מעבר לשימוש ב-Vertex AI SDK במקום ב-Google AI SDK

בדף הזה מוסבר איך לעבור מ-SDK ללקוח מסוג Google AI ל-SDK ללקוח מסוג Vertex AI in Firebase באפליקציות לנייד או לאינטרנט. ערכות ה-SDK של Vertex AI in Firebase זמינות לפלטפורמות של Apple‏ (Swift), Android‏ (Kotlin ו-Java), אינטרנט (JavaScript) ו-Flutter‏ (Dart).

כניסה ישירה להוראות ההעברה

למה כדאי לעבור לשימוש ב-Vertex AI?

יכול להיות שניסיתם גרסה חלופית של Gemini API באמצעות Google AI Studio או ערכות ה-SDK של לקוחות Google AI. ערכות ה-SDK האלה שימושיות לתחילת העבודה עם Gemini API וליצירת אב טיפוס. עם זאת, באפליקציות לנייד ולאינטרנט בייצור או בארגון שמבצעות קריאה ישירה ל-Gemini API בצד הלקוח, מומלץ מאוד להשתמש ב-Firebase SDK כדי לבצע קריאה ל-Vertex AI Gemini API.

תכונות אבטחה לאפליקציות לנייד ולאינטרנט

באפליקציות לנייד ולאינטרנט, האבטחה קריטית וצריך להביא בחשבון גורמים מיוחדים כי הקוד (כולל קריאות ל-Gemini API) פועל בסביבה לא מוגנת.

  • כברירת מחדל, הרשאת ה-Vertex AI Gemini API ניתנת על ידי Google Cloud IAM (ולא על ידי מפתח API כמו Google AI Gemini API). ערכות ה-SDK של Vertex AI in Firebase תוכננו לקרוא ל-Vertex AI Gemini API המאובטח יותר.

  • באפליקציות לנייד ולאינטרנט, צריך להגן על Gemini API ועל משאבי הפרויקט (כמו מודלים מותאמים) מפני ניצול לרעה על ידי לקוחות לא מורשים. אפשר להשתמש ב-Firebase App Check כדי לוודא שכל הקריאות ל-API מגיעות מהאפליקציה בפועל. התכונה הזו זמינה רק אם משתמשים ב-SDKs של Vertex AI in Firebase.

סביבה עסקית שמתאימה לאפליקציות לנייד ולאינטרנט

Firebase היא הפלטפורמה של Google לפיתוח אפליקציות לנייד ולאינטרנט. שימוש ב-SDK של Vertex AI in Firebase הופך את האפליקציות שלכם לחלק מסביבה עסקית שמתמקדת בצרכים של מפתחים ואפליקציות בסביבת פיתוח מלאה. לדוגמה, תוכלו לבצע את הפעולות הבאות ועוד הרבה יותר:

  • אפשר להשתמש ב-Cloud Storage for Firebase כדי לכלול קבצים גדולים בבקשות עם מודלים מרובים. בנוסף, כדאי להשתמש ב-SDK ללקוח שמטפל בהעלאות ובהורדות של קבצים (גם בתנאים של רשת חלשה) ומספק אבטחה טובה יותר לנתונים של משתמשי הקצה. מידע נוסף זמין במדריך הפתרונות שלנו בנושא שימוש ב-Cloud Storage for Firebase.

  • ניהול נתונים מובְנים באמצעות ערכות SDK של מסדי נתונים שנוצרו לאפליקציות לנייד ולאפליקציות אינטרנט (כמו Cloud Firestore).

  • להגדיר באופן דינמי הגדרות זמן ריצה (כמו מיקום) או להחליף ערכים באפליקציה (כמו שם של מודל) בלי לפרסם גרסת אפליקציה חדשה באמצעות Firebase Remote Config.

יתרונות נוספים של שימוש ב-Vertex AI מ-Google Cloud

ככל שהשימוש שלכם בבינה מלאכותית גנרטיבית באפליקציות ובתהליכי העבודה שלכם יתפתח, יכול להיות שתצטרכו פלטפורמה שמציעה פתרונות מקצה לקצה לפיתוח ולפריסה של אפליקציות בינה מלאכותית גנרטיבית. ב-Google Cloud יש סביבה עסקית מקיפה של כלים שמאפשרים לכם לנצל את מלוא הפוטנציאל של בינה מלאכותית גנרטיבית, החל מהשלבים הראשוניים של פיתוח האפליקציה ועד לפריסה, לאירוח ולניהול של נתונים מורכבים בקנה מידה נרחב.

פלטפורמת Vertex AI של Google Cloud כוללת חבילה של כלים ל-MLOps שמפשטים את השימוש, הפריסה והמעקב אחרי מודלים של AI, כדי לשפר את היעילות והאמינות שלהם. בנוסף, השילובים עם מסדי נתונים, כלי DevOps, רישום ביומן, מעקב ו-IAM מספקים גישה מקיפה לניהול כל מחזור החיים של ה-AI הגנרטיבי.

מידע נוסף על תרחישים לדוגמה של Vertex AI זמין במסמכי התיעוד של Google Cloud.

מעבר לערכות ה-SDK של Vertex AI in Firebase

כדי לעבור ל-SDK של Vertex AI in Firebase, צריך לבצע שלושה שלבים עיקריים:

  1. מגדירים פרויקט Firebase חדש או קיים ומקשרים את האפליקציה ל-Firebase.

  2. להעביר את קוד המקור. לשם כך צריך לשנות רק את ה-SDK ואת קוד ההפעלה (כולל שם המודל). אין צורך לשנות את הקוד שמפעיל בפועל את Gemini API.

  3. מוחקים מפתחות API שלא בשימוש ומשביתים ממשקי API שלא בשימוש.

שלב 1: מגדירים פרויקט Firebase ומקשרים את האפליקציה ל-Firebase

גם אם אתם כבר מכירים את Firebase, כדאי לעיין בקטע הזה כדי לוודא שהפרויקט והאפליקציה ב-Firebase מוגדרים לשימוש ב-SDKs של Vertex AI in Firebase.

שלב 2: העברת קוד הבסיס

בוחרים את הפלטפורמה של האפליקציה כדי להציג הוראות ספציפיות לפלטפורמה.

ערכות ה-SDK של Google AI ושל Vertex AI in Firebase תוכננו כך שהמעבר בין שתי הפלטפורמות יהיה פשוט ככל האפשר.

כדי לבצע את ההעברה, צריך רק לשנות את ערכת ה-SDK שמשלבים ב-codebase של האפליקציה ואת האימפריסאליזציה של השירות והמודל הגנרטיבי. אין צורך לשנות את הקוד שמפעיל את Gemini API.

שינוי ה-SDK

Google AI

Kotlin+KTX 

dependencies {
  // ... other androidx dependencies

  // add the dependency for the Google AI client SDK for Android
  implementation("com.google.ai.client.generativeai:generativeai:VERSION")
}

Java 

dependencies {
  // ... other androidx dependencies

  // add the dependency for the Google AI client SDK for Android
  implementation("com.google.ai.client.generativeai:generativeai:VERSION")

  // Required for one-shot operations (to use `ListenableFuture` from Reactive Streams)
  implementation("com.google.guava:guava:31.0.1-android")

  // Required for streaming operations (to use `Publisher` from Guava Android)
  implementation("org.reactivestreams:reactive-streams:1.0.4")
}

Vertex AI in Firebase

Kotlin+KTX 

dependencies {
  // ... other androidx dependencies

  // add the dependency for the Vertex AI in Firebase SDK for Android
  implementation("com.google.firebase:firebase-vertexai:16.0.2")
}

Java 

dependencies {
  // ... other androidx dependencies

  // add the dependency for the Vertex AI in Firebase SDK for Android
  implementation("com.google.firebase:firebase-vertexai:16.0.2")

  // Required for one-shot operations (to use `ListenableFuture` from Guava Android)
  implementation("com.google.guava:guava:31.0.1-android")

  // Required for streaming operations (to use `Publisher` from Reactive Streams)
  implementation("org.reactivestreams:reactive-streams:1.0.4")
}

שינוי האתחול

Google AI

Kotlin+KTX 

val generativeModel = GenerativeModel(modelName = "MODEL_NAME",
    // Access your API key as a Build Configuration variable
    apiKey = BuildConfig.apiKey
)

Java 

GenerativeModel gm = new GenerativeModel("MODEL_NAME",
    // Access your API key as a Build Configuration variable
    BuildConfig.apiKey
);

// Use the GenerativeModelFutures Java compatibility layer which offers support for ListenableFuture and Publisher APIs
GenerativeModelFutures model = GenerativeModelFutures.from(gm);

Vertex AI in Firebase

Kotlin+KTX 

val generativeModel = Firebase.vertexAI.generativeModel("MODEL_NAME")

Java 

GenerativeModel gm = FirebaseVertexAI.getInstance()
        .generativeModel("MODEL_NAME");
GenerativeModelFutures model = GenerativeModelFutures.from(gm);

עדכון ייבוא

בקטעי הקוד הבאים נעשה שימוש בדוגמאות לכיתות Chat,‏ Content ו-GenerativeModelFutures, אבל אותו הדבר רלוונטי גם לכיתות אחרות באותו שם חבילת קוד.

Google AI

Kotlin+KTX 

import com.google.ai.client.generativeai.Chat
import com.google.ai.client.generativeai.type.Content
import com.google.ai.client.generativeai.java.GenerativeModuleFutures

Java 

import com.google.ai.client.generativeai.Chat;
import com.google.ai.client.generativeai.type.Content;
import com.google.ai.client.generativeai.java.GenerativeModuleFutures;

Vertex AI in Firebase

Kotlin+KTX 

import com.google.firebase.vertexai.Chat
import com.google.firebase.vertexai.type.Content
import com.google.firebase.vertexai.java.GenerativeModuleFutures

Java 

import com.google.firebase.vertexai.Chat;
import com.google.firebase.vertexai.type.Content;
import com.google.firebase.vertexai.java.GenerativeModuleFutures;

שלב 3: מוחקים מפתחות API שלא בשימוש ומשביתים ממשקי API שלא בשימוש

אם אתם לא צריכים יותר להשתמש במפתח ה-API של Google AI, כדאי למחוק אותו לפי השיטות המומלצות לאבטחה. אפשר להציג ולמחוק את מפתחות ה-API של Google AI בקטע API keys בדף Google AI Studio.

בנוסף, אם אתם כבר לא משתמשים ב-Google AI Gemini API, תוכלו להשבית אותו בפרויקט. אפשר לעשות זאת במסוף Google Cloud דרך הדף Generative Language API‏ (generativelanguage.googleapis.com). ('Generative Language API' הוא השם הרשמי של ה-Google AI Gemini API).

מה עוד אפשר לעשות?