGenAI({
       vertexai: true,
       project: projectId,
       location: location,
     });
   
     const response = await ai.models.generateContent({
       model: 'gemini-2.0-flash',
       contents: 'How does AI work?',
     });
   
     console.log(response.text);
   
     return response.text;
   }

   Gen AI SDK for Java

   Gen AI SDK for Java를 설치하거나 업데이트하는 방법을 알아보세요.

   자세한 내용은 SDK 참고 문서를 참고하세요.

   Vertex AI에서 Gen AI SDK를 사용하도록 환경 변수를 설정합니다.

   # Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
   # with appropriate values for your project.
   export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
   export GOOGLE_CLOUD_LOCATION=global
   export GOOGLE_GENAI_USE_VERTEXAI=True

   
   import com.google.genai.Client;
   import com.google.genai.types.Content;
   import com.google.genai.types.GenerateContentResponse;
   import com.google.genai.types.HttpOptions;
   import com.google.genai.types.Part;
   
   public class GenerateContentWithText {
   
     public static void main(String[] args) {
       // TODO(developer): Replace these variables before running the sample.
       String modelId = "gemini-2.0-flash";
       generateContent(modelId);
     }
   
     public static String generateContent(String modelId) {
       // Initialize client that will be used to send requests. This client only needs to be created
       // once, and can be reused for multiple requests.
       try (Client client = Client.builder()
           .httpOptions(HttpOptions.builder().apiVersion("v1").build())
           .build()) {
   
         GenerateContentResponse response =
             client.models.generateContent(modelId, Content.fromParts(
                     Part.fromText("How does AI work?")),
                 null);
   
         System.out.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:
         // ...
         return response.text();
       }
     }
   }

   C#

   프롬프트 요청을 전송하려면 C# 파일(.cs)을 만들고 다음 코드를 파일에 복사합니다. your-project-id를 Google Cloud 프로젝트 ID로 설정합니다. 값을 업데이트한 후 코드를 실행합니다.

   
   using Google.Cloud.AIPlatform.V1;
   using System;
   using System.Threading.Tasks;
   
   public class TextInputSample
   {
       public async Task<string> TextInput(
           string projectId = "your-project-id",
           string location = "us-central1",
           string publisher = "google",
           string model = "gemini-2.0-flash-001")
       {
   
           var predictionServiceClient = new PredictionServiceClientBuilder
           {
               Endpoint = $"{location}-aiplatform.googleapis.com"
           }.Build();
           string prompt = @"What's a good name for a flower shop that specializes in selling bouquets of dried flowers?";
   
           var generateContentRequest = new GenerateContentRequest
           {
               Model = $"projects/{projectId}/locations/{location}/publishers/{publisher}/models/{model}",
               Contents =
               {
                   new Content
                   {
                       Role = "USER",
                       Parts =
                       {
                           new Part { Text = prompt }
                       }
                   }
               }
           };
   
           GenerateContentResponse response = await predictionServiceClient.GenerateContentAsync(generateContentRequest);
   
           string responseText = response.Candidates[0].Content.Parts[0].Text;
           Console.WriteLine(responseText);
   
           return responseText;
       }
   }
   

   REST

   이 프롬프트 요청을 전송하려면 명령줄에서 curl 명령어를 실행하거나 애플리케이션에 REST 호출을 포함하세요.

   curl -X POST \
   -H "Authorization: Bearer $(gcloud auth print-access-token)" \
   -H "Content-Type: application/json" \
   https://aiplatform.googleapis.com/v1/projects/${PROJECT_ID}/locations/global/publishers/google/models/${MODEL_ID}:generateContent -d \
   $'{
     "contents": {
       "role": "user",
       "parts": [
         {
           "text": "What\'s a good name for a flower shop that specializes in selling bouquets of dried flowers?"
         }
       ]
     }
   }'

   모델이 응답을 반환합니다. 응답은 여러 섹션으로 생성되고, 안전을 위해 각 섹션이 개별적으로 평가됩니다.

   Vertex AI의 Gemini API에 프롬프트와 이미지 보내기

   다음 코드를 사용하여 텍스트와 이미지가 포함된 프롬프트를 Vertex AI의 Gemini API로 전송합니다. 이 샘플은 제공된 이미지(Java 샘플용 이미지)의 설명을 반환합니다.

   Gen AI SDK for Python

   설치

   pip install --upgrade google-genai

   자세한 내용은 SDK 참고 문서를 참조하세요.

   Vertex AI에서 Gen AI SDK를 사용하도록 환경 변수를 설정합니다.

   # Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
   # with appropriate values for your project.
   export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
   export GOOGLE_CLOUD_LOCATION=global
   export GOOGLE_GENAI_USE_VERTEXAI=True

   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 ...

   Gen AI SDK for Go

   Gen AI SDK for Go를 설치하거나 업데이트하는 방법을 알아보세요.

   자세한 내용은 SDK 참고 문서를 참조하세요.

   Vertex AI에서 Gen AI SDK를 사용하도록 환경 변수를 설정합니다.

   # Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
   # with appropriate values for your project.
   export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
   export GOOGLE_CLOUD_LOCATION=global
   export GOOGLE_GENAI_USE_VERTEXAI=True

   import (
   	"context"
   	"fmt"
   	"io"
   
   	genai "google.golang.org/genai"
   )
   
   // generateWithTextImage shows how to generate text using both text and image input
   func generateWithTextImage(w io.Writer) error {
   	ctx := context.Background()
   
   	client, err := genai.NewClient(ctx, &genai.ClientConfig{
   		HTTPOptions: genai.HTTPOptions{APIVersion: "v1"},
   	})
   	if err != nil {
   		return fmt.Errorf("failed to create genai client: %w", err)
   	}
   
   	modelName := "gemini-2.0-flash-001"
   	contents := []*genai.Content{
   		{Parts: []*genai.Part{
   			{Text: "What is shown in this image?"},
   			{FileData: &genai.FileData{
   				// Image source: https://storage.googleapis.com/cloud-samples-data/generative-ai/image/scones.jpg
   				FileURI:  "gs://cloud-samples-data/generative-ai/image/scones.jpg",
   				MIMEType: "image/jpeg",
   			}},
   		}},
   	}
   
   	resp, err := client.Models.GenerateContent(ctx, modelName, contents, nil)
   	if err != nil {
   		return fmt.Errorf("failed to generate content: %w", err)
   	}
   
   	respText, err := resp.Text()
   	if err != nil {
   		return fmt.Errorf("failed to convert model response to text: %w", err)
   	}
   	fmt.Fprintln(w, respText)
   
   	// Example response:
   	// The image shows an overhead shot of a rustic, artistic arrangement on a surface that ...
   
   	return nil
   }
   

   Gen AI SDK for Node.js

   설치

   npm install @google/genai

   자세한 내용은 SDK 참고 문서를 참고하세요.

   Vertex AI에서 Gen AI SDK를 사용하도록 환경 변수를 설정합니다.

   # Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
   # with appropriate values for your project.
   export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
   export GOOGLE_CLOUD_LOCATION=global
   export GOOGLE_GENAI_USE_VERTEXAI=True

   const {GoogleGenAI} = require('@google/genai');
   
   const GOOGLE_CLOUD_PROJECT = process.env.GOOGLE_CLOUD_PROJECT;
   const GOOGLE_CLOUD_LOCATION = process.env.GOOGLE_CLOUD_LOCATION || 'global';
   
   async function generateContent(
     projectId = GOOGLE_CLOUD_PROJECT,
     location = GOOGLE_CLOUD_LOCATION
   ) {
     const ai = new GoogleGenAI({
       vertexai: true,
       project: projectId,
       location: location,
     });
   
     const image = {
       fileData: {
         fileUri: 'gs://cloud-samples-data/generative-ai/image/scones.jpg',
         mimeType: 'image/jpeg',
       },
     };
   
     const response = await ai.models.generateContent({
       model: 'gemini-2.0-flash',
       contents: [image, 'What is shown in this image?'],
     });
   
     console.log(response.text);
   
     return response.text;
   }

   Gen AI SDK for Java

   Gen AI SDK for Java를 설치하거나 업데이트하는 방법을 알아보세요.

   자세한 내용은 SDK 참고 문서를 참고하세요.

   Vertex AI에서 Gen AI SDK를 사용하도록 환경 변수를 설정합니다.

   # Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
   # with appropriate values for your project.
   export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
   export GOOGLE_CLOUD_LOCATION=global
   export GOOGLE_GENAI_USE_VERTEXAI=True

   
   import com.google.genai.Client;
   import com.google.genai.types.Content;
   import com.google.genai.types.GenerateContentResponse;
   import com.google.genai.types.HttpOptions;
   import com.google.genai.types.Part;
   
   public class GenerateContentWithTextAndImage {
   
     public static void main(String[] args) {
       // TODO(developer): Replace these variables before running the sample.
       String modelId = "gemini-2.0-flash";
       generateContent(modelId);
     }
   
     public static String generateContent(String modelId) {
       // Initialize client that will be used to send requests. This client only needs to be created
       // once, and can be reused for multiple requests.
       try (Client client = Client.builder()
           .httpOptions(HttpOptions.builder().apiVersion("v1").build())
           .build()) {
   
         GenerateContentResponse response =
             client.models.generateContent(modelId, Content.fromParts(
                     Part.fromText("What is shown in this image?"),
                     Part.fromUri("gs://cloud-samples-data/generative-ai/image/scones.jpg", "image/jpeg")),
                 null);
   
         System.out.print(response.text());
         // Example response:
         // The image shows a flat lay of blueberry scones arranged on parchment paper. There are ...
         return response.text();
       }
     }
   }

   C#

   프롬프트 요청을 전송하려면 C# 파일(.cs)을 만들고 다음 코드를 파일에 복사합니다. your-project-id를 Google Cloud 프로젝트 ID로 설정합니다. 값을 업데이트한 후 코드를 실행합니다.

   
   using Google.Api.Gax.Grpc;
   using Google.Cloud.AIPlatform.V1;
   using System.Text;
   using System.Threading.Tasks;
   
   public class GeminiQuickstart
   {
       public async Task<string> GenerateContent(
           string projectId = "your-project-id",
           string location = "us-central1",
           string publisher = "google",
           string model = "gemini-2.0-flash-001"
       )
       {
           // Create client
           var predictionServiceClient = new PredictionServiceClientBuilder
           {
               Endpoint = $"{location}-aiplatform.googleapis.com"
           }.Build();
   
           // Initialize content request
           var generateContentRequest = new GenerateContentRequest
           {
               Model = $"projects/{projectId}/locations/{location}/publishers/{publisher}/models/{model}",
               GenerationConfig = new GenerationConfig
               {
                   Temperature = 0.4f,
                   TopP = 1,
                   TopK = 32,
                   MaxOutputTokens = 2048
               },
               Contents =
               {
                   new Content
                   {
                       Role = "USER",
                       Parts =
                       {
                           new Part { Text = "What's in this photo?" },
                           new Part { FileData = new() { MimeType = "image/png", FileUri = "gs://generativeai-downloads/images/scones.jpg" } }
                       }
                   }
               }
           };
   
           // Make the request, returning a streaming response
           using PredictionServiceClient.StreamGenerateContentStream response = predictionServiceClient.StreamGenerateContent(generateContentRequest);
   
           StringBuilder fullText = new();
   
           // Read streaming responses from server until complete
           AsyncResponseStream<GenerateContentResponse> responseStream = response.GetResponseStream();
           await foreach (GenerateContentResponse responseItem in responseStream)
           {
               fullText.Append(responseItem.Candidates[0].Content.Parts[0].Text);
           }
   
           return fullText.ToString();
       }
   }
   

   REST

   IDE에서 이 프롬프트 요청을 전송하거나 적절한 경우 REST 호출을 애플리케이션에 삽입할 수 있습니다.

   curl -X POST \
   -H "Authorization: Bearer $(gcloud auth print-access-token)" \
   -H "Content-Type: application/json" \
   https://aiplatform.googleapis.com/v1/projects/${PROJECT_ID}/locations/global/publishers/google/models/${MODEL_ID}:generateContent -d \
   $'{
     "contents": {
       "role": "user",
       "parts": [
         {
         "fileData": {
           "mimeType": "image/jpeg",
           "fileUri": "gs://generativeai-downloads/images/scones.jpg"
           }
         },
         {
           "text": "Describe this picture."
         }
       ]
     }
   }'

   모델이 응답을 반환합니다. 응답은 여러 섹션으로 생성되고, 안전을 위해 각 섹션이 개별적으로 평가됩니다.

   Vertex AI의 Gemini API에 프롬프트와 동영상 보내기

   다음 코드를 사용하여 텍스트, 오디오, 동영상이 포함된 프롬프트를 Vertex AI의 Gemini API로 전송합니다. 이 샘플은 오디오 트랙의 중요한 항목을 포함하여 제공된 동영상에 관한 설명을 반환합니다.

   명령줄을 사용하거나, IDE를 사용하거나, 애플리케이션에 REST 호출을 포함하여 이 프롬프트 요청을 전송할 수 있습니다.

   Gen AI SDK for Python

   설치

   pip install --upgrade google-genai

   자세한 내용은 SDK 참고 문서를 참조하세요.

   Vertex AI에서 Gen AI SDK를 사용하도록 환경 변수를 설정합니다.

   # Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
   # with appropriate values for your project.
   export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
   export GOOGLE_CLOUD_LOCATION=global
   export GOOGLE_GENAI_USE_VERTEXAI=True

   from google import genai
   from google.genai.types import HttpOptions, Part
   
   client = genai.Client(http_options=HttpOptions(api_version="v1"))
   prompt = """
   Analyze the provided video file, including its audio.
   Summarize the main points of the video concisely.
   Create a chapter breakdown with timestamps for key sections or topics discussed.
   """
   response = client.models.generate_content(
       model="gemini-2.5-flash",
       contents=[
           Part.from_uri(
               file_uri="gs://cloud-samples-data/generative-ai/video/pixel8.mp4",
               mime_type="video/mp4",
           ),
           prompt,
       ],
   )
   
   print(response.text)
   # Example response:
   # Here's a breakdown of the video:
   #
   # **Summary:**
   #
   # Saeka Shimada, a photographer in Tokyo, uses the Google Pixel 8 Pro's "Video Boost" feature to ...
   #
   # **Chapter Breakdown with Timestamps:**
   #
   # * **[00:00-00:12] Introduction & Tokyo at Night:** Saeka Shimada introduces herself ...
   # ...

   Gen AI SDK for Go

   Gen AI SDK for Go를 설치하거나 업데이트하는 방법을 알아보세요.

   자세한 내용은 SDK 참고 문서를 참조하세요.

   Vertex AI에서 Gen AI SDK를 사용하도록 환경 변수를 설정합니다.

   # Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
   # with appropriate values for your project.
   export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
   export GOOGLE_CLOUD_LOCATION=global
   export GOOGLE_GENAI_USE_VERTEXAI=True

   import (
   	"context"
   	"fmt"
   	"io"
   
   	genai "google.golang.org/genai"
   )
   
   // generateWithVideo shows how to generate text using a video input.
   func generateWithVideo(w io.Writer) error {
   	ctx := context.Background()
   
   	client, err := genai.NewClient(ctx, &genai.ClientConfig{
   		HTTPOptions: genai.HTTPOptions{APIVersion: "v1"},
   	})
   	if err != nil {
   		return fmt.Errorf("failed to create genai client: %w", err)
   	}
   
   	modelName := "gemini-2.0-flash-001"
   	contents := []*genai.Content{
   		{Parts: []*genai.Part{
   			{Text: `Analyze the provided video file, including its audio.
   Summarize the main points of the video concisely.
   Create a chapter breakdown with timestamps for key sections or topics discussed.`},
   			{FileData: &genai.FileData{
   				FileURI:  "gs://cloud-samples-data/generative-ai/video/pixel8.mp4",
   				MIMEType: "video/mp4",
   			}},
   		}},
   	}
   
   	resp, err := client.Models.GenerateContent(ctx, modelName, contents, nil)
   	if err != nil {
   		return fmt.Errorf("failed to generate content: %w", err)
   	}
   
   	respText, err := resp.Text()
   	if err != nil {
   		return fmt.Errorf("failed to convert model response to text: %w", err)
   	}
   	fmt.Fprintln(w, respText)
   
   	// Example response:
   	// Here's an analysis of the provided video file:
   	//
   	// **Summary**
   	//
   	// The video features Saeka Shimada, a photographer in Tokyo, who uses the new Pixel phone ...
   	//
   	// **Chapter Breakdown**
   	//
   	// *   **0:00-0:05**: Introduction to Saeka Shimada and her work as a photographer in Tokyo.
   	// ...
   
   	return nil
   }
   

   Gen AI SDK for Node.js

   설치

   npm install @google/genai

   자세한 내용은 SDK 참고 문서를 참고하세요.

   Vertex AI에서 Gen AI SDK를 사용하도록 환경 변수를 설정합니다.

   # Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
   # with appropriate values for your project.
   export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
   export GOOGLE_CLOUD_LOCATION=global
   export GOOGLE_GENAI_USE_VERTEXAI=True

   const {GoogleGenAI} = require('@google/genai');
   
   const GOOGLE_CLOUD_PROJECT = process.env.GOOGLE_CLOUD_PROJECT;
   const GOOGLE_CLOUD_LOCATION = process.env.GOOGLE_CLOUD_LOCATION || 'global';
   
   async function generateContent(
     projectId = GOOGLE_CLOUD_PROJECT,
     location = GOOGLE_CLOUD_LOCATION
   ) {
     const ai = new GoogleGenAI({
       vertexai: true,
       project: projectId,
       location: location,
     });
   
     const prompt = `
     Analyze the provided video file, including its audio.
     Summarize the main points of the video concisely.
     Create a chapter breakdown with timestamps for key sections or topics discussed.
    `;
   
     const video = {
       fileData: {
         fileUri: 'gs://cloud-samples-data/generative-ai/video/pixel8.mp4',
         mimeType: 'video/mp4',
       },
     };
   
     const response = await ai.models.generateContent({
       model: 'gemini-2.0-flash',
       contents: [video, prompt],
     });
   
     console.log(response.text);
   
     return response.text;
   }

   Gen AI SDK for Java

   Gen AI SDK for Java를 설치하거나 업데이트하는 방법을 알아보세요.

   자세한 내용은 SDK 참고 문서를 참고하세요.

   Vertex AI에서 Gen AI SDK를 사용하도록 환경 변수를 설정합니다.

   # Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
   # with appropriate values for your project.
   export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
   export GOOGLE_CLOUD_LOCATION=global
   export GOOGLE_GENAI_USE_VERTEXAI=True

   
   import com.google.genai.Client;
   import com.google.genai.types.Content;
   import com.google.genai.types.GenerateContentResponse;
   import com.google.genai.types.HttpOptions;
   import com.google.genai.types.Part;
   
   public class GenerateContentWithVideo {
   
     public static void main(String[] args) {
       // TODO(developer): Replace these variables before running the sample.
       String modelId = "gemini-2.0-flash";
       String prompt = " Analyze the provided video file, including its audio.\n"
           + "    Summarize the main points of the video concisely.\n"
           + "    Create a chapter breakdown with timestamps for key sections or topics discussed.";
       generateContent(modelId, prompt);
     }
   
     public static String generateContent(String modelId, String prompt) {
       // Initialize client that will be used to send requests. This client only needs to be created
       // once, and can be reused for multiple requests.
       try (Client client = Client.builder()
           .httpOptions(HttpOptions.builder().apiVersion("v1").build())
           .build()) {
   
         GenerateContentResponse response =
             client.models.generateContent(modelId, Content.fromParts(
                     Part.fromText(prompt),
                     Part.fromUri("gs://cloud-samples-data/generative-ai/video/pixel8.mp4", "video/mp4")),
                 null);
   
         System.out.print(response.text());
         // Example response:
         // Here's a breakdown of the video:
         //
         // **Summary:**
         //
         // Saeka Shimada, a photographer in Tokyo, uses the Google Pixel 8 Pro's "Video Boost" feature
         // to ...
         //
         // **Chapter Breakdown with Timestamps:**
         //
         // * **[00:00-00:12] Introduction & Tokyo at Night:** Saeka Shimada introduces herself ...
         return response.text();
       }
     }
   }

   C#

   프롬프트 요청을 전송하려면 C# 파일(.cs)을 만들고 다음 코드를 파일에 복사합니다. your-project-id를 Google Cloud 프로젝트 ID로 설정합니다. 값을 업데이트한 후 코드를 실행합니다.

   
   using Google.Cloud.AIPlatform.V1;
   using System;
   using System.Threading.Tasks;
   
   public class VideoInputWithAudio
   {
       public async Task<string> DescribeVideo(
           string projectId = "your-project-id",
           string location = "us-central1",
           string publisher = "google",
           string model = "gemini-2.0-flash-001")
       {
   
           var predictionServiceClient = new PredictionServiceClientBuilder
           {
               Endpoint = $"{location}-aiplatform.googleapis.com"
           }.Build();
   
           string prompt = @"Provide a description of the video.
   The description should also contain anything important which people say in the video.";
   
           var generateContentRequest = new GenerateContentRequest
           {
               Model = $"projects/{projectId}/locations/{location}/publishers/{publisher}/models/{model}",
               Contents =
               {
                   new Content
                   {
                       Role = "USER",
                       Parts =
                       {
                           new Part { Text = prompt },
                           new Part { FileData = new() { MimeType = "video/mp4", FileUri = "gs://cloud-samples-data/generative-ai/video/pixel8.mp4" }}
                       }
                   }
               }
           };
   
           GenerateContentResponse response = await predictionServiceClient.GenerateContentAsync(generateContentRequest);
   
           string responseText = response.Candidates[0].Content.Parts[0].Text;
           Console.WriteLine(responseText);
   
           return responseText;
       }
   }
   

   REST

   curl -X POST \
   -H "Authorization: Bearer $(gcloud auth print-access-token)" \
   -H "Content-Type: application/json" \
   https://aiplatform.googleapis.com/v1/projects/${PROJECT_ID}/locations/global/publishers/google/models/${MODEL_ID}:generateContent -d \
   $'{
     "contents": {
       "role": "user",
       "parts": [
         {
         "fileData": {
           "mimeType": "video/mp4",
           "fileUri": "gs://cloud-samples-data/generative-ai/video/pixel8.mp4"
           }
         },
         {
           "text": "Provide a description of the video. The description should also contain anything important which people say in the video."
         }
       ]
     }
   }'

   모델이 응답을 반환합니다. 응답은 여러 섹션으로 생성되고, 안전을 위해 각 섹션이 개별적으로 평가됩니다.

   다음 단계

   • Vertex AI의 Gemini API에 대해 자세히 알아보세요.
   • Google 생성형 AI SDK 참조를 살펴봅니다.
   • OpenAI 라이브러리를 사용하여 Vertex AI 모델 호출에 대해 알아보세요.