Installer le SDK Agent Platform pour Python

Utilisez le SDK Agent Platform pour Python afin d'automatiser vos workflows de machine learning (ML). Cette page vous explique comment installer le SDK Agent Platform pour Python. Pour en savoir plus sur le SDK Vertex AI, consultez les ressources suivantes :

L'installation du SDK Agent Platform pour Python comprend les étapes suivantes :

  1. Créer un environnement Python isolé
  2. Installer le package du SDK Vertex AI
  3. Initialiser le SDK Vertex AI

Créer un environnement Python isolé

Une bonne pratique Python consiste à installer le SDK Vertex AI dans un environnement Python isolé pour chaque projet. Cela permet d'éviter les conflits de dépendance, de version et d'autorisations. Vous pouvez créer un environnement isolé pour utiliser la ligne de commande dans un shell ou pour utiliser un notebook.

Pour créer un environnement isolé lorsque vous utilisez la ligne de commande, activez un environnement venv. Une fois l'environnement venv activé, vous êtes prêt à installer le SDK Vertex AI et à exécuter vos scripts Python. Pour en savoir plus, consultez Isoler les dépendances à l'aide de venv et Configurer un environnement de développement Python.

Pour utiliser un notebook dans un environnement isolé, vous pouvez créer une instance Gemini Enterprise Agent Platform Workbench. Ensuite, installez le SDK Vertex AI et exécutez vos scripts Python à partir d'un notebook sur votre instance Gemini Enterprise Agent Platform Workbench. Pour en savoir plus, consultez Créer une instance Agent Platform Workbench.

Installer ou mettre à jour le package du SDK Vertex AI

Pour installer ou mettre à jour le SDK Vertex AI, exécutez la commande suivante dans votre environnement virtuel :

pip install --upgrade google-cloud-aiplatform

Initialiser le SDK Vertex AI

Une fois le SDK Agent Platform pour Python installé, vous devez l'initialiser avec vos détails Gemini Enterprise Agent Platform et Google Cloud . Par exemple, lorsque vous initialisez le SDK, vous spécifiez des informations telles que le nom du projet, la région et le bucket Cloud Storage de préproduction. La méthode suivante est un exemple de méthode d'initialisation du SDK Vertex AI.

def init_sample(
    project: Optional[str] = None,
    location: Optional[str] = None,
    experiment: Optional[str] = None,
    staging_bucket: Optional[str] = None,
    credentials: Optional[google.auth.credentials.Credentials] = None,
    encryption_spec_key_name: Optional[str] = None,
    service_account: Optional[str] = None,
):

    import vertexai

    vertexai.init(
        project=project,
        location=location,
        experiment=experiment,
        staging_bucket=staging_bucket,
        credentials=credentials,
        encryption_spec_key_name=encryption_spec_key_name,
        service_account=service_account,
    )

Étape suivante