Atualize dinamicamente seu app da Vertex AI no Firebase com a Configuração remota do Firebase

Ao chamar a Gemini API do seu app usando um SDK da Vertex AI in Firebase, a solicitação contém vários parâmetros que controlam as respostas da IA generativa. Geralmente, eles incluem o nome do modelo, a configuração de geração de modelo (tokens máximos, temperatura etc.), configurações de segurança, instruções do sistema e dados de comandos.

Na maioria dos casos, convém mudar esses valores conforme necessário em vários cenários:

• Atualize seu modelo de IA generativa sem lançar um novo app. É possível fazer upgrade para versões de modelo mais recentes e estáveis antes que as versões anteriores sejam desativadas, mudar para modelos de menor custo ou de maior desempenho com base nas necessidades e nos atributos dos usuários ou implantar condicionalmente os modelos mais recentes e melhores em segmentos de usuários específicos (como testadores Beta).
• Defina o local em que você acessa o modelo para que ele fique mais próximo dos usuários.
• Faça testes A/B de diferentes instruções e comandos do sistema e depois lance aos poucos os valores do experimento vencedor para os usuários.
• Use flags de recurso para expor ou ocultar rapidamente recursos de IA generativa no app.

A Firebase Remote Config faz tudo isso e mais ainda, permitindo que você atualize os valores dos parâmetros conforme necessário e condicionalmente para instâncias de apps que correspondem às características definidas no console do Firebase, sem lançar uma nova versão do app.

Este guia de soluções apresenta casos de uso recomendados específicos e descreve como adicionar a Remote Config ao seu app de IA generativa.

Ir para a implementação do código

Por que usar a Firebase Remote Config com seu app?

Com a Firebase Remote Config, você ajusta dinamicamente o comportamento do app sem precisar de atualizações. Isso é especialmente útil para apps que usam IA generativa, em que a iteração rápida e o ajuste fino são cruciais.

Casos de uso essenciais para a Remote Config com apps de IA generativa

Recomendamos o uso da Remote Config com a Vertex AI in Firebase para os seguintes casos de uso essenciais:

• Upgrade para a versão mais recente do modelo sem uma atualização do app: use os parâmetros da Remote Config para mudar o nome do modelo conforme necessário, para que você possa fazer upgrade para a versão mais recente do seu modelo preferido do Gemini assim que ela estiver disponível.
• Atualizar as instruções do sistema e as configurações de segurança sem atualizar o app: armazene as instruções do sistema e as configurações de segurança nos parâmetros da Remote Config para que elas possam ser alteradas sob demanda se você descobrir problemas após a implantação.
• Reduzir riscos e aplicar a segurança da IA: use os lançamentos da Remote Config para lançar mudanças de IA generativa de forma segura e gradual para seus usuários do iOS e do Android.

Casos de uso avançados e recomendados para a Remote Config com apps de IA generativa

Depois de instrumentar o app com a Remote Config e o Google Analytics, você pode explorar casos de uso avançados:

• Defina a localização com base na localização do cliente: use condições de Remote Config para definir a localização do modelo com base na localização detectada do cliente.
• Teste modelos diferentes: teste e alterne rapidamente entre vários modelos de IA generativa ou implante modelos diferentes em diferentes segmentos de usuários para encontrar o melhor para seu caso de uso específico.
• Otimize o desempenho do modelo: faça o ajuste fino dos parâmetros do modelo, como comando do sistema, máximo de tokens de saída, temperatura e outras configurações.

• Use diferentes instruções, comandos e configurações de modelo do sistema com base nos atributos do cliente: ao usar a Remote Config com o Google Analytics, é possível criar condições baseadas nos atributos do cliente ou nos públicos-alvo personalizados e definir diferentes parâmetros com base nesses atributos.

  Por exemplo, se você estiver usando a IA generativa para oferecer suporte técnico no app, defina instruções específicas do sistema para a plataforma do app para garantir que instruções precisas sejam fornecidas aos usuários do Android, iOS e da plataforma da Web.

• Personalize as experiências para cada usuário: use a personalização da Remote Config para determinar automaticamente as configurações de IA generativa ideais para cada usuário.

• Controle de custos: ajuste remotamente quais modelos de IA generativa são chamados, com que frequência eles são usados e configure dinamicamente os valores máximos de token de saída com base no público-alvo do usuário para reduzir custos desnecessários.

• Otimize a experiência e os resultados do app: use A/B Testing com a Remote Config com seus apps iOS, Android e Flutter para testar mudanças nos parâmetros de IA generativa em diferentes segmentos de usuários e conferir como elas afetam as principais métricas, como retenção e receita.

Ao instrumentar seu app de IA generativa com a Firebase Remote Config, você pode criar aplicativos com IA flexíveis, seguros e econômicos, além de criar experiências incríveis para seus usuários.

Importante: não armazene dados confidenciais em chaves ou valores de parâmetro da Remote Config. Os dados são criptografados em trânsito, mas os usuários finais podem acessar qualquer parâmetro padrão ou buscado da Remote Config ou da Vertex AI in Firebase que esteja disponível para a instância do app.

Adicionar o Firebase Remote Config ao app

iOS+ Android Web Flutter

Neste guia de solução, você vai usar a Firebase Remote Config para atualizar dinamicamente parâmetros no app Android que usam o SDK da Vertex AI in Firebase. Você aprenderá o seguinte:

• Buscar e ativar parâmetros como nomes de modelos e instruções do sistema na Firebase Remote Config.
• Atualizar suas chamadas da Gemini API para usar os parâmetros recuperados dinamicamente, permitindo alternar entre modelos diferentes ou modificar instruções do sistema sem uma atualização do app.
• Controlar os parâmetros remotamente, ajustando o comportamento e os recursos do modelo conforme necessário.

Pré-requisitos

Neste guia, pressupomos que você já sabe usar o JavaScript para desenvolver apps da Web. Este guia não depende da estrutura. Antes de começar, verifique se você já:

• Concluiu o Guia para iniciantes do SDK da Vertex AI in Firebase. Verifique se você fez o seguinte:

  1. Configurou um projeto novo ou existente do Firebase, incluindo o uso do plano de preços Blaze e a ativação das APIs necessárias.
  2. Conectou seu app ao Firebase, incluindo o registro e a adição da configuração do Firebase.
  3. Adicionou o SDK e inicializou o serviço da Vertex AI e o modelo generativo no seu app.

• Ative o Google Analytics no seu projeto e adicione o SDK ao app (obrigatório para segmentação condicional, como definir a localização do serviço e do modelo com base na localização do dispositivo do cliente).

Dica: se você não tiver um app próprio, use o app de início rápido para a Vertex AI in Firebase.

Etapa 1: defina valores de parâmetro no console do Firebase

Crie um modelo de Remote Config do cliente e configure os parâmetros e valores para buscar e usar no app.

1. Abra o console do Firebase e, no menu de navegação, abra Executar e selecione Remote Config.
2. Verifique se Cliente está selecionado no seletor Cliente/Servidor na parte de cima da página de Remote Config.
   • Se esta é a primeira vez que você usa modelos de Remote Config do cliente, clique em Criar configuração. O painel Criar seu primeiro parâmetro será exibido.
   • Se esta não for a primeira vez que você usa modelos de Remote Config, clique em Adicionar parâmetro.

3. Defina os seguintes parâmetros Remote Config:

   Nome do parâmetro	Descrição	Tipo	Valor padrão
   model_name	Nome do modelo. Para acessar listas atualizadas de nomes de modelos a serem usados no código, consulte Nomes de modelos disponíveis.	String	gemini-2.0-flash
   system_instructions	As instruções do sistema são como um "preâmbulo" que você adiciona antes que o modelo seja exposto a outras instruções do usuário final para influenciar o comportamento do modelo com base em necessidades e casos de uso específicos.	String	You are a helpful assistant who knows everything there is to know about Firebase!
   prompt	Comando padrão para usar com seu recurso de IA generativa.	String	I am a developer who wants to know more about Firebase!
   vertex_location	Controle o local para executar o serviço da Vertex AI e acessar um modelo. É possível definir condições para configurar essa opção com base na localização do cliente detectada pelo Google Analytics.	String	us-central1

   Dica: depois de criar um parâmetro de Remote Config, é possível controlá-lo dinâmica ou condicionalmente ou usá-lo para A/B Testing ou lançamentos de recursos. Para mais ideias, consulte Casos de uso avançados e recomendados para Remote Config com apps de IA generativa.

4. Quando terminar de adicionar parâmetros, clique em Publicar alterações. Se esse não for um novo modelo de Remote Config, revise as mudanças e clique em Publicar alterações novamente.

Etapa 2: adicionar e inicializar o SDK de Remote Config

Adicione e inicialize o SDK de Remote Config:

1. Abra o código em um editor de texto e importe a Remote Config:

   import { getRemoteConfig } from 'firebase/remote-config';
   

2. Na função principal e depois que o app do Firebase for inicializado para o SDK da Vertex AI in Firebase, inicialize a Remote Config:

     // Initialize Remote Config and get a reference to the service
     const remoteConfig = getRemoteConfig(app);
   

3. Defina um intervalo de busca mínimo: Nesee exemplo, o intervalo de busca padrão é de 3.600 segundos, mas recomendamos definir um intervalo de busca mínimo relativamente baixo no código durante o desenvolvimento.

   remoteConfig.settings.minimumFetchIntervalMillis = 3600000;
   

Etapa 3: definir os valores de parâmetros padrão no app

Defina os valores de parâmetro padrão no app no objeto Remote Config para que ele funcione antes de se conectar ao back-end de Remote Config, se o acesso à rede do cliente for interrompido e/ou se nenhum valor for configurado no back-end.

Dica: se você já configurou os valores de parâmetro do back-end de Remote Config, faça o download de um arquivo JSON gerado com todos os valores padrão e salve esse arquivo no pacote do app. Consulte Primeiros passos para mais informações.

Neste exemplo, você define manualmente valores padrão para o nome do modelo, as instruções do sistema, o comando do usuário e o local da Vertex AI:

// Set default Remote Config parameter values
remoteConfig.defaultConfig = {
  model_name: 'gemini-2.0-flash',
  system_instructions:
    'You are a helpful assistant who knows everything there is to know about Firebase!',
  prompt: 'I am a developer who wants to know more about Firebase!',
  vertex_location: 'us-central1',
};

Etapa 4: buscar e ativar valores

1. Adicione getValue e fetchAndActivate às importações:

   import { getValue, fetchAndActivate } from 'firebase/remote-config';
   

2. Depois do código adicionado para configurar os valores padrão de Remote Config, busque e ative a configuração e atribua valores às constantes modelName, systemInstructions, prompt e vertexLocation.

   // Fetch and activate Remote Config.
   try {
     await fetchAndActivate(remoteConfig);
   } catch(err) {
     console.error('Remote Config fetch failed', err);
   }
   
   console.log('Remote Config fetched.');
   
   // Assign Remote Config values.
   const modelName = getValue(remoteConfig, 'model_name').asString();
   const systemInstructions = getValue(remoteConfig, 'system_instructions').asString();
   const prompt = getValue(remoteConfig, 'prompt').asString();
   const vertexLocation = getValue(remoteConfig, 'vertex_location').asString();
   

Importante: coloque qualquer código que dependa desses valores após a busca e ativação.

Etapa 5: atualizar as chamadas da Vertex AI para usar valores da Remote Config

Agora que a Remote Config está totalmente configurada, atualize o código para substituir valores codificados por valores provenientes da Remote Config. Por exemplo, se estivesse usando o exemplo usado em Começar a usar a API Gemini com os SDKs da Vertex AI no Firebase, você o atualizaria da seguinte maneira:

// Initialize FirebaseApp
const firebaseApp = initializeApp(firebaseConfig);

// Initialize the Vertex AI service
// Optionally specify a location in which to run the service and access the model
const vertexAI = getVertexAI(firebaseApp, { location: vertexLocation });

// Initialize the generative model with a model that supports your use case
// Gemini 1.5 models are versatile and can be used with all API capabilities
const model = getGenerativeModel(vertexAI, {
  model: modelName,
  systemInstruction: systemInstruction
});

// Wrap in an async function so you can use await
async function run() {
  // Provide a prompt that contains text
  const userPrompt = prompt;

  // To generate text output, call generateContent with the text input
  const result = await model.generateContent(userPrompt);

  const response = result.response;
  const text = response.text();
  console.log(text);
}

Etapa 6: executar o app

Execute o app e verifique se ele funciona. Faça mudanças na configuração na página de Remote Config no console do Firebase, publique as mudanças e verifique o resultado.

Próximas etapas

• Saiba mais sobre Remote Config.
• Adicione o Google Analytics ao seu código para ativar a segmentação.