Esta página fornece respostas a perguntas frequentes e informações sobre a solução de problemas dos SDKs Gemini API e Vertex AI in Firebase. Para mais perguntas, consulte as perguntas frequentes sobre Gemini API na documentação do Google Cloud.
Perguntas frequentes gerais
Quais APIs precisam ser ativadas para usar os SDKs Vertex AI in Firebase? E como faço para ativá-los?
Para usar os SDKs Vertex AI in Firebase, seu projeto precisa ter as seguintes APIs ativadas:
- API Vertex AI (
aiplatform.googleapis.com) - API Vertex AI in Firebase (
firebasevertexai.googleapis.com)
É possível ativar essas APIs com alguns cliques no console Firebase:
Acesse a página Criar com o Gemini.
Clique no card Vertex AI in Firebase para iniciar um fluxo de trabalho que ativa as duas APIs. Esse fluxo de trabalho também adiciona a API Vertex AI in Firebase à lista de permissões da chave da API do Firebase.
Como alternativa, use o console Google Cloud (opção mais manual):
Clique em cada link de API na parte de cima desta entrada de perguntas frequentes e, em seguida, em Ativar na página de cada API.
Adicione a API Vertex AI in Firebase à lista de permissões da chave de API do Firebase seguindo as instruções em Adicionar restrições de API na documentação da Google Cloud.
Quais permissões são necessárias para usar os SDKs Vertex AI in Firebase?
| Ação | Permissões do IAM necessárias | Papéis do IAM que incluem as permissões necessárias por padrão |
|---|---|---|
| Fazer upgrade do faturamento para o plano de preços Blaze de pagamento por uso | firebase.billingPlans.updateresourcemanager.projects.createBillingAssignmentresourcemanager.projects.deleteBillingAssignment
|
Proprietário |
| Ativar APIs no projeto | serviceusage.services.enable |
Editor Responsável |
| Criar um app do Firebase | firebase.clients.create |
Administrador do Firebase Editor Proprietário |
Quais modelos podem ser usados com os SDKs Vertex AI in Firebase?
É possível usar qualquer um dos modelos de base Gemini e Imagen 3 com os SDKs Vertex AI in Firebase, incluindo versões de pré-lançamento e experimentais. Confira uma lista desses modelos em Saiba mais sobre os modelos compatíveis.
Não é possível usar modelos Gemini sem base (como modelos PaLM, modelos ajustados ou modelos baseados em Gemma) com os SDKs Vertex AI in Firebase.
O Vertex AI in Firebase também não oferece suporte a modelos Imagen mais antigos ou
imagen-3.0-capability-001.
Adicionamos novos recursos aos SDKs com frequência. Por isso, confira as atualizações destas perguntas frequentes, bem como nas notas da versão, blogs e postagens nas redes sociais.
Esses recursos estão disponíveis ao usar Vertex AI in Firebase? Armazenamento em cache de contexto, pesquisa como ferramenta, embasamento na Pesquisa Google, execução de código, ajuste fino de um modelo, geração de embeddings e recuperação semântica?
O armazenamento em cache de contexto, a pesquisa como ferramenta, a busca com a Pesquisa Google, a execução de código, o ajuste fino de um modelo, a geração de embeddings e a recuperação semântica são compatíveis com vários modelos ou com o Vertex AI Gemini API, mas não estão disponíveis ao usar Vertex AI in Firebase.
Se você quiser adicionar esses recursos como solicitações ou votar em uma solicitação existente, acesse o UserVoice do Firebase.
Como definir um limite de taxa por usuário?
Por padrão, Vertex AI in Firebase define o limite de solicitações por usuário em 100 solicitações por minuto (RPM).
Se você quiser ajustar o limite de taxa por usuário, ajuste as configurações de cota da API Vertex AI in Firebase.
Saiba mais sobre a cota da API Vertex AI in Firebase. Nela, você também pode aprender a acessar e editar sua cota.
Solucionar erros
Como corrigir esse erro 400? Service agents are being provisioned ... Service agents are needed to read the Cloud Storage file provided.
Se você estiver tentando enviar uma solicitação multimodal com um URL Cloud Storage for Firebase, poderá encontrar o seguinte erro 400:
Service agents are being provisioned ... Service agents are needed to read the Cloud Storage file provided.
Esse erro é causado por um projeto que não tinha os agentes de serviço necessários provisionados automaticamente quando a API Vertex AI foi ativada no projeto. Esse é um problema conhecido em alguns projetos, e estamos trabalhando em uma correção global.
Confira a solução alternativa para corrigir seu projeto e provisionar corretamente esses agentes de serviço para que você possa começar a incluir URLs Cloud Storage for Firebase nas suas solicitações multimodais. Você precisa ser um proprietário do projeto e só precisa concluir esse conjunto de tarefas uma vez.
Acesse e faça a autenticação com o gcloud CLI.
A maneira mais fácil de fazer isso é em Cloud Shell. Saiba mais na documentação da Google Cloud.Se solicitado, siga as instruções exibidas no terminal para executar o gcloud CLI no seu projeto do Firebase.
Você vai precisar do ID do projeto do Firebase, que pode ser encontrado na parte de cima da página settings Configurações do projeto no console Firebase.
Provisione os agentes de serviço necessários no projeto executando o seguinte comando:
curl -X POST -H "Authorization: Bearer $(gcloud auth print-access-token)" -H "Content-Type: application/json" https://us-central1-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/us-central1/endpoints -d ''
Aguarde alguns minutos para garantir que os agentes de serviço sejam provisionados e tente enviar a solicitação multimodal que inclui o URL Cloud Storage for Firebase novamente.
Se o erro continuar ocorrendo depois de alguns minutos, entre em contato com o suporte do Firebase.
Como corrigir esse erro 400? API key not valid. Please pass a valid API key.
Se você receber um erro 400 com a mensagem
API key not valid. Please pass a valid API key., geralmente significa que a
chave de API no arquivo/objeto de configuração do Firebase não existe ou não está configurada
para ser usada com o app e/ou projeto do Firebase.
Verifique se a chave de API listada no arquivo/objeto de configuração do Firebase corresponde à chave de API do app. É possível conferir todas as chaves de API no painel APIs e serviços > Credenciais no console Google Cloud.
Se você descobrir que elas não correspondem, extraia um novo arquivo/objeto de configuração do Firebase e substitua o que está no app. O arquivo/objeto de configuração novo precisa conter uma chave de API válida para o app e o projeto do Firebase.
Como corrigir este erro 403? Requests to this API firebasevertexai.googleapis.com ... are blocked.
Se você receber um erro 403 com a mensagem
Requests to this API firebasevertexai.googleapis.com ... are blocked.,
geralmente significa que a chave de API no arquivo/objeto de configuração do Firebase
não tem uma API necessária na lista de permissões para o produto que você está tentando
usar.
Verifique se a chave de API usada pelo app tem todas as APIs necessárias incluídas na lista de permissões "Restrições de API". Para Vertex AI in Firebase, a chave de API precisa ter pelo menos a API Vertex AI in Firebase na lista de permissões.
É possível conferir todas as chaves de API no painel APIs e serviços > Credenciais no console Google Cloud.
Como corrigir este erro 403? PERMISSION_DENIED: The caller does not have permission.
Se você receber um erro 403 com a mensagem
PERMISSION_DENIED: The caller does not have permission., geralmente significa que
a chave de API no arquivo/objeto de configuração do Firebase pertence a um projeto
diferente.
Verifique se a chave de API listada no arquivo/objeto de configuração do Firebase corresponde à chave de API do app. É possível conferir todas as chaves de API no painel APIs e serviços > Credenciais no console Google Cloud.
Se você descobrir que elas não correspondem, extraia um novo arquivo/objeto de configuração do Firebase e substitua o que está no app. O arquivo/objeto de configuração novo precisa conter uma chave de API válida para o app e o projeto do Firebase.
Enviar feedback sobre sua experiência com o Vertex AI in Firebase