Ringkasan Vertex AI API

Vertex AI API di Google Distributed Cloud (GDC) dengan air gap memungkinkan Anda mengintegrasikan model machine learning terlatih secara terprogram ke dalam aplikasi dan mengelola resource Vertex AI Workbench. Bergantung pada layanannya, Anda dapat berinteraksi dengan API ini menggunakan gRPC, REST, library klien Python, atau Model Resource Kubernetes (KRM).

Endpoint layanan dan dokumen discovery

Endpoint layanan diperlukan untuk berinteraksi secara terprogram dengan Vertex AI API.

Mendapatkan endpoint dan dokumen discovery Vertex AI Workbench

Endpoint API untuk Vertex AI Workbench KRM API adalah:

https://ENDPOINT/apis/aiplatform.gdc.goog/v1

Ganti ENDPOINT dengan endpoint API server Management API.

Untuk mengakses dokumen discovery Vertex AI Workbench, lakukan salah satu tindakan berikut:

  • Masukkan URL endpoint di browser.

  • Jalankan perintah kubectl proxy di alat seperti curl untuk membuka proxy ke Server API Management di komputer lokal Anda. Setelah perintah tersebut berjalan, masukkan URL berikut di browser Anda:

    http://127.0.0.1:8001/apis/aiplatform.gdc.goog/v1.

Mendapatkan endpoint API terlatih

Untuk mendapatkan endpoint API terlatih, lihat status dan endpoint layanan.

REST, gRPC, KRM, dan library klien

Anda dapat mengakses API terlatih menggunakan gRPC atau salah satu library klien yang disediakan. Library klien dibangun di gRPC.

Atau, Anda dapat mengakses beberapa API terlatih menggunakan REST.

Anda dapat mengelola Vertex AI Workbench menggunakan API Model Resource Kubernetes (KRM)-nya.

Library klien

Vertex AI menyediakan library klien Python untuk API terlatih. Tabel berikut menunjukkan perbandingan kelebihan dan kekurangan penggunaan library klien:

Kelebihan Kekurangan
Dikelola oleh Google.
Autentikasi bawaan.
Percobaan ulang bawaan.
Isi permintaan HTTP buffering protokol yang efisien. 		Hanya tersedia untuk bahasa pemrograman tertentu.

REST

API OCR dan Translation mendukung REST. Untuk mengetahui informasi selengkapnya, lihat referensi REST API untuk layanan berikut:

Tabel berikut menunjukkan perbandingan kelebihan dan kekurangan penggunaan REST:

Kelebihan Kekurangan
Antarmuka JSON yang sederhana.
Didukung dengan baik oleh banyak alat dan library Google dan pihak ketiga. 		Anda harus membangun klien Anda sendiri.
Anda harus menerapkan autentikasi.
Anda harus menerapkan percobaan ulang.
Isi permintaan HTTP JSON yang kurang efisien.
Streaming REST tidak didukung oleh API ini.

gRPC

API terlatih mendukung gRPC. Untuk mengetahui informasi selengkapnya tentang deskripsi umum jenis, metode, dan kolom yang dihasilkan untuk library gRPC, lihat referensi gRPC berikut:

Tabel berikut menunjukkan perbandingan kelebihan dan kekurangan penggunaan gRPC:

Kelebihan Kekurangan
Mendukung banyak bahasa pemrograman.
Isi permintaan HTTP buffering protokol yang efisien. 		Anda harus membuat klien sendiri dari buffering protokol yang disediakan Google.
Anda harus menerapkan autentikasi.
Anda harus menerapkan percobaan ulang.

KRM

Vertex AI Workbench API mendukung KRM. Untuk mengetahui informasi selengkapnya, lihat referensi API KRM Vertex AI Workbench.

Nama jenis, metode, dan kolom

Bergantung pada apakah Anda menggunakan library klien, REST, gRPC, atau KRM, nama jenis, metode, dan kolom untuk API bervariasi dengan cara berikut:

  • REST disusun berdasarkan hierarki resource dan metodenya.
  • Library klien dan gRPC diatur berdasarkan layanan dan metodenya.
  • Nama kolom KRM menggunakan camelCase, tetapi layanan API menerima camelCase atau snake_case.
  • Nama kolom REST dan gRPC menggunakan snake_case.
  • Nama kolom library klien menggunakan title case, camelCase, atau snake_case, bergantung pada nama yang idiomatis untuk bahasa tersebut.

REST dan buffering protokol

Saat memanggil REST API, perilaku nilai default untuk buffering protokol dapat menyebabkan kolom yang tidak ada dalam respons JSON. Kolom ini ditetapkan ke nilai default, sehingga tidak disertakan dalam respons.