Cette page décrit les interfaces que vous pouvez utiliser pour interagir avec la plate-forme d'agents Gemini Enterprise et quand les utiliser. Vous pouvez utiliser ces interfaces avec l'une des solutions de notebook d'Agent Platform.
Certaines opérations Gemini Enterprise Agent Platform ne sont disponibles qu'à travers des interfaces spécifiques. Vous devrez donc peut-être basculer entre interfaces pendant votre workflow. Par exemple, dans Vertex AI Experiments, vous devez utiliser l'API pour consigner les données dans une exécution de test, mais vous pouvez afficher les résultats dans la console.
Console
La console Google Cloud est une interface utilisateur graphique qui vous permet de travailler avec vos ressources de machine learning.
Dans la console Google Cloud , vous pouvez gérer vos ensembles de données gérés, vos modèles, vos points de terminaison et vos jobs. La console vous permet également d'accéder à d'autres services Google Cloud , tels que Cloud Storage et BigQuery.
Utilisez la console Google Cloud si vous préférez afficher et gérer vos ressources et visualisations Gemini Enterprise Agent Platform via une interface utilisateur graphique.
Pour en savoir plus, consultez la page Tableau de bord de la section Gemini Enterprise Agent Platform :
gcloud
L'interface de ligne de commande (CLI) Google Cloud est un ensemble d'outils permettant de créer et de gérer des ressources Google Cloud à l'aide de la commande gcloud.
Utilisez Google Cloud CLI si vous souhaitez gérer vos ressources Gemini Enterprise Agent Platform à partir de la ligne de commande, ou via des scripts et autres mécanismes d'automatisation.
Pour en savoir plus, consultez la section Installer gcloud CLI et la documentation de référence de gcloud ai.
Terraform
Terraform est un outil Infrastructure as Code (IaC) qui vous permet de provisionner l'infrastructure, comme les ressources et les autorisations, pour plusieurs servicesGoogle Cloud , y compris la plate-forme Gemini Enterprise Agent.
Vous pouvez définir les ressources et les autorisations Gemini Enterprise Agent Platform pour votre projet Google Clouddans un fichier de configuration Terraform. Vous pouvez ensuite utiliser Terraform pour appliquer la configuration à votre projet en créant de nouvelles ressources et en mettant à jour des ressources existantes.
Utilisez Terraform si vous souhaitez standardiser l'infrastructure des ressources Gemini Enterprise Agent Platform dans votre projet Google Cloud et mettre à jour l'infrastructure existante du projet Google Cloudtout en respectant les dépendances de ressources.
Pour commencer, consultez la page Compatibilité de Terraform avec Gemini Enterprise Agent Platform.
Python
Utilisez le SDK Agent Platform pour Python afin d'automatiser votre workflow Gemini Enterprise Agent Platform.
Le SDK Agent Platform pour Python est semblable à la bibliothèque cliente Gemini Enterprise Agent Platform pour Python, à la différence que le SDK est de niveau plus élevé et possède une précision moindre. Pour en savoir plus, consultez la section Comprendre les différences entre le SDK et la bibliothèque cliente.
Pour commencer, consultez Installer le SDK Agent Platform.
Bibliothèques clientes
Les bibliothèques clientes utilisent les conventions naturelles de chaque langage pris en charge pour appeler l'API Agent Platform et réduire le code récurrent que vous devez écrire.
Les langues suivantes sont prises en charge pour Gemini Enterprise Agent Platform :
Python. La bibliothèque cliente Python Gemini Enterprise Agent Platform est installée lorsque vous installez le SDK Agent Platform pour Python.
Java
Node.js
C#
Go
Pour en savoir plus, consultez Installer les bibliothèques clientes Gemini Enterprise Agent Platform.
REST
L'API REST Gemini Enterprise Agent Platform fournit des services RESTful pour la gestion des jobs, des modèles et des points de terminaison, ainsi que pour la réalisation d'inférences avec des modèles hébergés sur Google Cloud.
Utilisez l'API REST si vous devez utiliser vos propres bibliothèques pour appeler l'API Agent Platform depuis votre application.
Pour commencer, consultez la documentation de référence de l'API REST Agent Platform.
Étapes suivantes
- Configurer un projet et un environnement de développement
- Choisir une méthode d'entraînement.
- Des tutoriels pour les types de données image, tabulaire et pour l'entraînement personnalisé.
- Découvrez les bonnes pratiques de mise en œuvre de modèles de ML entraînés personnalisés sur Gemini Enterprise Agent Platform.