Google uses AI technology to translate content into your preferred language. AI translations can contain errors.

요청 및 응답 로깅 및 공유

Gemini Enterprise Agent Platform은 Gemini 및 지원되는 파트너 모델의 요청 및 응답 샘플을 로깅할 수 있습니다. 로그는 보기 및 분석을 위해 BigQuery 테이블에 저장됩니다. 또한 Agent Platform은 특정 고급 AI 모델의 요청-응답 로그를 특정 MaaS 파트너와 공유하여 이러한 MaaS 파트너에 대한 의무를 이행할 수 있도록 지원합니다.

이 페이지에서는 기본 파운데이션 모델과 미세 조정된 모델의 요청-응답 로그를 구성하는 방법을 설명합니다.

로깅에 지원되는 API 메서드

요청-응답 로그는 generateContent 또는 streamGenerateContent를 사용하는 모든 Gemini 모델에서 지원됩니다.

rawPredict 또는 streamrawPredict를 사용하는 다음 파트너 모델도 지원됩니다.

Anthropic Claude

기본 파운데이션 모델의 요청-응답 로그

REST API 또는 Python SDK를 사용하여 기본 파운데이션 모델의 요청-응답 로그를 구성할 수 있습니다. 로깅 구성이 적용되는 데 몇 분 정도 걸릴 수 있습니다.

요청-응답 로깅 사용 설정

기본 파운데이션 모델의 요청-응답 로그를 사용 설정하는 방법을 알아보려면 다음 탭 중 하나를 선택하세요.

Anthropic 모델의 경우 로깅 구성에 REST만 지원됩니다. 게시자를 anthropic으로 설정하고 모델 이름을 지원되는 Claude 모델 중 하나로 설정하여 REST API를 통해 로깅 구성을 사용 설정합니다.

Anthropic 모델에 요청-응답 로깅을 사용하려면 리전 엔드포인트를 사용하세요. 전역 엔드포인트와 멀티 리전 엔드포인트는 이 기능을 지원하지 않습니다.

Python SDK

이 메서드를 사용하여 PublisherModelConfig를 만들거나 업데이트할 수 있습니다.

# 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
    )

REST API

setPublisherModelConfig를 사용하여 PublisherModelConfig를 만들거나 업데이트합니다.

요청 데이터를 사용하기 전에 다음을 바꿉니다.

ENDPOINT_PREFIX: 모델 리소스의 리전이며 뒤에 -이 이어집니다. 예를 들면 us-central1-입니다. 전역 엔드포인트를 사용하는 경우 비워 둡니다. 요청-응답 로깅은 모델에서 지원하는 모든 리전에서 지원됩니다.
PROJECT_ID: 프로젝트 ID입니다.
LOCATION: 모델 리소스의 리전입니다. 전역 엔드포인트를 사용하는 경우 global을 입력합니다.
PUBLISHER: 게시자 이름입니다. 예를 들면 google입니다.
MODEL: 파운데이션 모델 이름입니다. 예를 들면 gemini-2.0-flash-001입니다.
SAMPLING_RATE: 스토리지 비용을 줄이려면 0~1 사이의 숫자를 설정하여 로깅할 요청의 비율을 정의하세요. 예를 들어 값이 1이면 모든 요청이 로깅되고 값이 0.1이면 요청의 10%가 로깅됩니다.
BQ_URI: 로깅에 사용할 BigQuery 테이블의 URI입니다. 예를 들면 bq://PROJECT_ID.DATASET_NAME.TABLE_NAME입니다. 프로젝트 이름만 지정하면 logging_ENDPOINT_DISPLAY_NAME\_ENDPOINT_ID라는 이름으로 새 데이터 세트가 생성됩니다. 여기서 ENDPOINT_DISPLAY_NAME은 BigQuery 이름 지정 규칙을 따릅니다. 테이블 이름을 지정하지 않으면 request_response_logging이라는 이름의 새 테이블이 생성됩니다.

HTTP 메서드 및 URL:

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

JSON 요청 본문:

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

요청을 보내려면 다음 옵션 중 하나를 선택합니다.

curl

참고: 다음 명령어는 gcloud init 또는 gcloud auth login을 실행하거나 gcloud CLI에 자동으로 로그인하는 Cloud Shell을 사용하여 사용자 계정으로 gcloud CLI에 로그인했다고 가정합니다. gcloud auth list를 실행하면 현재 활성 계정을 확인할 수 있습니다.

요청 본문을 request.json 파일에 저장하고 다음 명령어를 실행합니다.

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

참고: 다음 명령어는 gcloud init 또는 gcloud auth login을 실행하여 사용자 계정으로 gcloud CLI에 로그인했다고 가정합니다. gcloud auth list를 실행하면 현재 활성 계정을 확인할 수 있습니다.

요청 본문을 request.json 파일에 저장하고 다음 명령어를 실행합니다.

$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

다음과 비슷한 JSON 응답이 표시됩니다.

응답

{
  "name": "projects/PROJECT_ID/locations/LOCATION/operations/OPERATION_ID",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.aiplatform.v1beta1.SetPublisherModelConfigOperationMetadata",
    "genericMetadata": {
      "createTime": "2025-03-11T22:42:54.283184Z",
      "updateTime": "2025-03-11T22:42:54.283184Z"
    }
  }
}

로깅 구성 가져오기

REST API를 사용하여 파운데이션 모델의 요청-응답 로깅 구성을 가져옵니다.

REST API

fetchPublisherModelConfig를 사용하여 요청-응답 로깅 구성을 가져옵니다.

요청 데이터를 사용하기 전에 다음을 바꿉니다.

PROJECT_ID: 프로젝트 ID입니다.
LOCATION: 모델 리소스의 위치입니다.
PUBLISHER: 게시자 이름입니다. 예를 들면 google입니다.
MODEL: 파운데이션 모델 이름입니다. 예를 들면 gemini-2.0-flash-001입니다.

HTTP 메서드 및 URL:

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

요청을 보내려면 다음 옵션 중 하나를 선택합니다.

curl

다음 명령어를 실행합니다.

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

다음 명령어를 실행합니다.

$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

다음과 비슷한 JSON 응답이 표시됩니다.

응답

{
  "loggingConfig": {
    "enabled": true,
    "samplingRate": 1,
    "bigqueryDestination": {
      "outputUri": "bq://output-uri"
    },
    "enableOtelLogging": true
  }
}

로깅 중지

REST API 또는 Python SDK를 사용하여 파운데이션 모델의 요청-응답 로깅을 중지합니다.

Python SDK

# 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"
    )

REST API

setPublisherModelConfig를 사용하여 로깅을 중지합니다.

요청 데이터를 사용하기 전에 다음을 바꿉니다.

PROJECT_ID: 프로젝트 ID입니다.
LOCATION: 모델 리소스의 위치입니다.
PUBLISHER: 게시자 이름입니다. 예를 들면 google입니다.
MODEL: 파운데이션 모델 이름입니다. 예를 들면 gemini-2.0-flash-001입니다.

HTTP 메서드 및 URL:

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

JSON 요청 본문:

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

요청을 보내려면 다음 옵션 중 하나를 선택합니다.

curl

요청 본문을 request.json 파일에 저장하고 다음 명령어를 실행합니다.

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

요청 본문을 request.json 파일에 저장하고 다음 명령어를 실행합니다.

$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

다음과 비슷한 JSON 응답이 표시됩니다.

응답

{
  "name": "projects/PROJECT_ID/locations/LOCATION/operations/OPERATION_ID",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.aiplatform.v1beta1.SetPublisherModelConfigOperationMetadata",
    "genericMetadata": {
      "createTime": "2025-03-11T22:42:54.283184Z",
      "updateTime": "2025-03-11T22:42:54.283184Z"
    }
  }
}

미세 조정된 모델의 요청-응답 로그

REST API 또는 Python SDK를 사용하여 미세 조정된 모델의 요청-응답 로그를 구성할 수 있습니다.

요청-응답 로그 사용 설정

미세 조정된 모델의 요청-응답 로그를 사용 설정하는 방법을 알아보려면 다음 탭 중 하나를 선택하세요.

Python SDK

이 메서드를 사용하여 엔드포인트의 요청-응답 로깅 구성을 업데이트할 수 있습니다.

# 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,
    )

REST API

projects.locations.endpoints.create를 사용해 엔드포인트를 만들거나 projects.locations.endpoints.patch를 사용하여 기존 엔드포인트를 패치할 때만 요청-응답 로깅을 사용 설정할 수 있습니다.

요청과 응답은 엔드포인트 수준에서 로깅되므로 동일한 엔드포인트에 있는 배포된 모델로 전송된 요청이 로깅됩니다.

엔드포인트를 만들거나 패치할 때 엔드포인트 리소스의 predictRequestResponseLoggingConfig 필드를 다음 항목으로 채웁니다.

enabled: True로 설정하여 요청-응답 로깅을 사용 설정합니다.
samplingRate: 스토리지 비용을 줄이려면 0~1 사이의 숫자를 설정하여 로깅할 요청의 비율을 정의하세요. 예를 들어 값이 1이면 모든 요청이 로깅되고 값이 0.1이면 요청의 10%가 로깅됩니다.
BigQueryDestination: 로깅에 사용할 BigQuery 테이블입니다. 프로젝트 이름만 지정하면 logging_ENDPOINT_DISPLAY_NAME_ENDPOINT_ID라는 이름으로 새 데이터 세트가 생성됩니다. 여기서 ENDPOINT_DISPLAY_NAME은 BigQuery 이름 지정 규칙을 따릅니다. 테이블 이름을 지정하지 않으면 request_response_logging이라는 이름의 새 테이블이 생성됩니다.
enableOtelLogging: 기본 요청-응답 로깅 외에 OpenTelemetry(OTEL) 로깅도 사용 설정하려면 true로 설정합니다.

BigQuery 테이블 스키마를 보려면 로깅 테이블 스키마를 참조하세요.

다음은 구성 예시입니다.

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

로깅 구성 가져오기

REST API를 사용하여 미세 조정된 모델의 요청-응답 로깅 구성을 가져옵니다.

REST API

요청 데이터를 사용하기 전에 다음을 바꿉니다.

PROJECT_ID: 프로젝트 ID입니다.
LOCATION: 엔드포인트 리소스의 위치입니다.
MODEL: 파운데이션 모델 이름입니다. 예를 들면 gemini-2.0-flash-001입니다.
ENDPOINT_ID: 엔드포인트의 ID입니다.

HTTP 메서드 및 URL:

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

요청을 보내려면 다음 옵션 중 하나를 선택합니다.

curl

다음 명령어를 실행합니다.

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

다음 명령어를 실행합니다.

$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

다음과 비슷한 JSON 응답이 표시됩니다.

응답

{
  "loggingConfig": {
    "enabled": true,
    "samplingRate": 1,
    "bigqueryDestination": {
      "outputUri": "bq://output-uri"
    },
    "enableOtelLogging": true
  }
}

로깅 구성 중지

엔드포인트의 요청-응답 로깅 구성을 중지합니다.

Python SDK

# 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"
    )

REST API

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

로깅 테이블 스키마

BigQuery에서 로그는 다음 스키마를 사용하여 기록됩니다.

필드 이름	유형	참고
엔드포인트	STRING	조정된 모델이 배포된 엔드포인트의 리소스 이름입니다.
deployed_model_id	STRING	엔드포인트에 배포된 조정된 모델의 배포된 모델 ID입니다.
logging_time	TIMESTAMP	로깅이 실행된 시간입니다. 대략적인 응답 반환 시간입니다.
request_id	NUMERIC	API 요청을 기반으로 자동 생성된 정수 요청 ID입니다.
request_payload	문자열	파트너 모델 로깅 및 Agent Platform 엔드포인트 요청-응답 로그와의 하위 호환성을 위해 포함됩니다.
response_payload	문자열	파트너 모델 로깅 및 Agent Platform 엔드포인트 요청-응답 로그와의 하위 호환성을 위해 포함됩니다.
모델	STRING	모델 리소스 이름입니다.
model_version	STRING	모델 버전입니다. Gemini 모델의 경우 'default'인 경우가 많습니다.
api_method	STRING	generateContent, streamGenerateContent, rawPredict, streamRawPredict
full_request	JSON	전체 `GenerateContentRequest`입니다.
full_response	JSON	전체 `GenerateContentResponse`입니다.
메타데이터	JSON	호출의 메타데이터입니다. 요청 지연 시간이 포함됩니다.
otel_log	JSON	OpenTelemetry 스키마 형식의 로그입니다. 로깅 구성에서 `otel_logging`이 사용 설정된 경우에만 사용할 수 있습니다.

BigQuery Write API 10MB 행 한도보다 큰 요청-응답 쌍은 기록되지 않습니다.

일부 고급 AI 모델의 경우 일부 MaaS 파트너는 잠재적인 악용을 모니터링할 수 있도록 프롬프트와 대답의 로그가 신뢰 및 안전 팀과 조작 방지 방식으로 공유되도록 요구합니다. 예를 들어 Anthropic Advanced AI의 사용에는 Anthropic의 서비스별 약관 섹션 F가 적용됩니다. dataSharingEnabledProvider 기능이 활성화되어 있는 동안 고급 AI 안전 부록에 따라 기록된 요청과 응답이 MaaS 파트너와 실시간으로 공유됩니다.

다음 섹션에 설명된 대로 setPublisherModelConfig API를 사용하여 변조 방지 요청-응답 로그 공유를 사용 설정할 수 있습니다.

다음 표에는 요청과 응답 공유를 지원하는 MaaS 파트너와 모델이 나와 있습니다.

지원되는 MaaS 파트너	지원되는 모델
Anthropic	Claude Mythos 프리뷰 Claude Mythos 5 Google Cloud 기반 Claude Fable 5

MaaS 파트너와 모델이 일치해야 합니다. 요청-응답 로그는 모델을 게시한 MaaS 파트너와만 공유할 수 있습니다.

데이터 공유를 사용 설정하려면 Google에서 이 프로젝트의 고급 AI 안전 부록에 대한 동의를 받아야 합니다. 부록에 관한 자세한 내용은 고급 AI 안전성을 참고하세요.

요청-응답 로그 공유를 사용하기 위해 BigQuery에 대한 요청-응답 로깅을 사용 설정할 필요는 없습니다.

VPC 서비스 제어로 보호되는 프로젝트는 기본적으로 MaaS 파트너와 데이터를 공유할 수 없습니다. VPC 서비스 제어 이그레스 규칙 구성은 지원되지 않습니다. VPC 서비스 제어로 보호되는 프로젝트의 데이터 공유를 사용 설정하려면 지원 케이스를 제출하세요.

다음 단계를 따르세요.

REST API

요청 데이터를 사용하기 전에 다음을 바꿉니다.

ENDPOINT_PREFIX: 모델 엔드포인트 위치의 적절한 접두사입니다. 다음 값을 사용합니다.
- global 엔드포인트의 경우 aiplatform을 사용합니다.
- us 또는 eu과 같은 멀티 리전 엔드포인트의 경우 aiplatform.LOCATION.rep를 사용합니다.
- us-central1와 같은 리전 엔드포인트의 경우 LOCATION-aiplatform를 사용합니다.
PROJECT_ID: 프로젝트 ID입니다.
LOCATION: 모델 엔드포인트의 위치입니다. 예를 들면 global, us, eu, us-central1입니다.
PUBLISHER: 모델 게시자의 이름입니다(소문자). 예를 들면 anthropic입니다.
MODEL: 파운데이션 모델 이름입니다. 예를 들면 claude-fable-5입니다.
MAAS_PARTNER: 모델 게시자의 이름입니다(대문자). MaaS 파트너는 위에 설명된 MODEL의 대문자 버전이어야 합니다. 예를 들면 ANTHROPIC입니다.

HTTP 메서드 및 URL:

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

JSON 요청 본문:

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

요청을 보내려면 다음 옵션 중 하나를 선택합니다.

curl

요청 본문을 request.json 파일에 저장하고 다음 명령어를 실행합니다.

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

요청 본문을 request.json 파일에 저장하고 다음 명령어를 실행합니다.

$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

성공 상태 코드(2xx)와 빈 응답을 받게 됩니다.

다음 단계를 따르세요.

REST API

요청 데이터를 사용하기 전에 다음을 바꿉니다.

ENDPOINT_PREFIX: 모델 엔드포인트 위치의 적절한 접두사입니다. 다음 값을 사용합니다.
- global 엔드포인트의 경우 aiplatform을 사용합니다.
- us 또는 eu과 같은 멀티 리전 엔드포인트의 경우 aiplatform.LOCATION.rep를 사용합니다.
- us-central1와 같은 리전 엔드포인트의 경우 LOCATION-aiplatform를 사용합니다.
PROJECT_ID: 프로젝트 ID입니다.
LOCATION: 모델 엔드포인트의 위치입니다. 예를 들면 global, us, eu, us-central1입니다.
PUBLISHER: 모델 게시자의 이름입니다(소문자). 예를 들면 anthropic입니다.
MODEL: 파운데이션 모델 이름입니다. 예를 들면 claude-fable-5입니다.

HTTP 메서드 및 URL:

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

요청을 보내려면 다음 옵션 중 하나를 선택합니다.

curl

다음 명령어를 실행합니다.

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

PowerShell

다음 명령어를 실행합니다.

$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

다음과 비슷한 JSON 응답이 표시됩니다.

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

다음 단계를 따르세요.

REST API

요청 데이터를 사용하기 전에 다음을 바꿉니다.

ENDPOINT_PREFIX: 모델 엔드포인트 위치의 적절한 접두사입니다. 다음 값을 사용합니다.
- global 엔드포인트의 경우 aiplatform을 사용합니다.
- us 또는 eu과 같은 멀티 리전 엔드포인트의 경우 aiplatform.LOCATION.rep를 사용합니다.
- us-central1와 같은 리전 엔드포인트의 경우 LOCATION-aiplatform를 사용합니다.
PROJECT_ID: 프로젝트 ID입니다.
LOCATION: 모델 엔드포인트의 위치입니다. 예를 들면 global, us, eu, us-central1입니다.
PUBLISHER: 모델 게시자의 이름입니다(소문자). 예를 들면 anthropic입니다.
MODEL: 파운데이션 모델 이름입니다. 예를 들면 claude-fable-5입니다.

HTTP 메서드 및 URL:

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

JSON 요청 본문:

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

요청을 보내려면 다음 옵션 중 하나를 선택합니다.

curl

요청 본문을 request.json 파일에 저장하고 다음 명령어를 실행합니다.

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

요청 본문을 request.json 파일에 저장하고 다음 명령어를 실행합니다.

$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

성공 상태 코드(2xx)와 빈 응답을 받게 됩니다.

MaaS 파트너와 요청 및 응답 로그를 공유하지 않으려면 프로젝트 관리자가 다음 중 하나를 수행하면 됩니다.

프로젝트와 aiplatform.googleapis.com를 제한된 서비스로 포함하는 VPC 서비스 제어 서비스 경계를 만듭니다.
데이터 공유를 지원하는 Model Garden 모델에 대한 액세스를 사용 중지합니다.
로깅 또는 로그 공유가 사용 설정되지 않도록 aiplatform.endpoints.setPublisherModelConfig 권한에 최소 권한을 적용합니다.

다음 단계

온라인 예측 로깅 가격 예측
Google Cloud 콘솔을 사용하거나 Agent Platform API를 사용하여 모델 배포하기
BigQuery 테이블 생성 방법 알아보기
요청 응답 로깅과 관련된 정책에 대한 자세한 내용은 다음을 참고하세요.
- 책임감 있는 AI 알아보기
- 악용 모니터링
- 데이터 보관 없음

요청 및 응답 로깅 및 공유 컬렉션을 사용해 정리하기 내 환경설정을 기준으로 콘텐츠를 저장하고 분류하세요.

로깅에 지원되는 API 메서드

기본 파운데이션 모델의 요청-응답 로그

요청-응답 로깅 사용 설정

Python SDK

REST API

curl

PowerShell

응답

로깅 구성 가져오기

REST API

curl

PowerShell

응답

로깅 중지

Python SDK

REST API

curl

PowerShell

응답

미세 조정된 모델의 요청-응답 로그

요청-응답 로그 사용 설정

Python SDK

REST API

로깅 구성 가져오기

REST API

curl

PowerShell

응답

로깅 구성 중지

Python SDK

REST API

로깅 테이블 스키마

MaaS 파트너와 요청 및 응답 공유

지원되는 모델

기본 요건

제한사항

데이터 사용 설정

REST API

curl

PowerShell

공유 구성 가져오기

REST API

curl

PowerShell

데이터 공유 사용 중지

REST API

curl

PowerShell

데이터 공유 요청 방지

다음 단계

요청 및 응답 로깅 및 공유