GSP1227

개요

Gemini는 Google DeepMind에서 개발한 생성형 AI 모델 제품군으로, 멀티모달 사용 사례를 위해 설계되었습니다. Gemini API를 통해 Gemini Pro Vision 및 Gemini Pro 모델에 액세스할 수 있습니다. 이 실습에서는 Vertex AI Gemini API를 사용해 텍스트 프롬프트에서 함수 호출을 생성하는 방법을 알아봅니다.

Gemini에서 함수 호출

개발자는 함수 호출을 통해 코드에 함수에 대한 설명을 작성한 다음, 요청 시 해당 설명을 언어 모델에 전달할 수 있습니다. 모델의 응답에는 설명과 일치하는 함수의 이름과 함께 이를 호출할 인수가 포함됩니다.

함수 호출은 함수에 대한 정보를 생성한다는 점에서 Vertex AI 확장 프로그램과 유사합니다. 함수 호출은 함수 이름과 코드에 사용할 인수가 포함된 JSON 데이터를 반환하지만, Vertex AI 확장 프로그램은 함수를 반환하고 자동으로 호출한다는 차이가 있습니다.

목표

이 실습에서는 다음을 수행하는 방법에 대해 알아봅니다.

• Python용 Vertex AI SDK를 설치합니다.
• Vertex AI Gemini API를 사용해 Gemini Pro(gemini-pro) 모델과 상호작용합니다.
  • 텍스트 프롬프트에서 함수 호출을 생성하여 고객이 Google 스토어의 제품에 대한 정보를 얻을 수 있도록 지원합니다.
  • 텍스트 프롬프트에서 함수 호출을 생성하고 주소를 지오코딩하는 외부 API를 호출합니다.
  • 텍스트 프롬프트에서 함수 호출을 생성하여 로그 데이터에서 항목을 추출합니다.

설정 및 요건

실습 시작 버튼을 클릭하기 전에

다음 안내를 확인하세요. 실습에는 시간 제한이 있으며 일시중지할 수 없습니다. 실습 시작을 클릭하면 타이머가 시작됩니다. 이 타이머에는 Google Cloud 리소스를 사용할 수 있는 시간이 얼마나 남았는지 표시됩니다.

실무형 실습을 통해 시뮬레이션이나 데모 환경이 아닌 실제 클라우드 환경에서 직접 실습 활동을 진행할 수 있습니다. 실습 시간 동안 Google Cloud에 로그인하고 액세스하는 데 사용할 수 있는 새로운 임시 사용자 인증 정보가 제공됩니다.

이 실습을 완료하려면 다음을 준비해야 합니다.

• 표준 인터넷 브라우저 액세스 권한(Chrome 브라우저 권장)

참고: 이 실습을 실행하려면 시크릿 모드 또는 시크릿 브라우저 창을 사용하세요. 개인 계정과 학생 계정 간의 충돌로 개인 계정에 추가 요금이 발생하는 일을 방지해 줍니다.

• 실습을 완료하기에 충분한 시간---실습을 시작하고 나면 일시중지할 수 없습니다.

참고: 계정에 추가 요금이 발생하지 않도록 하려면 개인용 Google Cloud 계정이나 프로젝트가 이미 있어도 이 실습에서는 사용하지 마세요.

실습을 시작하고 Google Cloud 콘솔에 로그인하는 방법

1. 실습 시작 버튼을 클릭합니다. 실습 비용을 결제해야 하는 경우 결제 수단을 선택할 수 있는 팝업이 열립니다. 왼쪽에는 다음과 같은 항목이 포함된 실습 세부정보 패널이 있습니다.

   • Google 콘솔 열기 버튼
   • 남은 시간
   • 이 실습에 사용해야 하는 임시 사용자 인증 정보
   • 필요한 경우 실습 진행을 위한 기타 정보

2. Google 콘솔 열기를 클릭합니다. 실습에서 리소스가 가동된 후 로그인 페이지가 표시된 다른 탭이 열립니다.

   팁: 두 개의 탭을 각각 별도의 창으로 나란히 정렬하세요.

   참고: 계정 선택 대화상자가 표시되면 다른 계정 사용을 클릭합니다.

3. 필요한 경우 실습 세부정보 패널에서 사용자 이름을 복사하여 로그인 대화상자에 붙여넣습니다. 다음을 클릭합니다.

4. 실습 세부정보 패널에서 비밀번호를 복사하여 시작 대화상자에 붙여넣습니다. 다음을 클릭합니다.

   중요: 왼쪽 패널에 표시된 사용자 인증 정보를 사용해야 합니다. Google Cloud Skills Boost 사용자 인증 정보를 사용하지 마세요. 참고: 이 실습에 자신의 Google Cloud 계정을 사용하면 추가 요금이 발생할 수 있습니다.

5. 이후에 표시되는 페이지를 클릭하여 넘깁니다.

   • 이용약관에 동의합니다.
   • 임시 계정이므로 복구 옵션이나 2단계 인증을 추가하지 않습니다.
   • 무료 평가판을 신청하지 않습니다.

잠시 후 Cloud 콘솔이 이 탭에서 열립니다.

참고: 왼쪽 상단에 있는 탐색 메뉴를 클릭하면 Google Cloud 제품 및 서비스 목록이 있는 메뉴를 볼 수 있습니다.

작업 1. Vertex AI Workbench에서 노트북 열기

1. Google Cloud 콘솔의 탐색 메뉴에서 Vertex AI > Workbench를 클릭합니다.

2. 사용자 관리형 노트북 페이지에서 generative-ai-jupyterlab 노트북을 찾은 다음 JupyterLab 열기 버튼을 클릭합니다.

JupyterLab 인터페이스가 새 브라우저 탭에서 열립니다.

작업 2. generative-ai 폴더 열기

1. 노트북 왼쪽에 있는 generative-ai 폴더로 이동합니다.

2. /gemini/function-calling 폴더로 이동합니다.

3. intro_function_calling.ipynb 파일을 클릭합니다.

4. 노트북의 시작하기, Google Cloud 프로젝트 정보 설정, 라이브러리 가져오기 섹션을 실행합니다.

   • 프로젝트 ID로는 을(를) 사용하고, 위치로는 을(를) 사용합니다.

참고: Colab만 해당이라고 표기된 노트북 셀은 건너뛰어도 됩니다.

다음 섹션에서는 노트북 셀을 실행하여 Vertex AI Gemini API를 Python용 Vertex AI SDK와 함께 사용하는 방법을 알아봅니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. Python용 Vertex AI SDK를 설치하고 라이브러리를 가져옵니다.

작업 3. 구조화된 Google 스토어 쿼리에 함수 호출 사용

생성형 텍스트 모델을 사용할 때는 JSON과 같은 일관적이고 구조화된 응답을 제공하도록 LLM을 강제하기가 어려울 수 있습니다. 함수를 호출하면 프롬프트와 구조화되지 않은 입력을 사용해 쉽게 LLM으로 작업하고 LLM에서 외부 함수 호출에 사용할 수 있는 구조화된 응답을 반환하도록 만들 수 있습니다.

함수 호출은 사용자 프롬프트와 함수 정의에서 구조화된 출력을 얻고, 이 구조화된 출력을 사용해 외부 시스템에 API 요청을 보낸 다음, LLM에 함수 응답을 반환하여 사용자에게 제공할 응답을 생성하는 방법이라고 할 수 있습니다. 즉 Gemini의 함수 호출에서는 구조화되지 않은 텍스트 또는 사용자 메시지에서 구조화된 파라미터를 추출합니다. 이 예에서는 고객이 Google 스토어의 제품에 대한 정보를 얻을 수 있도록 Gemini 모델의 채팅 형식과 함께 함수 호출을 사용합니다.

1. 이 작업에서는 노트북 셀을 실행하여 Gemini 모델로 고객이 Google 스토어의 제품에 대한 정보를 얻을 수 있도록 지원하는 방법을 알아봅니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 간단한 날씨 함수 호출을 생성합니다.

작업 4. 함수 호출을 사용하여 지도 API로 주소 지오코딩

이 예에서는 Gemini API의 텍스트 형식을 사용하여 여러 파라미터를 입력으로 사용하는 함수를 정의합니다. 그런 다음 함수 호출 응답을 사용해 라이브 API 호출을 수행하여 주소를 위도 및 경도 좌표로 변환합니다.

1. 이 작업에서는 노트북 셀을 실행하여 Gemini Pro 모델로 주소를 지오코딩하는 함수 호출의 생성 방법을 알아봅니다.

여기서는 이 노트북에서 쉽게 사용하고 학습할 수 있도록 주소를 지오코딩하는 데 OpenStreetMap Nominatim API를 사용했습니다. 많은 양의 지도나 위치정보 데이터를 사용하는 경우에는 Google Maps Geocoding API를 사용하면 됩니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 복잡한 함수 호출을 생성합니다.

작업 5. 항목 추출에 함수 호출 사용

이전 예에서는 결과 파라미터를 REST API 또는 클라이언트 라이브러리에 전달할 수 있도록 Gemini 함수 호출의 항목 추출 기능을 사용했습니다. 그러나 Gemini 함수 호출을 통해 항목 추출 단계만 수행하며 실제로 API를 호출하지 않고 항목 추출 단계에서 멈추고자 할 수도 있습니다. 이 기능은 구조화되지 않은 텍스트 데이터를 구조화된 필드로 변환하는 편리한 방법이기도 합니다.

이 예시에서는 원시 로그 데이터를 가져와 오류 메시지에 대한 세부정보가 있는 구조화된 데이터로 변환하는 로그 추출기를 빌드합니다.

1. 이 작업에서는 노트북 셀을 실행하여 Gemini Pro 모델로 로그 데이터에서 항목을 추출하는 함수 호출의 생성 방법을 알아봅니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 채팅 프롬프트에서 함수 호출을 생성합니다.

수고하셨습니다

수고하셨습니다. 이 실습에서는 Vertex AI Gemini API를 사용해 텍스트 프롬프트에서 함수 호출을 생성하는 방법을 알아보았습니다. Gemini Pro 모델을 사용하여 고객이 Google 스토어의 제품에 대한 정보를 얻도록 지원하고, 주소를 지오코딩하고, 로그 데이터에서 항목을 추출하는 함수 호출을 생성했습니다.

다음 단계/더 학습하기

• Vertex AI의 생성형 AI 문서 참조하기
• Google Cloud Tech YouTube 채널에서 생성형 AI 자세히 알아보기
• Google Cloud 생성형 AI 공식 저장소
• Gemini 노트북 예시

Google Cloud 교육 및 자격증

Google Cloud 기술을 최대한 활용하는 데 도움이 됩니다. Google 강의에는 빠른 습득과 지속적인 학습을 지원하는 기술적인 지식과 권장사항이 포함되어 있습니다. 기초에서 고급까지 수준별 학습을 제공하며 바쁜 일정에 알맞은 주문형, 실시간, 가상 옵션이 포함되어 있습니다. 인증은 Google Cloud 기술에 대한 역량과 전문성을 검증하고 입증하는 데 도움이 됩니다.

설명서 최종 업데이트: 2024년 4월 23일

실습 최종 테스트: 2024년 4월 23일

Copyright 2024 Google LLC All rights reserved. Google 및 Google 로고는 Google LLC의 상표입니다. 기타 모든 회사명 및 제품명은 해당 업체의 상표일 수 있습니다.