從應用程式叫用 Genkit 流程

Cloud Functions for Firebase 提供 onCallGenkit 方法，可讓您使用 Genkit 動作 (資料流) 建立可呼叫的函式。您可以使用 genkit/beta/client 或 Cloud Functions 用戶端 SDK 呼叫這些函式，這些函式會自動新增驗證資訊。

事前準備

  • 您應該熟悉 Genkit 的流程概念，並瞭解如何編寫流程。本頁的操作說明假設您已定義要部署的部分流程。
  • 如先前曾使用 Cloud Functions for Firebase，這項資訊會很有幫助，但並非必要。

設定 Firebase 專案

  1. 使用 Firebase 主控台建立新的 Firebase 專案，或選擇現有專案。

  2. 將專案升級至 Blaze 方案，這是 Cloud Functions 實際部署作業所需的方案。

  3. 安裝 Firebase CLI。

  4. 使用 Firebase CLI 登入：

    firebase login
firebase login --reauth # alternative, if necessary
firebase login --no-localhost # if running in a remote shell

  5. 建立新的專案目錄：

    export PROJECT_ROOT=~/tmp/genkit-firebase-project1
mkdir -p $PROJECT_ROOT

  6. 在目錄中初始化 Firebase 專案：

    cd $PROJECT_ROOT
firebase init functions

本頁其餘部分假設您已選擇在 JavaScript 中編寫函式。

在 onCallGenkit 中包裝流程

設定含有 Cloud Functions 的 Firebase 專案後，您可以在專案的 functions 目錄中複製或編寫流程定義。以下是示範這項功能的流程：

const ai = genkit({
  plugins: [googleAI()],
  model: gemini15Flash,
});

const jokeTeller = ai.defineFlow({
  name: "jokeTeller",
  inputSchema: z.string().nullable(),
  outputSchema: z.string(),
  streamSchema: z.string(),
}, async (jokeType = "knock-knock", {sendChunk}) => {
  const prompt = `Tell me a ${jokeType} joke.`;

  // Call the `generateStream()` method to
  // receive the `stream` async iterable.
  const {stream, response: aiResponse} = ai.generateStream(prompt);

  // Send new words of the generative AI response
  // to the client as they are generated.
  for await (const chunk of stream) {
    sendChunk(chunk.text);
  }

  // Return the full generative AI response
  // to clients that may not support streaming.
  return (await aiResponse).text;
},
);
index.js

如要部署這類流程，請使用 firebase-functions/https 中的 onCallGenkit 包裝它。這個輔助方法具有可呼叫函式的所有功能，並自動支援串流和 JSON 回應。

const {onCallGenkit} = require("firebase-functions/v2/https");
exports.tellJoke = onCallGenkit({
  // Bind the Gemini API key secret parameter to the function.
  secrets: [apiKey],
},
// Pass in the genkit flow.
jokeTeller,
);
index.js

讓 API 憑證可供已部署的資料流使用

部署後，流程需要透過某種方式，驗證所依賴的任何遠端服務。大多數的資料流至少需要憑證，才能存取所使用的模型 API 服務。

在本例中，請根據所選模型供應器執行下列任一操作：

Gemini (Google AI)

  1. 確認 Google AI 是否支援您的地區。

  2. 使用 Google AI Studio 產生 Gemini API 的 API 金鑰。

  3. 將 API 金鑰儲存在 Cloud Secret Manager 中：

    firebase functions:secrets:set GOOGLE_GENAI_API_KEY

    這項步驟非常重要，可避免 API 金鑰意外外洩，導致您無法存取可能會計費的服務。

    如要進一步瞭解如何管理機密資料，請參閱「儲存及存取機密設定資訊」。

  4. 編輯 src/index.js，並在現有匯入內容後方新增以下內容：

    const {defineSecret} = require("firebase-functions/params");
// Store the Gemini API key in Cloud Secret Manager.
const apiKey = defineSecret("GOOGLE_GENAI_API_KEY");
    index.js

    接著，在可呼叫的函式定義中，宣告函式需要存取此密鑰值：

    // Bind the Gemini API key secret parameter to the function.
secrets: [apiKey],
    index.js

從現在開始，當您部署這個函式時，API 金鑰會儲存在 Cloud Secret Manager 中，並可從 Cloud Functions 環境取得。

Gemini (Vertex AI)

  1. 在 Cloud 控制台中，為 Firebase 專案啟用 Vertex AI API。

  2. 在「IAM」頁面上，確認「預設運算服務帳戶」已獲授「Vertex AI 使用者」角色。

您只需為本教學課程的模型供應商設定一個機密，但一般來說，您必須為流程使用的每項服務執行類似的操作。

(選用) 新增 App Check 強制執行機制

Firebase App Check 會使用原生認證，驗證 API 是否僅由應用程式呼叫。onCallGenkit 可透過宣告方式支援 App Check 強制執行。

export const generatePoem = onCallGenkit({
  enforceAppCheck: true,
  // Optional. Makes App Check tokens only usable once. This adds extra security
  // at the expense of slowing down your app to generate a token for every API
  // call
  consumeAppCheckToken: true,
}, generatePoemFlow);

設定 CORS (跨源資源共享)

使用 cors 選項控管哪些來源可以存取函式。

根據預設，可呼叫的函式會將 CORS 設為允許來自所有來源的要求。如要允許部分跨來源要求 (但不是全部)，請傳遞應允許的特定網域或規則運算式清單。例如：

export const tellJoke = onCallGenkit({
  cors: 'mydomain.com',
}, jokeTeller);

完整範例

完成上述所有變更後，可部署的工作流程會如下所示：

const {onCallGenkit} = require("firebase-functions/v2/https");
const {defineSecret} = require("firebase-functions/params");

// Dependencies for Genkit.
const {gemini15Flash, googleAI} = require("@genkit-ai/googleai");
const {genkit, z} = require("genkit");

// Store the Gemini API key in Cloud Secret Manager.
const apiKey = defineSecret("GOOGLE_GENAI_API_KEY");

const ai = genkit({
  plugins: [googleAI()],
  model: gemini15Flash,
});

const jokeTeller = ai.defineFlow({
  name: "jokeTeller",
  inputSchema: z.string().nullable(),
  outputSchema: z.string(),
  streamSchema: z.string(),
}, async (jokeType = "knock-knock", {sendChunk}) => {
  const prompt = `Tell me a ${jokeType} joke.`;

  // Call the `generateStream()` method to
  // receive the `stream` async iterable.
  const {stream, response: aiResponse} = ai.generateStream(prompt);

  // Send new words of the generative AI response
  // to the client as they are generated.
  for await (const chunk of stream) {
    sendChunk(chunk.text);
  }

  // Return the full generative AI response
  // to clients that may not support streaming.
  return (await aiResponse).text;
},
);

exports.tellJoke = onCallGenkit({
  // Bind the Gemini API key secret parameter to the function.
  secrets: [apiKey],
},
// Pass in the genkit flow.
jokeTeller,
);
index.js

將流程部署至 Firebase

使用 onCallGenkit 定義流程後，您可以像部署其他函式一樣部署流程：

cd $PROJECT_ROOT
firebase deploy --only functions