借助 Google Distributed Cloud (GDC) 网闸隔离配置上的 Vertex AI API，您可以通过编程方式将预训练的机器学习模型集成到应用中，并管理 Vertex AI Workbench 资源。根据服务，您可以使用 gRPC、REST、Python 客户端库或 Kubernetes 资源模型 (KRM) 与这些 API 进行交互。
服务端点和发现文档
您需要使用服务终端节点，才能以编程方式与 Vertex AI API 进行交互。
获取 Vertex AI Workbench 端点和发现文档
Vertex AI Workbench KRM API 的 API 端点为：
https://ENDPOINT/apis/aiplatform.gdc.goog/v1
将 ENDPOINT 替换为 Management API 服务器的 API 端点。
如需访问 Vertex AI Workbench 发现文档，请执行以下操作之一：
在浏览器中输入端点网址。
在 curl 等工具中运行
kubectl proxy命令，以在本地机器上打开 Management API 服务器的代理。该命令运行后，在浏览器中输入以下网址：http://127.0.0.1:8001/apis/aiplatform.gdc.goog/v1。
获取预训练 API 端点
如需获取预训练 API 的端点，请查看服务状态和端点。
REST、gRPC、KRM 和客户端库
您可以使用 gRPC 或提供的某个客户端库访问预训练 API。客户端库基于 gRPC 构建。
或者，您也可以使用 REST 访问一些预训练的 API。
您可以使用 Vertex AI Workbench 的 Kubernetes 资源模型 (KRM) API 来管理 Vertex AI Workbench。
客户端库
Vertex AI 为预训练 API 提供 Python 客户端库。下表比较了使用客户端库的优缺点：
| 优点 | 缺点 |
|---|---|
|
由 Google 维护。
内置身份验证。 内置重试机制。 高效的协议缓冲区 HTTP 请求正文。 |
并不适用于所有编程语言。 |
REST
OCR API 和 Translation API 支持 REST。如需了解详情，请参阅以下服务的 REST API 参考文档：
下表比较了使用 REST 的优缺点：
| 优点 | 缺点 |
|---|---|
|
简单的 JSON 接口。
Google 和许多第三方工具和库都支持此参数。 |
您必须构建自己的客户端。
您必须实现身份验证。 您必须实现重试。 效率较低的 JSON HTTP 请求正文。 这些 API 不支持 REST 流式传输。 |
gRPC
预训练 API 支持 gRPC。如需详细了解为 gRPC 库生成的类型、方法和字段的一般说明，请参阅以下 gRPC 参考文档：
下表比较了使用 gRPC 的优缺点：
| 优点 | 缺点 |
|---|---|
|
支持多种编程语言。
高效的协议缓冲区 HTTP 请求正文。 |
您必须从 Google 提供的协议缓冲区生成自己的客户端。
您必须实现身份验证。 您必须实现重试。 |
KRM
Vertex AI Workbench API 支持 KRM。如需了解详情，请参阅 Vertex AI Workbench KRM API 参考文档。
类型、方法和字段名称
根据您使用的是客户端库、REST、gRPC 还是 KRM，API 的类型、方法和字段名称会有所不同，具体如下：
- REST 按资源层次结构及其方法进行排列。
- 客户端库和 gRPC 按服务及其方法排列。
- KRM 字段名称使用 camelCase，但 API 服务接受 camelCase 或 snake_case。
- REST 和 gRPC 字段名称使用蛇形命名法。
- 客户端库字段名称使用首字母大写、驼峰式大小写或蛇形命名法，具体取决于哪种名称符合语言习惯。
REST 和协议缓冲区
调用 REST API 时，协议缓冲区的默认值行为可能会导致 JSON 响应中缺少字段。这些字段设置为默认值，因此不包含在响应中。