Przepływy Firebase Genkit możesz wdrożyć jako usługi internetowe za pomocą Cloud Run. Ta strona, przeprowadzi Cię przez proces wdrażania domyślnej próbki przepływu danych.
Zainstaluj wymagane narzędzia:
Upewnij się, że używasz środowiska Node.js w wersji 20 lub nowszej (uruchom
node --version
).Zainstaluj Google Cloud CLI.
Utwórz nowy projekt Google Cloud za pomocą Cloud Console lub wybierz istniejącą. Projekt musi być połączony z kontem rozliczeniowym.
Gdy utworzysz lub wybierzesz projekt, skonfiguruj Google Cloud CLI do :
gcloud init
Utwórz katalog dla przykładowego projektu Genkit:
mkdir -p ~/tmp/genkit-cloud-project
cd ~/tmp/genkit-cloud-project
Jeśli zamierzasz używać IDE, otwórz je w tym katalogu.
Zainicjuj projekt Node.js w katalogu projektu:
npm init -y
Zainicjuj Genkit w projekcie Node.js:
genkit init
Wybierz dostawcę modelu, którego chcesz użyć. Zaakceptuj wartości domyślne dla pozostałych promptów. Narzędzie
genkit
utworzy przykładowe pliki źródłowe aby zacząć tworzyć własne procesy oparte na AI. W pozostałej części samouczka, ale wdrożysz po prostu przykładowy przepływ.Udostępnij dane logowania do interfejsu API wdrożonej funkcji. Wykonaj jedną z tych czynności: w zależności od wybranego dostawcy modelu:
Gemini (AI od Google)
Upewnij się, że AI od Google dostępne w Twoim regionie.
Wygeneruj klucz interfejsu API dla platformy Gemini API za pomocą Google AI Studio.
Udostępnij klucz interfejsu API w środowisku Cloud Run:
- W konsoli Cloud włącz Interfejs Secret Manager API.
- Dzień Usługa Secret Manager utwórz nowy obiekt tajny zawierający klucz interfejsu API.
- Po utworzeniu obiektu tajnego na tej samej stronie przyznaj domyślne dostępu konta usługi Compute do obiektu tajnego za pomocą Rola Uzyskujący dostęp do obiektów tajnych w usłudze Secret Manager. (Możesz wyszukać nazwę domyślnego konta usługi Compute na stronie Uprawnienia).
W jednym z późniejszych kroków podczas wdrażania usługi konieczne będzie odwołują się do nazwy tego obiektu tajnego.
Opcjonalnie: jeśli chcesz uruchomić przepływ lokalnie, jak w następnym kroku ustaw zmienną środowiskową
GOOGLE_GENAI_API_KEY
na swój klucz:export GOOGLE_GENAI_API_KEY=<your API key>
Gemini (Vertex AI)
W konsoli Google Cloud Włączanie interfejsu Vertex AI API do swojego projektu.
W Uprawnieniach sprawdź, czy przyznano domyślne konto usługi Compute. rolę Użytkownik Vertex AI.
Opcjonalnie: jeśli chcesz uruchomić przepływ lokalnie, jak w następnym kroku ustaw kilka dodatkowych zmiennych środowiskowych i użyj Narzędzie
gcloud
do konfiguracji domyślne dane uwierzytelniające aplikacji:export GCLOUD_PROJECT=<your project ID>
export GCLOUD_LOCATION=us-central1
gcloud auth application-default login
Jedynym obiektem tajnym, który musisz skonfigurować na potrzeby tego samouczka, jest model ale z reguły należy zrobić coś podobnego w przypadku każdej usługi używane przez przepływ.
Opcjonalnie: spróbuj wykonać opisane niżej czynności w interfejsie dewelopera:
Uruchom interfejs:
genkit start
W interfejsie programisty (http://localhost:4000/) uruchom ten proces:
Kliknij menusuggestionFlow.
Na karcie Input JSON (Dane wejściowe) podaj temat modelu:
"banana"
Kliknij Wykonaj.
Jeśli na razie wszystko działa zgodnie z oczekiwaniami, możesz skompilować i wdrożyć przepływ:
Gemini (AI od Google)
npm run build
gcloud run deploy --update-secrets=GOOGLE_GENAI_API_KEY=<your-secret-name>:latest
Gemini (Vertex AI)
npm run build
gcloud run deploy
Gdy pojawi się pytanie o zezwolenie na nieuwierzytelnione wywołania, wybierz
N
. OdpowiedźN
spowoduje, że usługa będzie wymagać danych logowania uprawnień. Zobacz Uwierzytelnianie w dokumentacji Cloud Run.
Po zakończeniu wdrażania narzędzie wyświetli adres URL usługi. Możesz przetestować
go za pomocą funkcji curl
:
curl -X POST https://<service-url>/menuSuggestionFlow \
-H "Authorization: Bearer $(gcloud auth print-identity-token)" \
-H "Content-Type: application/json" -d '{"data": "banana"}'