Cette page décrit les interfaces que vous pouvez utiliser pour interagir avec Gemini Enterprise Agent Platform et quand les utiliser. Vous pouvez utiliser ces interfaces avec l'une des solutions de notebookd'Agent Platform .
Certaines opérations de 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 Google Cloud console est une interface utilisateur graphique qui vous permet de travailler avec vos ressources de machine learning.
Dans la Google Cloud console, vous pouvez gérer vos ensembles de données gérés, modèles, points de terminaison et jobs. La console vous permet également d'accéder à d'autres Google Cloud services, tels que Cloud Storage et BigQuery.
Utilisez la Google Cloud console si vous préférez afficher et gérer vos ressources et vos 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 Google Cloud des ressources 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
gcloud ai documentation de référence.
Terraform
Terraform est un outil IaC (Infrastructure as Code) qui vous permet de provisionner une infrastructure, comme les ressources et les autorisations, pour plusieurs Google Cloud services, y compris Gemini Enterprise Agent Platform.
Vous pouvez définir les ressources et les autorisations Gemini Enterprise Agent Platform pour votre Google Cloud projet dans 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 Google Cloud projet et mettre à jour l'infrastructure existante Google Cloud du projet tout 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 différences.
Pour commencer, consultez la page 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 langages suivants sont pris en charge pour Gemini Enterprise Agent Platform :
Python. La bibliothèque cliente Gemini Enterprise Agent Platform pour Python est installée lorsque vous installez le SDK Agent Platform pour Python.
Java
Node.js
C#
Go
Pour en savoir plus, consultez la page Installer les bibliothèques clientes Gemini Enterprise Agent Platform.
REST
L'API REST de Gemini Enterprise Agent Platform fournit des services RESTful pour la gestion des tâches, modèles et 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.
Étape suivante
- Configurer un projet et un environnement de développement
- Choisir une méthode d'entraînement.
- Tutoriels pour l'entraînement sur des images, tabulaire et personnalisé.
- Découvrez les bonnes pratiques de mise en œuvre de modèles de ML personnalisés sur Gemini Enterprise Agent Platform.