این راهنما به شما نشان میدهد که چگونه میتوانید با استفاده از Vertex AI in Firebase SDK برای پلتفرم انتخابی خود، مستقیماً از برنامه خود با Vertex AI Gemini API تماس بگیرید.
به صورت اختیاری با نسخه جایگزین « Google AI » از Gemini API آزمایش کنید
با استفاده از Google AI Studio و Google AI Client SDK، دسترسی رایگان (در محدوده و در صورت وجود) دریافت کنید. این SDK ها باید فقط برای نمونه سازی در برنامه های موبایل و وب استفاده شوند.بعد از اینکه با نحوه عملکرد Gemini API آشنا شدید، به Vertex AI in Firebase SDK (این مستندات) مهاجرت کنید ، که دارای بسیاری از ویژگیهای اضافی مهم برای برنامههای موبایل و وب هستند، مانند محافظت از API در برابر سوء استفاده با استفاده از Firebase App Check و پشتیبانی از فایل های رسانه ای بزرگ در درخواست ها
به صورت اختیاری Vertex AI Gemini API سمت سرور را فراخوانی کنید (مانند Python، Node.js یا Go)
از Vertex AI SDK ، Firebase Genkit یا Firebase Extensions برای Gemini API استفاده کنید.
پیش نیازها
این راهنما فرض می کند که شما با استفاده از جاوا اسکریپت برای توسعه برنامه های وب آشنا هستید. این راهنما مستقل از چارچوب است.
مطمئن شوید که محیط توسعه و برنامه وب شما شرایط زیر را دارد:
- (اختیاری) Node.js
- مرورگر وب مدرن
(اختیاری) برنامه نمونه را بررسی کنید.
می توانید SDK را به سرعت امتحان کنید، اجرای کامل موارد استفاده مختلف را مشاهده کنید، یا اگر برنامه وب خود را ندارید از نمونه برنامه استفاده کنید. برای استفاده از برنامه نمونه، باید آن را به پروژه Firebase متصل کنید .
مرحله 1 : یک پروژه Firebase راه اندازی کنید و برنامه خود را به Firebase متصل کنید
اگر قبلاً یک پروژه Firebase و یک برنامه متصل به Firebase دارید
در کنسول Firebase ، به صفحه Build with Gemini بروید.
روی Vertex AI in Firebase کلیک کنید تا یک گردش کاری راه اندازی شود که به شما کمک می کند کارهای زیر را انجام دهید:
پروژه خود را ارتقا دهید تا از طرح قیمت گذاری Blaze استفاده کنید.
API های مورد نیاز را در پروژه خود فعال کنید ( Vertex AI API و Vertex AI in Firebase API).
برای افزودن SDK به برنامه خود، مرحله بعدی این راهنما را ادامه دهید.
اگر قبلاً یک پروژه Firebase و یک برنامه متصل به Firebase ندارید
وارد کنسول Firebase شوید.
روی ایجاد پروژه کلیک کنید و سپس از یکی از گزینه های زیر استفاده کنید:
گزینه 1 : با وارد کردن نام پروژه جدید در اولین مرحله از گردش کار «ایجاد پروژه»، یک پروژه کاملاً جدید Firebase (و پروژه Google Cloud زیربنایی آن به صورت خودکار) ایجاد کنید.
گزینه 2 : «افزودن Firebase» به پروژه Google Cloud موجود با انتخاب نام پروژه Google Cloud خود از منوی کشویی در مرحله اول گردش کار «ایجاد پروژه».
توجه داشته باشید که وقتی از شما خواسته شد، برای استفاده از Vertex AI in Firebase SDK نیازی به تنظیم Google Analytics ندارید .
در کنسول Firebase ، به صفحه Build with Gemini بروید.
روی Vertex AI in Firebase کلیک کنید تا یک گردش کاری راه اندازی شود که به شما کمک می کند کارهای زیر را انجام دهید:
پروژه خود را ارتقا دهید تا از طرح قیمت گذاری Blaze استفاده کنید.
API های مورد نیاز را در پروژه خود فعال کنید ( Vertex AI API و Vertex AI in Firebase API).
برای اتصال برنامه خود به Firebase، که شامل این وظایف است، به گردش کار AI مولد کنسول ادامه دهید:
ثبت برنامه خود در پروژه Firebase
افزودن شی پیکربندی Firebase به برنامه شما.
در مراحل بعدی این راهنما، Vertex AI in Firebase SDK را به برنامه خود اضافه میکنید و مقدار اولیه مورد نیاز برای استفاده از SDK و Gemini API را تکمیل میکنید.
مرحله 2 : SDK را اضافه کنید
با راه اندازی پروژه Firebase و اتصال برنامه به Firebase (مرحله قبل را ببینید)، اکنون می توانید Vertex AI in Firebase SDK را به برنامه خود اضافه کنید.
Vertex AI in Firebase دسترسی به Vertex AI Gemini API را فراهم می کند و به عنوان بخشی از Firebase JavaScript SDK برای وب گنجانده شده است.
Firebase JS SDK برای وب را با استفاده از npm نصب کنید:
npm install firebase
Firebase را در برنامه خود راه اندازی کنید:
import { initializeApp } from "firebase/app"; // TODO(developer) Replace the following with your app's Firebase configuration // See: https://firebase.google.com/docs/web/learn-more#config-object const firebaseConfig = { // ... }; // Initialize FirebaseApp const firebaseApp = initializeApp(firebaseConfig);
مرحله 3 : سرویس Vertex AI و مدل مولد را راه اندازی کنید
قبل از اینکه بتوانید تماس API برقرار کنید، باید سرویس Vertex AI و مدل تولیدی را مقداردهی اولیه کنید.
import { initializeApp } from "firebase/app";
import { getVertexAI, getGenerativeModel } from "firebase/vertexai";
// TODO(developer) Replace the following with your app's Firebase configuration
// See: https://firebase.google.com/docs/web/learn-more#config-object
const firebaseConfig = {
// ...
};
// Initialize FirebaseApp
const firebaseApp = initializeApp(firebaseConfig);
// Initialize the Vertex AI service
const vertexAI = getVertexAI(firebaseApp);
// 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: "gemini-1.5-flash" });
وقتی راهنمای شروع کار را تمام کردید، یاد بگیرید که چگونه یک مدل Gemini و (به صورت اختیاری) مکان مناسب برای مورد استفاده و برنامه خود را انتخاب کنید.
مرحله 4 : Vertex AI Gemini API را فراخوانی کنید
اکنون که برنامه خود را به Firebase متصل کردهاید، SDK را اضافه کردهاید و سرویس Vertex AI و مدل تولیدی را راهاندازی کردهاید، آماده فراخوانی Vertex AI Gemini API هستید.
شما می توانید generateContent()
برای تولید متن از یک درخواست اعلان متنی استفاده کنید:
import { initializeApp } from "firebase/app";
import { getVertexAI, getGenerativeModel } from "firebase/vertexai";
// TODO(developer) Replace the following with your app's Firebase configuration
// See: https://firebase.google.com/docs/web/learn-more#config-object
const firebaseConfig = {
// ...
};
// Initialize FirebaseApp
const firebaseApp = initializeApp(firebaseConfig);
// Initialize the Vertex AI service
const vertexAI = getVertexAI(firebaseApp);
// 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: "gemini-1.5-flash" });
// Wrap in an async function so you can use await
async function run() {
// Provide a prompt that contains text
const prompt = "Write a story about a magic backpack."
// To generate text output, call generateContent with the text input
const result = await model.generateContent(prompt);
const response = result.response;
const text = response.text();
console.log(text);
}
run();
چه کار دیگری می توانید انجام دهید؟
در مورد مدل های جمینی بیشتر بدانید
در مورد مدل های موجود برای موارد استفاده مختلف و سهمیه ها و قیمت آنها اطلاعات کسب کنید.سایر قابلیت های Gemini API را امتحان کنید
- درباره ایجاد متن از اعلانهای فقط متنی ، از جمله نحوه پخش جریانی پاسخ، بیشتر بیاموزید.
- متن را از اعلانهای چندوجهی (شامل متن، تصاویر، PDF، ویدئو و صدا) تولید کنید.
- مکالمات چند نوبتی (چت) بسازید.
- خروجی ساختاریافته (مانند JSON) را هم از دستورات متنی و هم از چند وجهی ایجاد کنید.
- از فراخوانی تابع برای اتصال مدل های مولد به سیستم ها و اطلاعات خارجی استفاده کنید.
یاد بگیرید چگونه تولید محتوا را کنترل کنید
- طراحی سریع، از جمله بهترین شیوهها، استراتژیها و درخواستهای نمونه را درک کنید .
- پارامترهای مدل مانند دما و حداکثر نشانه های خروجی را پیکربندی کنید .
- از تنظیمات ایمنی برای تنظیم احتمال دریافت پاسخ هایی که ممکن است مضر تلقی شوند استفاده کنید .
درباره تجربه خود با Vertex AI in Firebase بازخورد بدهید