在伺服器環境使用遠端設定

Node.js Python

Firebase Remote Config 支援使用 Firebase 管理員 Python SDK 6.7.0 以上版本的伺服器端設定。這項功能可讓您使用 Remote Config 動態管理伺服器端應用程式的行為和設定。這包括 Cloud Functions 等無伺服器導入作業。

與 Firebase 用戶端 SDK 不同，後者會從 Remote Config 範本擷取衍生的用戶端專屬設定，而伺服器端 Remote Config SDK 則會從 Firebase 下載完整的 Remote Config 範本。這樣一來，伺服器就能根據每個傳入的要求評估範本，並使用自身邏輯提供低延遲的自訂回應。您可以使用條件，根據自訂信號中定義的隨機百分比和用戶端屬性，控制及自訂回應。

您可以透過伺服器端 Remote Config 執行下列操作：

• 為在伺服器上執行或透過伺服器存取的應用程式定義設定參數，以便遠端設定 AI 模型參數和提示，以及其他整合，確保 API 金鑰安全無虞。
• 根據環境變更或其他應用程式變更 (例如更新 LLM 參數和模型端點)，動態調整參數。
• 透過遠端更新伺服器呼叫的 API，控管費用。
• 為存取伺服器的用戶端即時產生自訂設定。
• 記錄哪些用戶端收到參數值，並在 Cloud Functions 中使用此值，做為授權驗證系統的一部分。

您可以在 Cloud Run、Cloud Functions 或自管伺服器環境中部署伺服器端 Remote Config。

伺服器環境中的 Remote Config 為預先發布版。這表示功能可能會變更，且版本可能只提供部分支援。

歡迎您在使用伺服器端遠端設定時，提供意見回饋。

事前準備

請按照「將 Firebase Admin SDK 新增至伺服器」中的操作說明，建立 Firebase 專案、設定服務帳戶，並將 Firebase Python SDK 新增至伺服器。

步驟 1：初始化 Firebase Admin Python SDK 並授權 API 要求

當您使用沒有參數來初始化 Admin SDK 時，SDK 會使用 Google 應用程式預設憑證，並從 GOOGLE_APPLICATION_CREDENTIALS 環境變數讀取選項。如要初始化 SDK 並新增 Remote Config，請按照下列步驟操作：

import firebase_admin
import asyncio
import json

firebase_admin.initialize_app()

步驟 2：找出伺服器應用程式的預設參數值

找出應用程式中要使用 Remote Config 動態更新的變數。接著，請考量應用程式中必須預設設定哪些變數，以及這些變數的預設值。這樣一來，即使應用程式與 Remote Config 後端伺服器的連線中斷，應用程式仍可順利執行。

舉例來說，如果您要編寫用於管理生成式 AI 函式的伺服器應用程式，可以設定預設模型名稱、提示前置文字和生成式 AI 設定，如下所示：

參數名稱	說明	類型	預設值
model_name	模型 API 名稱	字串	gemini-2.0-flash
preamble_prompt	提示要附加到使用者的查詢	字串	I'm a developer who wants to learn about Firebase and you are a helpful assistant who knows everything there is to know about Firebase!
generation_config	要傳送至模型的參數	JSON	{"stopSequences": ["I hope this helps"], "temperature": 0.7, "maxOutputTokens": 512, "topP": 0.1, "topK": 20}

步驟 3：設定伺服器應用程式

確定要與 Remote Config 搭配使用的參數後，請設定應用程式，以便設定預設值、擷取特定伺服器的 Remote Config 範本，並使用其值。以下步驟說明如何設定 Python 應用程式。

1. 存取及載入範本。

   from firebase_admin import remote_config
   
   # Initialize server-side Remote Config
   template = remote_config.init_server_template()
   
   # Load the template from the backend
    asyncio.run(template.load())
   
   

   如果您使用 Python 搭配 Cloud Functions，可以使用非同步 get_server_template 在單一步驟中擷取及載入範本：

   # Initialize server-side Remote Config
   template = remote_config.get_server_template()
   

2. 為確保應用程式即使與 Remote Config 後端伺服器的連線中斷，也能順利執行，請在應用程式中為每個參數新增預設值。如要這麼做，請在 init_server_template 或 get_server_template 範本函式中新增 defaultConfig：

   template = remote_config.init_server_template({
     defaultConfig: {
       'model_name': "gemini-pro",
       'generation_config': '{"stopSequences": [], "temperature": 0.7, "maxOutputTokens": 512, "topP": 0.1, "topK": 20}',
       'preamble_prompt': "I'm a developer who wants to learn about Firebase and you are a helpful assistant who knows everything there is to know about Firebase!"
     },
   })
   
   # Load Remote Config
   asyncio.run(template.load())
   
   

   您也可以使用 get_server_template 函式擷取所需的伺服器範本，藉此初始化範本。您可以使用 template.to_json 函式，將這個範本轉換為 JSON 格式。這個 JSON 範本可儲存在本機。接著，您可以使用 init_server_template 函式初始化這個 JSON 範本。

3. 範本載入後，請使用 template.evaluate() 從範本匯入參數和值：

   # Add template parameters to config
   config = template.evaluate()
   

4. 您也可以在 Remote Config 範本中設定條件，定義並提供所需的值：

   • 如果使用百分比條件，請在 template.evaluate() 函式中新增要用於評估條件的 randomizationId。
   • 如果使用自訂信號，請定義屬性及其值。自訂信號適用於 Firebase Admin Python SDK 6.7.0 以上版本。

   舉例來說，您可以將 Firebase 安裝 ID 設為 randomizationId 或使用者 ID，確保與您的伺服器聯絡的每位使用者都會加入適當的隨機群組，version 則可做為指定特定用戶端版本的自訂信號，platform 則可做為指定用戶端平台的自訂信號。

   注意： 以下範例已簡化。在實際情境中，您可能會將伺服器設為為每個用戶端建立不重複的隨機 ID。這可確保 Remote Config 根據百分比條件，根據指派給使用者的群組一律提供相同的值。

   如要進一步瞭解條件，請參閱「條件規則類型」。

   # Add template parameters to `config`. Evaluates the
   # template and returns the parameter value assigned to
   # the group assigned to the {randomizationId} and version.
   config = template.evaluate({
     'randomizationId': "2ac93c28-c459-4760-963d-a3974ec26c04",
     'version': "1.0",
     'platform': "Android"
   })
   
   

   重要事項： 如果在評估範本時未指定 randomizationId 或自訂信號，系統會傳回 Remote Config 範本的預設值。

5. 接下來，請從設定常數中擷取所需的參數值。使用 getters 將 Remote Config 的值轉換為預期格式。支援以下類型：

   • 布林值：get_bool
   • 物件：get_value
   • 編號：get_number
   • 字串：get_string

   舉例來說，如果您在伺服器上導入 Vertex AI，並想要變更模型和模型參數，建議您為 model_name 和 generation_config 設定參數。以下範例說明如何存取 Remote Config 的值：

   # Replace defaults with values from Remote Config.
   generation_config = json.loads(config.get_string('generation_config'))
   is_ai_enabled = config.get_bool('is_ai_enabled')
   model = config.get_string('model_name')
   
   # Generates a prompt comprised of the Remote Config
   # parameter and prepends it to the user prompt.
   prompt = f"{config.get_string('preamble_prompt')}{req.args.get('prompt')}"
   

6. 如果您的伺服器是長時間執行的伺服器 (而非無伺服器環境)，請使用 setInterval 定期重新載入範本，確保您定期從 Remote Config 伺服器擷取最新的範本。

步驟 4：在 Remote Config 中設定伺服器專屬參數值

接著，請建立伺服器 Remote Config 範本，並設定應用程式要使用的參數和值。

如要建立特定伺服器的 Remote Config 範本，請按照下列步驟操作：

1. 開啟 Firebase 控制台 Remote Config 參數頁面，然後從 Client/Server 選取器中選取 Server。
2. 定義 Remote Config 參數時，請使用與應用程式中定義的參數相同的名稱和資料類型，並提供值。擷取及評估範本並將這些值指派給變數時，這些值會覆寫您在「設定伺服器應用程式」中設定的 defaultConfig。
3. 您可以視情況設定條件，將值持續套用至隨機的執行個體樣本或自訂信號。如要進一步瞭解條件，請參閱「條件規則類型」。
4. 新增參數完成後，請按一下「發布變更」。
5. 查看變更內容，然後再次按一下「發布變更」。

步驟 5：使用 Cloud Functions 或 Cloud Run 部署

如果您的伺服器應用程式是輕量且事件驅動的，建議您使用 Cloud Functions 部署程式碼。舉例來說，如果您的應用程式包含由生成式 AI API (例如 Google AI 或 Vertex AI) 提供的角色對話，您可以在應用程式按需呼叫的函式中代管 LLM 服務邏輯。

• 如要使用第 2 代 Cloud Functions 搭配伺服器端 Remote Config 的解決方案，請參閱「使用伺服器端 Remote Config 搭配 Cloud Functions 和 Vertex AI」一文。

• 如要進一步瞭解如何使用 Cloud Functions 部署應用程式，請參閱「開始使用：編寫、測試及部署第一個函式」一文。

如果您的應用程式是長時間執行的應用程式 (例如含有資產的網頁應用程式)，不妨考慮使用 Cloud Run。如要使用 Cloud Run 部署伺服器應用程式，請參閱「快速入門導覽課程：將 Python 服務部署至 Cloud Run」一文。

如要進一步瞭解 Cloud Run 和 Cloud Functions 的最佳用途，請參閱「Cloud Functions 與 Cloud Run：何時應使用哪一個」。

注意： Cloud Functions 和 Cloud Run 需要帳單帳戶。詳情請參閱 Cloud Functions 定價和 Cloud Run 定價。