Interfaces pour les pipelines Gemini Enterprise Agent Platform

Cette page répertorie les interfaces que vous pouvez utiliser pour définir et exécuter des pipelines de ML sur Agent Platform Pipelines.

Interfaces permettant de définir un pipeline

Agent Platform Pipelines est compatible avec les pipelines de ML définis à l'aide du SDK Kubeflow Pipelines (KFP) ou du SDK TensorFlow Extended (TFX).

SDK Kubeflow Pipelines (KFP)

Logo Kubeflow Pipelines Utilisez KFP pour tous les cas d'utilisation où vous n'avez pas besoin de TensorFlow Extended pour traiter d'énormes quantités de données structurées ou textuelles. Agent Platform Pipelines est compatible avec le SDK KFP v2.0 ou version ultérieure.

Lorsque vous utilisez le SDK KFP, vous pouvez définir votre workflow de ML en créant des composants personnalisés, mais aussi en réutilisant des composants prédéfinis, tels que les composants de pipelineGoogle Cloud .Les composants de pipeline Google Cloud vous permettent d'utiliser facilement des services Gemini Enterprise comme AutoML dans votre pipeline de ML. Agent Platform Pipelines est compatible avec le SDK des composants du pipeline Google Cloud en version 2 ou ultérieure. Pour en savoir plus sur les composants du pipelineGoogle Cloud , consultez Présentation des composants du pipeline Google Cloud .

Pour savoir comment créer un pipeline à l'aide de Kubeflow Pipelines, consultez la page Construire un pipeline. Pour en savoir plus sur Kubeflow Pipelines, consultez la documentation de Kubeflow Pipelines.

SDK TensorFlow Extended (TFX)

Logo du SDK TFX Utilisez TFX si vous utilisez TensorFlow Extended dans votre workflow de ML pour traiter des téraoctets de données structurées ou textuelles. Agent Platform Pipelines est compatible avec le SDK TFX v0.30.0 ou version ultérieure.

Pour savoir comment créer des pipelines de ML à l'aide de TFX, consultez la section Tutoriels de prise en main de la page Tutoriels TensorFlow Extended en production.

Interfaces permettant d'exécuter un pipeline

Une fois que vous avez défini votre pipeline de ML, vous pouvez créer une exécution de pipeline de ML avec l'une des interfaces suivantes :

  • API REST

  • Clients du SDK

  • ConsoleGoogle Cloud

Pour en savoir plus sur les interfaces que vous pouvez utiliser pour interagir avec l'API Gemini Enterprise, consultez Interfaces pour l'API Gemini Enterprise.

API REST

Pour créer une exécution de pipeline à l'aide de REST, utilisez l'API de service Pipelines. Cette API utilise la ressource REST projects.locations.pipelineJobs.

Clients du SDK

Agent Platform Pipelines vous permet de créer des exécutions de pipeline à l'aide du SDK Vertex AI pour Python ou des bibliothèques clientes.

SDK Agent Platform pour Python

Le SDK Vertex AI pour Python (aiplatform) est le SDK recommandé pour travailler par programmation avec l'API de service Pipelines. Pour en savoir plus sur ce SDK, consultez la documentation de l'API pour google.cloud.aiplatform.PipelineJob.

Bibliothèques clientes

Les bibliothèques clientes sont des SDK de clients API générés automatiquement (GAPIC). Agent Platform Pipelines est compatible avec les bibliothèques clientes suivantes :

  • Python (aiplatform v1 et v1beta1)

  • Java

  • Node.js

  • Go

Pour en savoir plus, consultez Installer les bibliothèques clientes Gemini Enterprise Agent Platform.

Google Cloud Console (IUG)

La consoleGoogle Cloud est la méthode recommandée pour examiner et surveiller les exécutions de votre pipeline. Vous pouvez également utiliser la console Google Cloud pour effectuer d'autres tâches, telles que créer, supprimer et cloner des exécutions de pipeline, accéder à la galerie de modèles et récupérer le libellé de facturation d'une exécution de pipeline.

Accéder à Pipelines dans la console Google Cloud

Étapes suivantes