Alpha: Firebase Genkit for Go is in Alpha, which means that it is not subject to any SLA or deprecation policy and could change in backwards-incompatible ways. Throughout the Alpha period, Firebase Genkit and its documentation will be updated and improved.

このページは Cloud Translation API によって翻訳されました。

Go で Genkit を使ってみる（アルファ版）

Go 用の Firebase Genkit ライブラリのプレビュー版が利用可能になりました。これは、 Go ライブラリは現在アルファ版です。API や機能の変更が開発が進展します。推奨するのはプロトタイピングとあります

ライブラリやドキュメントで問題が見つかった場合は、ご報告ください。 GitHub リポジトリをご覧ください。

Genkit の使用を開始するには、Genkit CLI をインストールして次のコマンドを実行します。 Go プロジェクトの genkit init。このページの残りの部分では、その方法について説明します。

要件

Go 1.22 以降
Node.js 20 以降（Genkit CLI および UI の場合）

推奨事項: nvm と nvm-windowsのツールは特定のバージョンの Node がまだインストールされていない場合に、簡単にインストールできます。インストールされています。これらのツールはユーザーごとに Node をインストールするため、システム全体に変更を加える必要はありません

macOS や Linux などの Unix 系のシステムに nvm をインストールするには、次のコマンドを実行します。 command:
```
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.7/install.sh | bash
```
次に、nvm を使用して Node をインストールするため、新しいシェルを開き、次のコマンドを実行します。 command:
```
nvm install 20
```

手順

次のコマンドを実行して Genkit CLI をインストールします。
```
npm i -g genkit
```
このコマンドにより、Genkit CLI が Node のインストールディレクトリにインストールされますそのため、Node プロジェクトの外部で使用できるようにします。
新しいプロジェクトディレクトリを作成します。
```
mkdir genkit-intro && cd genkit-intro
```

Genkit プロジェクトを初期化します。

genkit init

ランタイム環境として Go を選択します。
モデルを選択します。
Gemini（Google AI）
最も簡単に始める方法は、Google AI Gemini API を使用することです。確認事項です利用可能な地域をご確認ください。

アプリケーションの API キーを生成 Google AI Studio を使用する Gemini API。次に、GOOGLE_GENAI_API_KEY を設定します。環境変数を次のように設定します。
```
export GOOGLE_GENAI_API_KEY=<your API key>
```
Gemini（Vertex AI）
お住まいの地域で Google AI Gemini API を利用できない場合は、以下をご検討ください。 Gemini やその他のモデルも提供している Vertex AI API を使用します。マイページ課金が有効な Google Cloud プロジェクトを用意し、次の環境変数を設定します。
```
gcloud services enable aiplatform.googleapis.com
export GCLOUD_PROJECT=<your project ID>
export GCLOUD_LOCATION=us-central1
```
Vertex AI の料金をご覧ください。
モジュール名には任意の名前を指定します。例: example/genkit-intro
残りの質問に対するデフォルトの回答を選択すると、プロジェクトフォルダをサンプルコードで初期化します。

genkit init コマンドにより、サンプル Go モジュールが作成され、依存関係が存在します。ファイル main.go には単一のフローが含まれています。 menuSuggestionFlow: LLM に特定の商品の提案を求めるプロンプトを特定のテーマのレストランになります。

このファイルは、次のようになります（プラグインの構成手順）。 Vertex AI を選択した場合は、表示が異なる場合があります）。

package main

import (
    "context"
    "errors"
    "fmt"
    "log"

    // Import Genkit and the Google AI plugin
    "github.com/firebase/genkit/go/ai"
    "github.com/firebase/genkit/go/genkit"
    "github.com/firebase/genkit/go/plugins/googleai"
)

func main() {
    ctx := context.Background()

    // Initialize the Google AI plugin. When you pass nil for the
    // Config parameter, the Google AI plugin will get the API key from the
    // GOOGLE_GENAI_API_KEY environment variable, which is the recommended
    // practice.
    if err := googleai.Init(ctx, nil); err != nil {
        log.Fatal(err)
    }

    // Define a simple flow that prompts an LLM to generate menu suggestions.
    genkit.DefineFlow("menuSuggestionFlow", func(ctx context.Context, input string) (string, error) {
        // The Google AI API provides access to several generative models. Here,
        // we specify gemini-1.5-flash.
        m := googleai.Model("gemini-1.5-flash")
        if m == nil {
            return "", errors.New("menuSuggestionFlow: failed to find model")
        }

        // Construct a request and send it to the model API (Google AI).
        resp, err := m.Generate(ctx,
            ai.NewGenerateRequest(
                &ai.GenerationCommonConfig{Temperature: 1},
                ai.NewUserTextMessage(fmt.Sprintf(`Suggest an item for the menu of a %s themed restaurant`, input))),
            nil)
        if err != nil {
            return "", err
        }

        // Handle the response from the model API. In this sample, we just
        // convert it to a string. but more complicated flows might coerce the
        // response into structured output or chain the response into another
        // LLM call.
        text, err := resp.Text()
        if err != nil {
            return "", fmt.Errorf("menuSuggestionFlow: %v", err)
        }
        return text, nil
    })

    // Initialize Genkit and start a flow server. This call must come last,
    // after all of your plug-in configuration and flow definitions. When you
    // pass a nil configuration to Init, Genkit starts a local flow server,
    // which you can interact with using the developer UI.
    if err := genkit.Init(ctx, nil); err != nil {
        log.Fatal(err)
    }
}

Genkit でアプリの AI 機能を構築する際、入力の前処理、より高度な入力の前処理など、複数のステップを持つフロープロンプト構築、情報ソースの統合、検索拡張生成（RAG）など

Genkit の特徴とサンプルプロジェクトをローカルで実行して探索できるようになりましたインストールします。Genkit デベロッパー UI をダウンロードして開始します。
```
genkit start
```
これで Genkit デベロッパー UI がマシンで実行されました。モデルを実行するとき次のステップで、マシンがオーケストレーションタスクを実行します。フローのステップを連携させるために必要な操作です外部への呼び出しサービス（Gemini API など）は、引き続きライブストリーミングに対して説明します。

また、開発環境にいるため、Genkit はトレースとローカルファイルに保存されています。
Genkit デベロッパー UI は、 genkit start コマンドを使用します。

デベロッパー UI では、定義したフローや、作成したモデルを確認できます。実行し、以前の実行のトレースを調べる。以下をお試しください次の特長があります。
- [Run] タブに、実行中のすべてのフローのリストが表示されます。プラグインで構成されたモデルが含まれます。
  
  menuSuggestionFlow をクリックし、入力テキスト（例: "cat"）。問題がなければ、メニューが提供されます。おすすめします。
- [Inspect] タブに、フロー実行の履歴が表示されます。各フローに渡されたパラメータとトレースフローが自動的に最適化されます。

Go で Genkit を使ってみる（アルファ版）

要件

手順

Gemini（Google AI）

Gemini（Vertex AI）