Registrare e condividere richieste e risposte

Gemini Enterprise Agent Platform può registrare campioni di richieste e risposte per Gemini e i modelli partner supportati. I log vengono salvati in una tabella BigQuery per la visualizzazione e l'analisi. Inoltre, Agent Platform può condividere i log di richiesta-risposta per modelli di AI avanzata specifici con determinati partner MaaS per aiutarti a rispettare i tuoi obblighi nei confronti di questi partner MaaS.

Questa pagina descrive come configurare i log di richiesta-risposta per i modelli di base e quelli sottoposti a fine-tuning.

Metodi API supportati per la registrazione

I log di richiesta/risposta sono supportati per tutti i modelli Gemini che utilizzano generateContent o streamGenerateContent.

Sono supportati anche i seguenti modelli di partner che utilizzano rawPredict o streamrawPredict:

  • Anthropic Claude

Log di richiesta-risposta per i foundation model di base

Puoi configurare i log richiesta-risposta per i modelli di base utilizzando l'API REST o l'SDK Python. L'applicazione delle configurazioni di logging può richiedere alcuni minuti.

Abilita il logging di richieste e risposte

Seleziona una delle seguenti schede per istruzioni sull'attivazione dei log di richiesta-risposta per un modello di base.

Per i modelli Anthropic, per la configurazione della registrazione è supportato solo REST. Attiva la configurazione della registrazione tramite l'API REST impostando l'editore su anthropic e impostando il nome del modello su uno dei modelli Claude supportati.

Per utilizzare il logging di richiesta/risposta per i modelli Anthropic, utilizza un endpoint regionale. L'endpoint globale e gli endpoint multiregionali non supportano questa funzionalità.

SDK Python

Questo metodo può essere utilizzato per creare o aggiornare un PublisherModelConfig.

# Specify the preview version of GenerativeModel
import vertexai
from vertexai.preview.generative_models import(
    GenerativeModel,
    )

PROJECT_ID = "PROJECT_ID"
LOCATION = "LOCATION"

vertexai.init(project=PROJECT_ID, location=LOCATION)

publisher_model = GenerativeModel("gemini-2.5-flash")

# Set logging configuration
publisher_model.set_request_response_logging_config(
    enabled=True,
    sampling_rate=1.0,
    bigquery_destination="bq://PROJECT_ID.DATASET_NAME.TABLE_NAME",
    enable_otel_logging=True
    )

API REST

Crea o aggiorna un PublisherModelConfig utilizzando setPublisherModelConfig:

Prima di utilizzare i dati della richiesta, apporta le sostituzioni seguenti:

  • ENDPOINT_PREFIX: la regione della risorsa modello seguita da -. Ad esempio: us-central1-. Se utilizzi l'endpoint globale, lascia vuoto il campo. La registrazione delle richieste e delle risposte è supportata per tutte le regioni supportate dal modello.
  • PROJECT_ID: il tuo ID progetto.
  • LOCATION: la regione della risorsa del modello. Se utilizzi l'endpoint globale, inserisci global.
  • PUBLISHER: il nome dell'editore. Ad esempio, google.
  • MODEL: Il nome del modello di base. Ad esempio, gemini-2.0-flash-001.
  • SAMPLING_RATE: per ridurre i costi di archiviazione, puoi impostare un numero compreso tra 0 e 1 per definire la frazione di richieste da registrare. Ad esempio, un valore di 1 registra tutte le richieste, mentre un valore di 0,1 registra il 10% delle richieste.
  • BQ_URI: l'URI della tabella BigQuery da utilizzare per la registrazione. Ad esempio, bq://PROJECT_ID.DATASET_NAME.TABLE_NAME. Se specifichi solo un nome di progetto, viene creato un nuovo set di dati con il nome logging_ENDPOINT_DISPLAY_NAME\_ENDPOINT_ID, dove ENDPOINT_DISPLAY_NAME segue le regole di denominazione di BigQuery. Se non specifichi un nome della tabella, viene creata una nuova tabella con il nome request_response_logging.

Metodo HTTP e URL: 

POST https://ENDPOINT_PREFIXaiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/PUBLISHER/models/MODEL:setPublisherModelConfig

Corpo JSON della richiesta: 

{
  "publisherModelConfig": {
     "loggingConfig": {
       "enabled": true,
       "samplingRate": SAMPLING_RATE,
       "bigqueryDestination": {
         "outputUri": "BQ_URI"
       },
       "enableOtelLogging": true
     }
   }
 }

Per inviare la richiesta, scegli una di queste opzioni:

curl

Salva il corpo della richiesta in un file denominato request.json, quindi esegui il comando seguente: 

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://ENDPOINT_PREFIXaiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/PUBLISHER/models/MODEL:setPublisherModelConfig"

PowerShell

Salva il corpo della richiesta in un file denominato request.json, quindi esegui il comando seguente: 

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://ENDPOINT_PREFIXaiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/PUBLISHER/models/MODEL:setPublisherModelConfig" | Select-Object -Expand Content

Dovresti ricevere una risposta JSON simile alla seguente:

Recuperare la configurazione di logging

Ottieni la configurazione della registrazione delle richieste e delle risposte per il modello di base utilizzando l'API REST.

API REST

Recupera la configurazione del logging delle richieste e delle risposte utilizzando fetchPublisherModelConfig:

Prima di utilizzare i dati della richiesta, apporta le sostituzioni seguenti:

  • PROJECT_ID: il tuo ID progetto.
  • LOCATION: la posizione della risorsa modello.
  • PUBLISHER: il nome dell'editore. Ad esempio, google.
  • MODEL: Il nome del modello di base. Ad esempio, gemini-2.0-flash-001.

Metodo HTTP e URL: 

GET https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/PUBLISHER/models/MODEL:fetchPublisherModelConfig

Per inviare la richiesta, scegli una di queste opzioni:

curl

Esegui questo comando: 

curl -X GET \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     "https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/PUBLISHER/models/MODEL:fetchPublisherModelConfig"

PowerShell

Esegui questo comando: 

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method GET `
    -Headers $headers `
    -Uri "https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/PUBLISHER/models/MODEL:fetchPublisherModelConfig" | Select-Object -Expand Content

Dovresti ricevere una risposta JSON simile alla seguente:

Disabilita logging

Disattiva la registrazione delle richieste e delle risposte per il modello di base utilizzando l'API REST o l'SDK Python.

SDK Python

# Specify the preview version of GenerativeModel
import vertexai
from vertexai.preview.generative_models import(
    GenerativeModel,
    )

PROJECT_ID = "PROJECT_ID"
LOCATION = "LOCATION"

vertexai.init(project=PROJECT_ID, location=LOCATION)

publisher_model = GenerativeModel("gemini-2.5-flash")

# Disable logging
publisher_model.set_request_response_logging_config(
    enabled=False,
    sampling_rate=1.0,
    bigquery_destination="bq://PROJECT_ID.DATASET_NAME.TABLE_NAME"
    )

API REST

Usa setPublisherModelConfig per disattivare la registrazione:

Prima di utilizzare i dati della richiesta, apporta le sostituzioni seguenti:

  • PROJECT_ID: il tuo ID progetto.
  • LOCATION: la posizione della risorsa modello.
  • PUBLISHER: il nome dell'editore. Ad esempio, google.
  • MODEL: Il nome del modello di base. Ad esempio, gemini-2.0-flash-001.

Metodo HTTP e URL: 

POST https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/PUBLISHER/models/MODEL:setPublisherModelConfig

Corpo JSON della richiesta: 

{
  "publisherModelConfig": {
     "loggingConfig": {
       "enabled": false
     }
  }
}

Per inviare la richiesta, scegli una di queste opzioni:

curl

Salva il corpo della richiesta in un file denominato request.json, quindi esegui il comando seguente: 

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/PUBLISHER/models/MODEL:setPublisherModelConfig"

PowerShell

Salva il corpo della richiesta in un file denominato request.json, quindi esegui il comando seguente: 

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/PUBLISHER/models/MODEL:setPublisherModelConfig" | Select-Object -Expand Content

Dovresti ricevere una risposta JSON simile alla seguente:

Log di richiesta-risposta per i modelli ottimizzati

Puoi configurare i log di richiesta-risposta per i modelli sottoposti a fine-tuning utilizzando l'API REST o l'SDK Python.

Abilita i log di richiesta-risposta

Seleziona una delle seguenti schede per istruzioni sull'attivazione dei log di richiesta-risposta per un modello sottoposto a fine-tuning.

SDK Python

Questo metodo può essere utilizzato per aggiornare la configurazione della registrazione di richieste e risposte per un endpoint.

# Specify the preview version of GenerativeModel
import vertexai
from vertexai.preview.generative_models import(
    GenerativeModel,
    )

PROJECT_ID = "PROJECT_ID"
LOCATION = "LOCATION"

vertexai.init(project=PROJECT_ID, location=LOCATION)

tuned_model = GenerativeModel(f"projects/{PROJECT_ID}/locations/{LOCATION}/endpoints/ENDPOINT_ID")

# Set logging configuration
publisher_model.set_request_response_logging_config(
    enabled=True,
    sampling_rate=1.0,
    bigquery_destination=f"bq://{PROJECT_ID}.DATASET_NAME.TABLE_NAME",
    enable_otel_logging=True,
    )

API REST

Puoi attivare la registrazione delle richieste e delle risposte solo quando crei un endpoint utilizzando projects.locations.endpoints.create o quando modifichi un endpoint esistente utilizzando projects.locations.endpoints.patch.

Le richieste e le risposte vengono registrate a livello di endpoint, pertanto vengono registrate le richieste inviate a tutti i modelli di cui è stato eseguito il deployment nello stesso endpoint.

Quando crei o applichi una patch a un endpoint, compila il campo predictRequestResponseLoggingConfig della risorsa Endpoint con le seguenti voci:

  • enabled: impostato su True per abilitare la registrazione di richieste e risposte.

  • samplingRate: per ridurre i costi di archiviazione, puoi impostare un numero compreso tra 0 e 1 per definire la frazione di richieste da registrare. Ad esempio, un valore pari a 1 registra tutte le richieste, mentre un valore pari a 0,1 registra il 10% delle richieste.

  • BigQueryDestination: la tabella BigQuery da utilizzare per la registrazione. Se specifichi solo un nome del progetto, viene creato un nuovo set di dati con il nome logging_ENDPOINT_DISPLAY_NAME_ENDPOINT_ID, dove ENDPOINT_DISPLAY_NAME segue le regole di denominazione di BigQuery. Se non specifichi un nome di tabella, ne viene creata una nuova con il nome request_response_logging.

  • enableOtelLogging: impostato su true per abilitare il logging di OpenTelemetry (OTEL) oltre al logging predefinito di richiesta-risposta.

Per visualizzare lo schema della tabella BigQuery, vedi Schema della tabella di logging.

Di seguito è riportata una configurazione di esempio:

{
  "predictRequestResponseLoggingConfig": {
    "enabled": true,
    "samplingRate": 0.5,
    "bigqueryDestination": {
      "outputUri": "bq://PROJECT_ID.DATASET_NAME.TABLE_NAME"
    },
    "enableOtelLogging": true
  }
}

Recuperare la configurazione di logging

Ottieni la configurazione della registrazione di richieste e risposte per il modello sottoposto a fine tuning utilizzando l'API REST.

API REST

Prima di utilizzare i dati della richiesta, apporta le sostituzioni seguenti:

  • PROJECT_ID: il tuo ID progetto.
  • LOCATION: la posizione della risorsa endpoint.
  • MODEL: Il nome del modello di base. Ad esempio, gemini-2.0-flash-001.
  • ENDPOINT_ID: l'ID dell'endpoint.

Metodo HTTP e URL: 

GET https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/endpoints/ENDPOINT_ID

Per inviare la richiesta, scegli una di queste opzioni:

curl

Esegui questo comando: 

curl -X GET \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     "https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/endpoints/ENDPOINT_ID"

PowerShell

Esegui questo comando: 

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method GET `
    -Headers $headers `
    -Uri "https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/endpoints/ENDPOINT_ID" | Select-Object -Expand Content

Dovresti ricevere una risposta JSON simile alla seguente:

Disabilita la configurazione del logging

Disattiva la configurazione del logging delle richieste e delle risposte per l'endpoint.

SDK Python

# Specify the preview version of GenerativeModel
import vertexai
from vertexai.preview.generative_models import(
    GenerativeModel,
    )

PROJECT_ID = "PROJECT_ID"
LOCATION = "LOCATION"

vertexai.init(project=PROJECT_ID, location=LOCATION)

tuned_model = GenerativeModel(f"projects/{PROJECT_ID}/locations/{LOCATION}/endpoints/ENDPOINT_ID")

# Disable logging
tuned_model.set_request_response_logging_config(
    enabled=False,
    sampling_rate=1.0,
    bigquery_destination="bq://PROJECT_ID.DATASET_NAME.TABLE_NAME"
    )

API REST

{
"predictRequestResponseLoggingConfig": {
  "enabled": false
}
}

Schema della tabella di logging

In BigQuery, i log vengono registrati utilizzando il seguente schema:

Nome campo Tipo Note
endpoint STRING Nome della risorsa dell'endpoint di cui è stato eseguito il deployment del modello ottimizzato.
deployed_model_id STRING ID modello di cui è stato eseguito il deployment per un modello ottimizzato di cui è stato eseguito il deployment su un endpoint.
logging_time TIMESTAMP L'ora in cui viene eseguita la registrazione. Questo è approssimativamente il momento in cui viene restituita la risposta.
request_id NUMERIC ID richiesta intero generato automaticamente in base alla richiesta API.
request_payload STRING Incluso per il logging dei modelli partner e la compatibilità con le versioni precedenti con il log di richiesta/risposta dell'endpoint Agent Platform.
response_payload STRING Incluso per il logging dei modelli partner e la compatibilità con le versioni precedenti con il log di richiesta/risposta dell'endpoint Agent Platform.
modello STRING Nome della risorsa del modello.
model_version STRING La versione del modello. Spesso è "default" per i modelli Gemini.
api_method STRING generateContent, streamGenerateContent, rawPredict, streamRawPredict
full_request JSON L'intero GenerateContentRequest.
full_response JSON L'intero GenerateContentResponse.
metadati JSON Qualsiasi metadato della chiamata; contiene la latenza della richiesta.
otel_log JSON Log nel formato dello schema OpenTelemetry. Disponibile solo se otel_logging è abilitato nella configurazione della registrazione.

Tieni presente che le coppie richiesta-risposta più grandi del limite di 10 MB per riga dell'API BigQuery Writenon vengono registrate.

Condivisione di richieste e risposte con i partner MaaS

Per alcuni modelli di AI avanzata, alcuni partner MaaS richiedono che un log di prompt e risposte venga condiviso in modo a prova di manomissione con i loro team di fiducia e sicurezza, in modo che possano monitorare potenziali abusi. Ad esempio, l'utilizzo dell'IA avanzata di Anthropic è regolato dalla Sezione F dei Termini specifici del servizio di Anthropic. Mentre la funzionalità dataSharingEnabledProvider è attiva, le richieste e le risposte registrate ai sensi dell'Addendum sulla sicurezza dell'AI avanzata saranno condivise con il partner MaaS in tempo reale.

La condivisione dei log di richiesta-risposta a prova di manomissione può essere abilitata utilizzando l'API setPublisherModelConfig, come descritto nelle sezioni seguenti.

Modelli supportati

La tabella seguente elenca i partner e i modelli MaaS che supportano le richieste e le risposte di condivisione:

Partner MaaS supportato Modelli supportati
Anthropic
  • Anteprima di Claude Mythos
  • Claude Mythos 5
  • Claude Fable 5 su Google Cloud

Il partner MaaS e il modello devono corrispondere. Il log delle richieste e delle risposte può essere condiviso solo con il partner MaaS che ha pubblicato il modello.

Prerequisiti

Google deve ricevere il consenso per l'Appendice sulla sicurezza dell'AI avanzata in questo progetto prima che la condivisione dei dati possa essere attivata. Per saperne di più sull'appendice, consulta Sicurezza dell'AI avanzata.

Non è necessario abilitare la registrazione delle richieste e delle risposte per BigQuery per utilizzare la condivisione dei log delle richieste e delle risposte.

Limitazioni

Per impostazione predefinita, i progetti protetti dai Controlli di servizio VPC non possono condividere dati con i partner MaaS. La configurazione di una regola di uscita dei Controlli di servizio VPC non è supportata. Per attivare la condivisione dei dati per un progetto protetto da Controlli di servizio VPC, apri una richiesta di assistenza.

Abilitare i dati

Segui questi passaggi:

API REST

Prima di utilizzare i dati della richiesta, apporta le sostituzioni seguenti:

  • ENDPOINT_PREFIX: il prefisso appropriato per la posizione dell'endpoint del modello. Utilizza i seguenti valori:
    • Per l'endpoint global, utilizza aiplatform.
    • Per gli endpoint multiregionali come us o eu, utilizza aiplatform.LOCATION.rep
    • Per gli endpoint regionali come us-central1, utilizza LOCATION-aiplatform.
  • PROJECT_ID: il tuo ID progetto.
  • LOCATION: la posizione dell'endpoint del modello. Ad esempio, global, us, eu o us-central1.
  • PUBLISHER: Il nome dell'editore del modello, in lettere minuscole. Ad esempio, anthropic.
  • MODEL: Il nome del modello di base. Ad esempio: claude-fable-5.
  • MAAS_PARTNER: Il nome dell'editore del modello, in maiuscolo. Il partner MaaS deve essere la versione in maiuscolo di MODEL, descritta sopra. Ad esempio, ANTHROPIC.

Metodo HTTP e URL: 

POST https://ENDPOINT_PREFIX.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/PUBLISHER/models/MODEL:setPublisherModelConfig

Corpo JSON della richiesta: 

{
  "publisherModelConfig": {
    "dataSharingEnabledProvider": "ANTHROPIC"
  }
}

Per inviare la richiesta, scegli una di queste opzioni:

curl

Salva il corpo della richiesta in un file denominato request.json, quindi esegui il comando seguente: 

curl -X POST \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://ENDPOINT_PREFIX.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/PUBLISHER/models/MODEL:setPublisherModelConfig"

PowerShell

Salva il corpo della richiesta in un file denominato request.json, quindi esegui il comando seguente: 

$headers = @{  }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://ENDPOINT_PREFIX.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/PUBLISHER/models/MODEL:setPublisherModelConfig" | Select-Object -Expand Content

Dovresti ricevere un codice di stato riuscito (2xx) e una risposta vuota.

Ottieni configurazione di condivisione

Segui questi passaggi:

API REST

Prima di utilizzare i dati della richiesta, apporta le sostituzioni seguenti:

  • ENDPOINT_PREFIX: il prefisso appropriato per la posizione dell'endpoint del modello. Utilizza i seguenti valori:
    • Per l'endpoint global, utilizza aiplatform.
    • Per gli endpoint multiregionali come us o eu, utilizza aiplatform.LOCATION.rep
    • Per gli endpoint regionali come us-central1, utilizza LOCATION-aiplatform.
  • PROJECT_ID: il tuo ID progetto.
  • LOCATION: la posizione dell'endpoint del modello. Ad esempio, global, us, eu o us-central1.
  • PUBLISHER: Il nome dell'editore del modello, in lettere minuscole. Ad esempio, anthropic.
  • MODEL: Il nome del modello di base. Ad esempio: claude-fable-5.

Metodo HTTP e URL: 

 https://ENDPOINT_PREFIX.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/PUBLISHER/models/MODEL:setPublisherModelConfig

Per inviare la richiesta, scegli una di queste opzioni:

curl

Esegui questo comando: 

curl -X  \
     -H "Authorization: Bearer TOKEN" \
     "https://ENDPOINT_PREFIX.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/PUBLISHER/models/MODEL:setPublisherModelConfig"

PowerShell

Esegui questo comando: 

$headers = @{ "Authorization" = "Bearer TOKEN" }

Invoke-WebRequest `
    -Method  `
    -Headers $headers `
    -Uri "https://ENDPOINT_PREFIX.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/PUBLISHER/models/MODEL:setPublisherModelConfig" | Select-Object -Expand Content

Dovresti ricevere una risposta JSON simile alla seguente:

{
  "loggingConfig": {},
  "dataSharingEnabledProvider": "ANTHROPIC"
}

Disabilita condivisione dei dati

Segui questi passaggi:

API REST

Prima di utilizzare i dati della richiesta, apporta le sostituzioni seguenti:

  • ENDPOINT_PREFIX: il prefisso appropriato per la posizione dell'endpoint del modello. Utilizza i seguenti valori:
    • Per l'endpoint global, utilizza aiplatform.
    • Per gli endpoint multiregionali come us o eu, utilizza aiplatform.LOCATION.rep
    • Per gli endpoint regionali come us-central1, utilizza LOCATION-aiplatform.
  • PROJECT_ID: il tuo ID progetto.
  • LOCATION: la posizione dell'endpoint del modello. Ad esempio, global, us, eu o us-central1.
  • PUBLISHER: Il nome dell'editore del modello, in lettere minuscole. Ad esempio, anthropic.
  • MODEL: Il nome del modello di base. Ad esempio: claude-fable-5.

Metodo HTTP e URL: 

POST https://ENDPOINT_PREFIX.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/PUBLISHER/models/MODEL:setPublisherModelConfig

Corpo JSON della richiesta: 

{
  "publisherModelConfig": {
    "dataSharingEnabledProvider": "MODEL_PROVIDER_UNSPECIFIED"
  }
}

Per inviare la richiesta, scegli una di queste opzioni:

curl

Salva il corpo della richiesta in un file denominato request.json, quindi esegui il comando seguente: 

curl -X POST \
     -H "Authorization: Bearer TOKEN" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://ENDPOINT_PREFIX.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/PUBLISHER/models/MODEL:setPublisherModelConfig"

PowerShell

Salva il corpo della richiesta in un file denominato request.json, quindi esegui il comando seguente: 

$headers = @{ "Authorization" = "Bearer TOKEN" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://ENDPOINT_PREFIX.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/PUBLISHER/models/MODEL:setPublisherModelConfig" | Select-Object -Expand Content

Dovresti ricevere un codice di stato riuscito (2xx) e una risposta vuota.

Impedire le richieste di condivisione dei dati

Per impedire la condivisione dei log di richieste e risposte con i partner MaaS, l'amministratore del progetto può eseguire una delle seguenti operazioni:

Passaggi successivi