您可以使用任何可托管 Go 二进制文件的服务，将 Firebase Genkit flow 部署为 Web 服务。本页面将引导您完成部署默认示例 flow 的一般流程，并针对具体提供方提供了相应的操作。
为 Genkit 示例项目创建一个目录：
mkdir -p ~/tmp/genkit-cloud-projectcd ~/tmp/genkit-cloud-project如果您要使用 IDE，请用其打开此目录。
在项目目录中初始化 Go 模块：
go mod init example/cloudrun在项目中初始化 Genkit：
genkit init选择要使用的模型提供方。
对于其余提示，接受默认设置即可。
genkit工具将创建一个示例源文件，以便您开始开发自己的 AI flow。不过，在本教程的其余部分，您只需部署示例 flow 即可。修改示例文件（
main.go或genkit.go），明确指定 flow 服务器应监听的端口：if err := genkit.Init(ctx, &genkit.Options{FlowAddr: ":3400"}, // Add this parameter. ); err != nil { log.Fatal(err) }如果您的提供方要求您监听特定端口，请务必相应地配置 Genkit。
实现某种形式的身份验证和授权，以控制对您计划部署的 flow 的访问权限。
由于大多数生成式 AI 服务都是按流量计费的，因此您应该不希望允许对调用这些服务的所有端点进行公开访问。某些托管服务会提供一个身份验证层，作为部署在其上的应用的前端，您可以用其来实现流量控制。
向已部署的函数提供 API 凭据。根据您选择的模型提供方，执行以下操作之一：
Gemini (Google AI)
使用 Google AI Studio 为 Gemini API 生成 API 密钥。
在已部署的环境中提供 API 密钥。
大多数应用主机都提供了特定系统来安全地处理 API 密钥之类的 Secret。通常，这些 Secret 以环境变量的形式提供给您的应用。如果您可以将 API 密钥分配给
GOOGLE_GENAI_API_KEY变量，Genkit 会自动使用该密钥。否则，您需要修改googleai.Init()调用以明确设置密钥。（但不要直接在代码中嵌入密钥！请使用托管服务提供商提供的 Secret 管理功能。）
Gemini (Vertex AI)
在 Cloud 控制台中，为您的项目启用 Vertex AI API。
在 IAM 页面上，创建一个服务账号以访问 Vertex AI API（如果您还没有服务账号）。
为该账号授予 Vertex AI User 角色。
在您的托管环境中设置应用默认凭据。
使用您的 Google Cloud 项目 ID 和要使用的 Vertex AI API 位置配置该插件。为此，您可以在托管环境或
vertexai.Init()调用中设置GCLOUD_PROJECT和GCLOUD_LOCATION环境变量。
在本教程中，您只需要为模型提供方设置 Secret，但一般来说，您必须为 flow 使用的每项服务执行类似的操作。
可选：在开发者界面中试用 flow：
为您选择的模型提供方设置本地环境：
Gemini (Google AI)
export GOOGLE_GENAI_API_KEY=<your API key>Gemini (Vertex AI)
export GCLOUD_PROJECT=<your project ID>export GCLOUD_LOCATION=us-central1gcloud auth application-default login启动界面：
genkit start在开发者界面 (http://localhost:4000/) 中，运行 flow：
点击 menuSuggestionFlow。
在输入 JSON 标签页上，为模型提供一个主题：
"banana"点击运行。
如果到目前为止一切正常，您便可以使用提供方的工具构建和部署该 flow。