Vertex AI eklentisi, Google'ın çeşitli üretken yapay zeka modellerine arayüz sağlar Vertex AI API aracılığıyla yapabilirsiniz:
- Gemini 1.0 Pro ve Gemini 1.0 Pro Vision metin oluşturma
- Imagen2 resim oluşturma
- Geko metin yerleştirme oluşturma
Ayrıca Vertex AI Hızlı Değerlendirme API'si üzerinden değerlendirme metriklerinin alt kümesine erişim de sunar.
Kurulum
npm i --save @genkit-ai/vertexai
Bu eklentiyi kullanan akışları yerel olarak çalıştırmak istiyorsanız Google Cloud CLI aracı yüklenmiş olmalıdır.
Yapılandırma
Bu eklentiyi kullanmak için configureGenkit()
çağırırken eklentiyi belirtin:
import { vertexAI } from '@genkit-ai/vertexai';
export default configureGenkit({
plugins: [
vertexAI({ projectId: 'your-cloud-project', location: 'us-central1' }),
],
// ...
});
Eklenti, Google Cloud projenizin kimliğini belirtmenizi gerektirir. region [bölge] Vertex API isteklerinde bulunmak istediğiniz paket ve Google Cloud projeniz kimlik bilgileri.
Google Cloud proje kimliğinizi, şurada
projectId
öğesini ayarlayarak belirtebilirsiniz:vertexAI()
yapılandırmasını veyaGCLOUD_PROJECT
ortamını ayarlayarak değişkenine eklenmelidir. Akışınızı bir Google Cloud ortamından (Cloud) çalıştırıyorsanız Functions, Cloud Run vb.)GCLOUD_PROJECT
, otomatik olarak ortamın proje kimliğidir.API konumunu
location
vertexAI()
yapılandırmasını veyaGCLOUD_LOCATION
ortamını ayarlayarak değişkenine eklenmelidir.API kimlik bilgilerini sağlamak için Google Cloud uygulamasını kurmanız gerekir. Varsayılan Kimlik Bilgileri.
Kimlik bilgilerinizi belirtmek için:
Akışınızı bir Google Cloud ortamından (Cloud) çalıştırıyorsanız Functions, Cloud Run ve benzeri) otomatik olarak ayarlanır.
Yerel geliştirme ortamınızda bu işlemi aşağıdaki komutu çalıştırarak yapın:
gcloud auth application-default login
- Diğer ortamlar için Application Default Credentials (Uygulama Varsayılan Kimlik Bilgileri) sayfasına bakın. dokümanlar.
Ayrıca hesaba Vertex AI Kullanıcısı IAM rolü verildiğinden emin olun. (
roles/aiplatform.user
). Vertex AI erişim denetimine göz atın. dokümanlar.
Kullanım
Üretken Yapay Zeka Modelleri
Bu eklenti, desteklenen üretken yapay zeka modellerine yapılan referansları statik olarak dışa aktarır:
import { gemini15Flash, gemini15Pro, imagen2 } from '@genkit-ai/vertexai';
generate()
tarafından kullanılacak modeli belirtmek için bu referanslardan yararlanabilirsiniz:
const llmResponse = await generate({
model: gemini15Flash,
prompt: 'What should I do when I visit Melbourne?',
});
Bu eklenti ayrıca, yerleştirilmiş Gecko metin referansını statik olarak dışa aktarır model:
import { textEmbeddingGecko } from '@genkit-ai/vertexai';
Bir dizinleyici veya alıcıyı hangi yerleştiriciyi belirtmek için bu referansı kullanabilirsiniz? belirler. Örneğin, Chroma DB kullanıyorsanız:
configureGenkit({
plugins: [
chroma([
{
embedder: textEmbeddingGecko,
collectionName: 'my-collection',
},
]),
],
});
Dilerseniz doğrudan bir yerleştirme oluşturabilirsiniz:
// import { embed, EmbedderArgument } from '@genkit-ai/ai/embedder';
const embedding = await embed({
embedder: textEmbeddingGecko,
content: 'How many widgets do you have in stock?',
});
Vertex AI Model Garden'da Anthropic Claude 3
Vertex AI Model Garden'da Claude 3 modellerine (haiku, sonnet veya opus) erişiminiz varsa bunları Genkit ile kullanabilirsiniz.
Vertex AI Model Garden modellerini etkinleştirmek için aşağıdaki örnek yapılandırma verilmiştir:
import {
vertexAI,
claude3Haiku,
claude3Sonnet,
claude3Opus,
} from '@genkit-ai/vertexai';
export default configureGenkit({
plugins: [
vertexAI({
location: 'us-central1',
modelGarden: {
models: [claude3Haiku, claude3Sonnet, claude3Opus],
},
}),
],
});
Daha sonra bunları normal model olarak kullanın:
const llmResponse = await generate({
model: claude3Sonnet,
prompt: 'What should I do when I visit Melbourne?',
});
Vertex AI Model Garden'da Lama 3.1 405b
Vertex AI Model Garden'da Llama 3.1 405b'ye erişiminiz varsa bunu Genkit ile kullanabilirsiniz.
Vertex AI Model Garden modellerini etkinleştirmek için aşağıdaki örnek yapılandırma verilmiştir:
import { vertexAI, llama3 } from '@genkit-ai/vertexai';
export default configureGenkit({
plugins: [
vertexAI({
location: 'us-central1',
modelGarden: {
models: [llama3],
},
}),
],
});
Daha sonra, bunu normal modeller olarak kullanın:
const llmResponse = await generate({
model: llama3,
prompt: 'Write a function that adds two numbers together',
});
Değerlendiriciler
Vertex AI Hızlı Değerlendirme'deki değerlendiricileri kullanmak için vertexAI
eklentisi yapılandırmanıza bir evaluation
bloğu ekleyin.
import { vertexAI, VertexAIEvaluationMetricType } from '@genkit-ai/vertexai';
export default configureGenkit({
plugins: [
vertexAI({
projectId: 'your-cloud-project',
location: 'us-central1',
evaluation: {
metrics: [
VertexAIEvaluationMetricType.SAFETY,
{
type: VertexAIEvaluationMetricType.ROUGE,
metricSpec: {
rougeType: 'rougeLsum',
},
},
],
},
}),
],
// ...
});
Yukarıdaki yapılandırma, Safety
ve ROUGE
metrikleri için değerlendiriciler ekler. Örnekte iki yaklaşım gösterilmektedir: Safety
metriği varsayılan spesifikasyonu kullanırken ROUGE
metriği, rouge türünü rougeLsum
olarak ayarlayan özelleştirilmiş bir spesifikasyon sağlar.
Her iki değerlendirici de genkit eval:run
komutu kullanılarak uyumlu bir veri kümesiyle (yani output
ve reference
alanları olan bir veri kümesi) çalıştırılabilir. Safety
değerlendiricisi, yalnızca output
gerektirdiğinden genkit eval:flow -e vertexai/safety
komutu kullanılarak da çalıştırılabilir.