GSP1227

Ringkasan

Gemini adalah rangkaian model AI generatif yang dikembangkan oleh Google DeepMind dan dirancang untuk kasus penggunaan multimodal. Gemini API menyediakan akses ke model Gemini Pro Vision dan Gemini Pro. Di lab ini, Anda akan mempelajari cara menggunakan Vertex AI Gemini API untuk menghasilkan panggilan fungsi dari prompt teks.

Memanggil fungsi dari Gemini

Panggilan fungsi memungkinkan developer membuat deskripsi sebuah fungsi dalam kode mereka, lalu meneruskan deskripsi tersebut ke model bahasa dalam permintaan. Respons dari model mencakup nama fungsi yang sesuai dengan deskripsi dan argumen yang digunakan untuk memanggilnya.

Panggilan fungsi mirip dengan Ekstensi Vertex AI karena keduanya menghasilkan informasi tentang fungsi. Perbedaan di antara keduanya adalah panggilan fungsi menampilkan data JSON dengan nama fungsi dan argumen yang digunakan dalam kode Anda, sedangkan Ekstensi Vertex AI menampilkan fungsi dan memanggilnya untuk Anda.

Tujuan

Di lab ini, Anda akan mempelajari cara:

• Menginstal Vertex AI SDK untuk Python.
• Menggunakan Vertex AI Gemini API untuk berinteraksi dengan model Gemini Pro (gemini-pro):
  • Menghasilkan panggilan fungsi dari perintah teks untuk membantu pelanggan mendapatkan informasi produk di Google Store.
  • Membuat panggilan fungsi dari perintah teks dan memanggil API eksternal ke alamat geocode.
  • Menghasilkan panggilan fungsi dari perintah teks untuk mengekstrak entity dari data log.

Penyiapan dan persyaratan

Sebelum mengklik tombol Mulai Lab

Baca petunjuk ini. Lab memiliki timer dan Anda tidak dapat menjedanya. Timer, yang dimulai saat Anda mengklik Start Lab, akan menampilkan durasi ketersediaan resource Google Cloud untuk Anda.

Lab praktik ini dapat Anda gunakan untuk melakukan sendiri aktivitas lab di lingkungan cloud sungguhan, bukan di lingkungan demo atau simulasi. Untuk mengakses lab ini, Anda akan diberi kredensial baru yang bersifat sementara dan dapat digunakan untuk login serta mengakses Google Cloud selama durasi lab.

Untuk menyelesaikan lab ini, Anda memerlukan:

• Akses ke browser internet standar (disarankan browser Chrome).

Catatan: Gunakan jendela Samaran atau browser pribadi untuk menjalankan lab ini. Hal ini akan mencegah konflik antara akun pribadi Anda dan akun Siswa yang dapat menyebabkan tagihan ekstra pada akun pribadi Anda.

• Waktu untuk menyelesaikan lab. Ingat, setelah dimulai, lab tidak dapat dijeda.

Catatan: Jika Anda sudah memiliki project atau akun pribadi Google Cloud, jangan menggunakannya untuk lab ini agar terhindar dari tagihan ekstra pada akun Anda.

Cara memulai lab dan login ke Google Cloud Console

1. Klik tombol Start Lab. Jika Anda perlu membayar lab, jendela pop-up akan terbuka untuk memilih metode pembayaran. Di sebelah kiri adalah panel Lab Details dengan berikut ini:

   • Tombol Open Google Console
   • Waktu tersisa
   • Kredensial sementara yang harus Anda gunakan untuk lab ini
   • Informasi lain, jika diperlukan, untuk menyelesaikan lab ini

2. Klik Open Google Console. Lab akan menjalankan resource, lalu membuka tab lain yang menampilkan halaman Login.

   Tips: Atur tab di jendela terpisah secara berdampingan.

   Catatan: Jika Anda melihat dialog Choose an account, klik Use Another Account.

3. Jika perlu, salin Username dari panel Lab Details dan tempel ke dialog Sign in. Klik Next.

4. Salin Password dari panel Lab Details dan tempel ke dialog Welcome. Klik Next.

   Penting: Anda harus menggunakan kredensial dari panel sebelah kiri. Jangan menggunakan kredensial Google Cloud Skills Boost. Catatan: Menggunakan akun Google Cloud sendiri untuk lab ini dapat dikenai biaya tambahan.

5. Klik halaman berikutnya:

   • Setujui persyaratan dan ketentuan.
   • Jangan tambahkan opsi pemulihan atau autentikasi 2 langkah (karena ini akun sementara).
   • Jangan daftar uji coba gratis.

Setelah beberapa saat, Cloud Console akan terbuka di tab ini.

Catatan: Anda dapat melihat menu dengan daftar Produk dan Layanan Google Cloud dengan mengklik Menu navigasi di kiri atas.

Tugas 1. Membuka notebook di Vertex AI Workbench

1. Di Konsol Google Cloud, pada Navigation menu, klik Vertex AI > Workbench.

2. Di halaman User-Managed Notebooks, cari notebook generative-ai-jupyterlab, lalu klik tombol Open JupyterLab.

Antarmuka JupyterLab terbuka di tab browser baru.

Tugas 2. Membuka folder generative-ai

1. Buka folder generative-ai di sisi kiri notebook.

2. Buka folder /gemini/function-calling.

3. Klik file intro_function_calling.ipynb.

4. Lihat bagian Getting Started, Set Google Cloud project information, dan Import libraries pada notebook.

   • Untuk Project ID, gunakan , dan untuk Location, gunakan .

Catatan: Anda dapat melewatkan sel notebook yang bertanda. Khusus Colab.

Di bagian berikut, Anda akan melihat sel notebook untuk mempelajari cara menggunakan Vertex AI Gemini API dengan Vertex AI SDK untuk Python.

Klik Check my progress untuk memverifikasi tujuan. Menginstal Vertex AI SDK untuk Python lalu mengimpor library.

Tugas 3. Menggunakan panggilan fungsi untuk kueri Google Store terstruktur

Saat bekerja dengan model teks generatif, sulit untuk memaksa LLM memberikan respons yang konsisten dalam format terstruktur seperti JSON. Dengan panggilan fungsi, bekerja dengan LLM melalui prompt dan input tidak terstruktur menjadi mudah, begitu pula untuk membuat LLM menampilkan respons terstruktur yang dapat digunakan untuk memanggil fungsi eksternal.

Anda dapat menganggap panggilan fungsi sebagai cara untuk mendapatkan output terstruktur dari prompt pengguna dan definisi fungsi, menggunakan output terstruktur tersebut untuk membuat permintaan API ke sistem eksternal, lalu menampilkan respons fungsi ke LLM untuk menghasilkan respons kepada pengguna. Dengan kata lain, panggilan fungsi di Gemini mengekstrak parameter terstruktur dari teks atau pesan tidak terstruktur dari pengguna. Dalam contoh ini, Anda akan menggunakan panggilan fungsi beserta modalitas chat dalam model Gemini untuk membantu pelanggan mendapatkan informasi produk di Google Store.

1. Dalam tugas ini, lihat sel notebook untuk mempelajari cara menggunakan model Gemini guna membantu pelanggan mendapatkan informasi produk di Google Store.

Klik Check my progress untuk memverifikasi tujuan. Membuat panggilan fungsi cuaca sederhana.

Tugas 4. Menggunakan panggilan fungsi untuk menghasilkan geocode alamat dengan Maps API

Dalam contoh ini, Anda akan menggunakan modalitas teks di Gemini API untuk menentukan fungsi yang menggunakan beberapa parameter sebagai input. Anda akan menggunakan respons panggilan fungsi untuk melakukan panggilan API langsung guna mengonversi alamat menjadi koordinat lintang dan bujur.

1. Dalam tugas ini, lihat sel notebook untuk mempelajari cara menggunakan model Gemini Pro guna membuat panggilan fungsi untuk menghasilkan geocode suatu alamat.

Di sini, kita menggunakan OpenStreetMap Nominatim API untuk menghasilkan geocode suatu alamat agar mudah digunakan dan dipelajari di notebook ini. Jika Anda berurusan dengan peta atau data geolokasi dalam jumlah besar, Anda dapat menggunakan Google Maps Geocoding API.

Klik Check my progress untuk memverifikasi tujuan. Membuat panggilan fungsi yang kompleks.

Tugas 5. Menggunakan panggilan fungsi untuk ekstraksi entity

Pada contoh sebelumnya, Anda memanfaatkan fungsi ekstraksi entity dalam Panggilan Fungsi Gemini sehingga Anda dapat meneruskan parameter yang dihasilkan ke REST API atau library klien. Namun, Anda mungkin perlu melakukan langkah ekstraksi entity dengan Panggilan Fungsi Gemini dan tidak perlu benar-benar memanggil API. Anda dapat menganggap fungsi ini sebagai cara mudah untuk mentransformasi data teks tidak terstruktur menjadi kolom terstruktur.

Dalam contoh ini, Anda akan membangun ekstraktor log yang mengambil data log mentah dan mentransformasinya menjadi data terstruktur dengan detail pesan error.

1. Dalam tugas ini, lihat sel notebook untuk mempelajari cara menggunakan model Gemini Pro guna menghasilkan panggilan fungsi untuk mengekstrak entity dari data log.

Klik Check my progress untuk memverifikasi tujuan. Membuat panggilan fungsi dari prompt chat.

Selamat!

Selamat! Di lab ini, Anda telah mempelajari cara menggunakan Vertex AI Gemini API untuk menghasilkan panggilan fungsi dari perintah teks. Anda telah menggunakan model Gemini Pro untuk menghasilkan panggilan fungsi guna membantu pelanggan mendapatkan informasi produk di Google Store, menghasilkan geocode alamat, dan mengekstrak entity dari data log.

Langkah berikutnya/pelajari lebih lanjut

• Lihat dokumentasi Generative AI di Vertex AI.
• Pelajari Generative AI lebih lanjut di channel YouTube Google Cloud Tech.
• Repositori resmi AI Generatif Google Cloud
• Contoh notebook Gemini

Sertifikasi dan pelatihan Google Cloud

...membantu Anda mengoptimalkan teknologi Google Cloud. Kelas kami mencakup keterampilan teknis dan praktik terbaik untuk membantu Anda memahami dengan cepat dan melanjutkan proses pembelajaran. Kami menawarkan pelatihan tingkat dasar hingga lanjutan dengan opsi on demand, live, dan virtual untuk menyesuaikan dengan jadwal Anda yang sibuk. Sertifikasi membantu Anda memvalidasi dan membuktikan keterampilan serta keahlian Anda dalam teknologi Google Cloud.

Manual Terakhir Diperbarui pada 23 April 2024

Lab Terakhir Diuji pada 23 April 2023

Hak cipta 2024 Google LLC Semua hak dilindungi undang-undang. Google dan logo Google adalah merek dagang dari Google LLC. Semua nama perusahaan dan produk lain mungkin adalah merek dagang masing-masing perusahaan yang bersangkutan.