‫Google משתמשת בטכנולוגיית AI כדי לתרגם תוכן לשפה המועדפת עליך. בתרגומים כאלו עשויות להיות שגיאות.

בקשת חיזויים באמצעות מודלים של Claude

אתם יכולים להשתמש ב-SDK של Anthropic או בפקודות curl כדי לשלוח בקשות לנקודת הקצה של Gemini Enterprise Agent Platform באמצעות שמות המודלים הבאים:

ב-Claude Sonnet 5.5 של Anthropic ב-Google Cloud, משתמשים ב-claude-sonnet-5-5
ב-Anthropic Claude Fable 5.1 ב-Google Cloud, משתמשים ב-claude-fable-5-1
ב-Claude Sonnet 5 של Anthropic ב-Google Cloud, משתמשים ב-claude-sonnet-5
ב-Anthropic Claude Opus 5.5 ב-Google Cloud, משתמשים ב-claude-opus-5-5
ב-Claude Opus 5 של Anthropic ב-Google Cloud, משתמשים ב-claude-opus-5
‫Anthropic Claude Fable 5 ב-Google Cloud, באמצעות claude-fable-5
ב-Anthropic Claude Opus 4.8 ב-Google Cloud, משתמשים ב-claude-opus-4-8
ב-Claude Opus 4.7 של Anthropic ב-Google Cloud, משתמשים ב-claude-opus-4-7
ב-Claude Opus 4.6 של Anthropic ב-Google Cloud, משתמשים ב-claude-opus-4-6
‫Claude Sonnet 4.6 של Anthropic ב-Google Cloud, משתמשים ב-claude-sonnet-4-6
ב-Claude Opus 4.5 של Anthropic ב-Google Cloud, משתמשים ב-claude-opus-4-5
ב-Anthropic Claude Sonnet 4.5 ב-Google Cloud, משתמשים ב-claude-sonnet-4-5
ב-Claude 3.7 Sonnet ב-Google Cloud, משתמשים ב-claude-3-7-sonnet
ב-Claude 3.5 Sonnet v2 ב-Google Cloud, משתמשים ב-claude-3-5-sonnet-v2
ב-Claude Haiku 5.5 של Anthropic ב-Google Cloud, משתמשים ב-claude-haiku-5-5
‫claude-haiku-4-5 ל-Claude Haiku 4.5 של Anthropic ב-Google Cloud
‫Claude 3.5 Haiku ב-Google Cloud, משתמשים ב-claude-3-5-haiku
ב-Claude 3.5 Sonnet ב-Google Cloud, משתמשים ב-claude-3-5-sonnet
ב-Claude 3 Opus ב-Google Cloud, משתמשים ב-claude-3-opus
‫claude-3-haiku ל-Claude 3 Haiku ב-Google Cloud

לפני שמתחילים

‫Anthropic אוכפת כללי מדיניות שאוסרים על מפיצים מסוימים להפיץ את המוצרים שלה. אם החשבון לחיוב ב- Google Cloud מנוהל על ידי מפיץ אסור, לא תוכלו לאשר את התנאים וההגבלות או להפעיל את המודלים של Claude. במקרה כזה, צריך לפנות ישירות למפיץ.

כדי להשתמש במודלים של Anthropic Claude ב-Gemini Enterprise Agent Platform, צריך לבצע את הפעולות הבאות. כדי להשתמש ב-Gemini Enterprise Agent Platform, צריך להפעיל את Agent Platform API (aiplatform.googleapis.com). אם כבר יש לכם פרויקט שבו מופעל Agent Platform API, אתם יכולים להשתמש בו במקום ליצור פרויקט חדש.

חשוב לוודא שיש לכם את ההרשאות הנדרשות כדי להפעיל מודלים של שותפים ולהשתמש בהם. מידע נוסף זמין במאמר מתן ההרשאות הנדרשות.

נכנסים לחשבון Google Cloud . אנחנו ממליצים למשתמשים חדשים ב- Google Cloud ליצור חשבון כדי שיוכלו להעריך את הביצועים של המוצרים שלנו בתרחישים מהעולם האמיתי. לקוחות חדשים מקבלים בחינם גם קרדיט בשווי 300$ להרצה, לבדיקה ולפריסה של עומסי העבודה.

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Roles required to select or create a project

Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Go to project selector

Verify that billing is enabled for your Google Cloud project.

Enable the Gemini Enterprise Agent Platform API, if it is not already enabled.

Roles required to enable APIs

To enable APIs, you need the serviceusage.services.enable permission. If you created the project, then you likely already have this permission through the Owner role (roles/owner). Otherwise, you can get this permission through the Service Usage Admin role (roles/serviceusage.serviceUsageAdmin). Learn how to grant roles.

Enable the API

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Roles required to select or create a project

Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Go to project selector

Verify that billing is enabled for your Google Cloud project.

Enable the Gemini Enterprise Agent Platform API, if it is not already enabled.

Roles required to enable APIs

Enable the API

עוברים לאחד מכרטיסי המודלים הבאים ב-Model Garden ולוחצים על Enable:

ב-Anthropic ממליצים להפעיל רישום ביומן של 30 יום של פעילות ההנחיות וההשלמות, כדי לתעד כל שימוש לרעה במודל. כדי להפעיל את הרישום ביומן, קראו את המאמר רישום בקשות ותגובות ביומן.

כדי לתעד את מספר הטוקנים, זמן האחזור והשגיאות בכל בקשה ל-Claude בלי לאחסן את ההנחיות או התשובות, קראו את המאמר תיעוד מטא-נתונים של בקשות להסקת נתונים. כדי להפעיל את התכונה מהמסוף, קראו את המאמר הפעלה במסוף.

שימוש ב-Anthropic SDK

אתם יכולים לשלוח בקשות API למודלים של Anthropic Claude באמצעות Anthropic Claude SDK. למידע נוסף, תוכלו לקרוא את המאמרים הבאים:

איך שולחים בקשה לסטרימינג למודל של Claude באמצעות Anthropic Vertex SDK

בדוגמת הקוד הבאה, משתמשים ב-Anthropic Vertex SDK כדי לבצע קריאה בסטרימינג למודל Claude.

Python

במאמר התקנת Vertex AI SDK ל-Python מוסבר איך להתקין או לעדכן את Vertex AI SDK ל-Python. מידע נוסף מופיע ב מאמרי העזרה של ה-API מבוסס-Python.

בדוגמה הבאה נעשה שימוש בנקודות קצה אזוריות. כדי להשתמש בנקודת קצה גלובלית או במספר אזורים, קראו את המאמרים ציון נקודת קצה במספר אזורים או ציון נקודת קצה גלובלית.

# TODO(developer): Vertex AI SDK - uncomment below & run
# pip3 install --upgrade --user google-cloud-aiplatform
# gcloud auth application-default login
# pip3 install -U 'anthropic[vertex]'

# TODO(developer): Update and un-comment below line
# PROJECT_ID = "your-project-id"

from anthropic import AnthropicVertex

client = AnthropicVertex(project_id=PROJECT_ID, region="us-east5")
result = []

with client.messages.stream(
    model="claude-sonnet-4-6",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": "Send me a recipe for banana bread.",
        }
    ],
) as stream:
    for text in stream.text_stream:
        print(text, end="", flush=True)
        result.append(text)

# Example response:
# Here's a simple recipe for delicious banana bread:
# Ingredients:
# - 2-3 ripe bananas, mashed
# - 1/3 cup melted butter
# ...
# ...
# 8. Bake for 50-60 minutes, or until a toothpick inserted into the center comes out clean.
# 9. Let cool in the pan for a few minutes, then remove and cool completely on a wire rack.

איך שולחים קריאה יחידה למודל Claude באמצעות Anthropic Vertex SDK

בדוגמת הקוד הבאה, משתמשים ב-Anthropic Vertex SDK כדי לבצע קריאה אונרית למודל Claude.

Python

# TODO(developer): Vertex AI SDK - uncomment below & run
# pip3 install --upgrade --user google-cloud-aiplatform
# gcloud auth application-default login
# pip3 install -U 'anthropic[vertex]'

# TODO(developer): Update and un-comment below line
# PROJECT_ID = "your-project-id"

from anthropic import AnthropicVertex

client = AnthropicVertex(project_id=PROJECT_ID, region="us-east5")
message = client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": "Send me a recipe for banana bread.",
        }
    ],
)
print(message.model_dump_json(indent=2))
# Example response:
# {
#   "id": "msg_vrtx_0162rhgehxa9rvJM5BSVLZ9j",
#   "content": [
#     {
#       "text": "Here's a simple recipe for delicious banana bread:\n\nIngredients:\n- 2-3 ripe bananas...
#   ...

שימוש בפקודת curl

אתם יכולים להשתמש בפקודת curl כדי לשלוח בקשה לנקודת הקצה של Gemini Enterprise Agent Platform. פקודת ה-curl מציינת באיזה מודל Claude נתמך אתם רוצים להשתמש.

בנושא הבא מוסבר איך ליצור פקודת curl, ומוצגת פקודת curl לדוגמה.

REST

כדי לבדוק פרומפט טקסטואלי באמצעות Agent Platform API, שולחים בקשת POST לנקודת הקצה של המודל של בעל התוכן הדיגיטלי.

לפני שמשתמשים בנתוני הבקשה, צריך להחליף את הנתונים הבאים:

‫LOCATION: אזור שתומך במודלים של Anthropic Claude. כדי להשתמש בנקודת הקצה הגלובלית, קראו את המאמר ציון נקודת הקצה הגלובלית.
‫MODEL: שם המודל שבו רוצים להשתמש.
‫ROLE: התפקיד שמשויך להודעה. אפשר לציין user או assistant. ההודעה הראשונה חייבת להשתמש בתפקיד user. המודלים של Claude פועלים בתורות מתחלפים של user ו-assistant. אם ההודעה האחרונה משתמשת בתפקיד assistant, תוכן התשובה ממשיך מיד מהתוכן של ההודעה הזו. אפשר להשתמש בזה כדי להגביל חלק מהתשובה של המודל.
‫STREAM: ערך בוליאני שמציין אם התשובה מועברת בסטרימינג או לא. כדי לצמצם את תפיסת זמן האחזור של משתמש הקצה, כדאי להעביר את התשובה בסטרימינג. מגדירים את הערך true כדי להציג את התשובה באופן שוטף, ואת הערך false כדי להציג את התשובה בבת אחת.
‫CONTENT: התוכן, כמו טקסט, של ההודעה מסוג user או assistant.
‫MAX_TOKENS: המספר המקסימלי של טוקנים שאפשר ליצור בתשובה. טוקן הוא בערך 3.5 תווים. ‫100 טוקנים שווים בערך ל-60 עד 80 מילים.
כדי לקבל תשובות קצרות יותר, מציינים ערך נמוך יותר. כדי לקבל תשובות ארוכות יותר, מציינים ערך גבוה יותר.
TOP_P (אופציונלי): הערך של Top-P משנה את האופן שבו המודל בוחר טוקנים לפלט. הטוקנים נבחרים מהסבירות הגבוהה ביותר לסבירות הנמוכה ביותר, עד שסכום ההסתברויות שלהם שווה לערך של Top-P. לדוגמה, אם לאסימונים א', ב' וג' יש הסתברות של 0.3, 0.2 ו-0.1, והערך של top-P הוא 0.5, המודל יבחר את א' או את ב' כאסימון הבא באמצעות הטמפרטורה, ולא יכלול את ג' כמועמד.
כדי לקבל תשובות פחות אקראיות, מציינים ערך נמוך יותר. כדי לקבל תשובות יותר אקראיות, מציינים ערך גבוה יותר.
TOP_K(אופציונלי): הערך של Top-K משנה את האופן שבו המודל בוחר אסימונים לפלט. אם ערך ה-Top-K הוא 1, הטוקן הבא שייבחר הוא הטוקן עם ההסתברות הגבוהה ביותר מבין כל הטוקנים באוצר המילים של המודל (נקרא גם פענוח חמדני). אם ערך ה-Top-K הוא 3, הטוקן הבא ייבחר מבין שלושת הטוקנים עם ההסתברות הגבוהה ביותר באמצעות טמפרטורה.
בכל שלב של בחירת אסימון, נדגמים האסימונים עם ההסתברויות הגבוהות ביותר ב-Top-K. לאחר מכן, האסימונים מסוננים עוד יותר על סמך top-P, והאסימון הסופי נבחר באמצעות דגימת טמפרטורה.

כדי לקבל תשובות פחות אקראיות, מציינים ערך נמוך יותר. כדי לקבל תשובות יותר אקראיות, מציינים ערך גבוה יותר.
‫TYPE: במודל Claude 3.7 Sonnet ב-Google Cloud ובמודלים מאוחרים יותר של Claude, כדי להפעיל את מצב החשיבה המעמיקה, צריך לציין את הערך enabled.
‫BUDGET_TOKENS: אם מפעילים את המודל עם חשיבה מעמיקה, צריך לציין את מספר הטוקנים שהמודל יכול להשתמש בהם לתהליך החשיבה הפנימי שלו כחלק מהפלט. תקציבים גדולים יותר מאפשרים ניתוח מעמיק יותר של בעיות מורכבות ומשפרים את איכות התשובות. צריך לציין ערך שגדול מ-1024 או שווה לו, אבל קטן מ-MAX_TOKENS.

ה-method של ה-HTTP וכתובת ה-URL:

POST https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/anthropic/models/MODEL:streamRawPredict

גוף בקשת JSON:

{
  "anthropic_version": "vertex-2023-10-16",
  "messages": [
   {
    "role": "ROLE",
    "content": "CONTENT"
   }],
  "max_tokens": MAX_TOKENS,
  "stream": STREAM,
  "thinking": {
    "type": "TYPE",
    "budget_tokens": BUDGET_TOKENS
  }
}

כדי לשלוח את הבקשה עליכם לבחור אחת מהאפשרויות הבאות:

curl

הערה: הפקודה הבאה מבוססת על ההנחה שנכנסתם ל-CLI של gcloud באמצעות חשבון המשתמש שלכם, על ידי הרצת gcloud init או gcloud auth login, או באמצעות Cloud Shell שמחבר אתכם אוטומטית ל-CLI של gcloud. כדי לבדוק איזה חשבון פעיל, אפשר להריץ את הפקודה gcloud auth list.

שומרים את גוף הבקשה בקובץ בשם request.json ומריצים את הפקודה הבאה:

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/v1/projects/PROJECT_ID/locations/LOCATION/publishers/anthropic/models/MODEL:streamRawPredict"

PowerShell

הערה: הפקודה הבאה מבוססת על ההנחה שנכנסתם ל-CLI של gcloud באמצעות חשבון המשתמש שלכם, על ידי הרצת gcloud init או gcloud auth login. כדי לבדוק איזה חשבון פעיל, אפשר להריץ את הפקודה gcloud auth list.

שומרים את גוף הבקשה בקובץ בשם request.json ומריצים את הפקודה הבאה:

$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/v1/projects/PROJECT_ID/locations/LOCATION/publishers/anthropic/models/MODEL:streamRawPredict" | Select-Object -Expand Content

אתם אמורים לקבל תגובת JSON שדומה לזו:

תשובה

{
  "id":"msg_012NDLxqh6LsztWCU7zTb14C",
  "type":"message",
  "role":"assistant",
  "content":[{
    "type":"text",
    "text":"Hello! Nice to meet you."
  }],
  "model":"claude-2.1",
  "stop_reason":"end_turn",
  "stop_sequence":null,
  "usage":{
    "input_tokens":11,
    "output_tokens":11
  }
}

דוגמה לפקודת curl

MODEL_ID="MODEL"
LOCATION="us-central1"
PROJECT_ID="PROJECT_ID"

curl \
-X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json" \
https://${LOCATION}-aiplatform.googleapis.com/v1/projects/${PROJECT_ID}/locations/${LOCATION}/publishers/anthropic/models/${MODEL_ID}:streamRawPredict -d \
'{
  "anthropic_version": "vertex-2023-10-16",
  "messages": [{
    "role": "user",
    "content": "Hello!"
  }],
  "max_tokens": 50,
  "stream": true}'

שימוש בכלים (קריאה להפעלת פונקציות)

המודלים של Anthropic Claude תומכים בכלים ובקריאה להפעלת פונקציות כדי לשפר את יכולות המודל. מידע נוסף זמין במאמר סקירה כללית על שימוש בכלים במסמכי התיעוד של Anthropic. מודלים של Claude ב-Gemini Enterprise Agent Platform תומכים בכלים בצד הלקוח, אבל לא בכלים בצד השרת.

הדוגמאות הבאות ממחישות איך להשתמש בכלים באמצעות SDK או פקודת curl. הדוגמאות מחפשות מסעדות פתוחות בסביבה בסן פרנסיסקו.

Python

# TODO(developer): Vertex AI SDK - uncomment below & run
# pip3 install --upgrade --user google-cloud-aiplatform
# gcloud auth application-default login
# pip3 install -U 'anthropic[vertex]'
from anthropic import AnthropicVertex

# TODO(developer): Update and un-comment below line
# PROJECT_ID = "your-project-id"

client = AnthropicVertex(project_id=PROJECT_ID, region="us-east5")
message = client.messages.create(
    model="claude-sonnet-4-6",
    max_tokens=1024,
    tools=[
        {
            "name": "text_search_places_api",
            "description": "returns information about a set of places based on a string",
            "input_schema": {
                "type": "object",
                "properties": {
                    "textQuery": {
                        "type": "string",
                        "description": "The text string on which to search",
                    },
                    "priceLevels": {
                        "type": "array",
                        "description": "Price levels to query places, value can be one of [PRICE_LEVEL_INEXPENSIVE, PRICE_LEVEL_MODERATE, PRICE_LEVEL_EXPENSIVE, PRICE_LEVEL_VERY_EXPENSIVE]",
                    },
                    "openNow": {
                        "type": "boolean",
                        "description": "whether those places are open for business.",
                    },
                },
                "required": ["textQuery"],
            },
        }
    ],
    messages=[
        {
            "role": "user",
            "content": "What are some affordable and good Italian restaurants open now in San Francisco??",
        }
    ],
)
print(message.model_dump_json(indent=2))
# Example response:
# {
#   "id": "msg_vrtx_018pk1ykbbxAYhyWUdP1bJoQ",
#   "content": [
#     {
#       "text": "To answer your question about affordable and good Italian restaurants
#       that are currently open in San Francisco....
# ...

REST

לפני שמשתמשים בנתוני הבקשה, צריך להחליף את הנתונים הבאים:

‫LOCATION: אזור שתומך במודלים של Anthropic Claude. כדי להשתמש בנקודת הקצה הגלובלית, קראו את המאמר ציון נקודת הקצה הגלובלית.
‫MODEL: שם המודל שבו רוצים להשתמש.
‫ROLE: התפקיד שמשויך להודעה. אפשר לציין user או assistant. ההודעה הראשונה חייבת להשתמש בתפקיד user. המודלים של Claude פועלים בתורות מתחלפים של user ו-assistant. אם ההודעה האחרונה משתמשת בתפקיד assistant, תוכן התשובה ממשיך מיד מהתוכן של ההודעה הזו. אפשר להשתמש בזה כדי להגביל חלק מהתשובה של המודל.
‫STREAM: ערך בוליאני שמציין אם התשובה מועברת בסטרימינג או לא. כדאי להעביר את התשובה בסטרימינג כדי לצמצם את זמן האחזור שמשתמשי הקצה חווים. מגדירים את הערך true כדי להציג את התשובה באופן שוטף, ואת הערך false כדי להציג את התשובה בבת אחת.
‫CONTENT: התוכן, כמו טקסט, של ההודעה ב-user או ב-assistant.
MAX_TOKENS: המספר המקסימלי של טוקנים שאפשר ליצור בתשובה. טוקן הוא בערך 3.5 תווים. ‫100 טוקנים שווים בערך ל-60 עד 80 מילים.
כדי לקבל תשובות קצרות יותר, מציינים ערך נמוך יותר. כדי לקבל תשובות ארוכות יותר, מציינים ערך גבוה יותר.

ה-method של ה-HTTP וכתובת ה-URL:

POST https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/anthropic/models/MODEL:rawPredict

גוף בקשת JSON:


{
  "anthropic_version": "vertex-2023-10-16",
  "max_tokens": MAX_TOKENS,
  "stream": STREAM,
  "tools": [
    {
      "name": "text_search_places_api",
      "description": "Returns information about a set of places based on a string",
      "input_schema": {
        "type": "object",
        "properties": {
          "textQuery": {
            "type": "string",
            "description": "The text string on which to search"
          },
          "priceLevels": {
            "type": "array",
            "description": "Price levels to query places, value can be one of [PRICE_LEVEL_INEXPENSIVE, PRICE_LEVEL_MODERATE, PRICE_LEVEL_EXPENSIVE, PRICE_LEVEL_VERY_EXPENSIVE]",
          },
          "openNow": {
            "type": "boolean",
            "description": "Describes whether a place is open for business at
            the time of the query."
          },
        },
        "required": ["textQuery"]
      }
    }
  ],
  "messages": [
    {
      "role": "user",
      "content": "What are some affordable and good Italian restaurants that are open now in San Francisco??"
    }
  ]
}

כדי לשלוח את הבקשה עליכם לבחור אחת מהאפשרויות הבאות:

curl

שומרים את גוף הבקשה בקובץ בשם request.json ומריצים את הפקודה הבאה:

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/v1/projects/PROJECT_ID/locations/LOCATION/publishers/anthropic/models/MODEL:rawPredict"

PowerShell

שומרים את גוף הבקשה בקובץ בשם request.json ומריצים את הפקודה הבאה:

$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/v1/projects/PROJECT_ID/locations/LOCATION/publishers/anthropic/models/MODEL:rawPredict" | Select-Object -Expand Content

אתם אמורים לקבל תגובת JSON שדומה לזו:

תשובה

{
  "id": "msg_vrtx_01ErR7VMNQdnvDt3n7Nmc4ER",
  "type": "message",
  "role": "assistant",
  "model": "claude-3-opus-20240229",
  "content": [
    {
      "type": "text",
      "text": "\nTo find affordable and good Italian restaurants that are currently open in San Francisco, the text_search_places_api tool seems most relevant. \n\nThe required textQuery parameter can be inferred as \"Italian restaurants in San Francisco\", since the user specified Italian restaurants and the location of San Francisco.\n\nTwo optional parameters are also relevant:\nopenNow - this should be set to true, since the user specified they want restaurants open now\npriceLevels - to find affordable restaurants, this can be set to [PRICE_LEVEL_INEXPENSIVE, PRICE_LEVEL_MODERATE]\n\nWith the textQuery provided and the two optional parameters that can help narrow the results to match the user's criteria, we have enough information to make a good call to the text_search_places_api tool to try to answer the user's request.\n"
    },
    {
      "type": "tool_use",
      "id": "toolu_vrtx_01TAJCTkxe8HhRoaQ69N4ouP",
      "name": "text_search_places_api",
      "input": {
        "textQuery": "Italian restaurants in San Francisco",
        "openNow": true,
        "priceLevels": [
          "PRICE_LEVEL_INEXPENSIVE",
          "PRICE_LEVEL_MODERATE"
        ]
      }
    }
  ],
  "stop_reason": "tool_use",
  "stop_sequence": null,
  "usage": {
    "input_tokens": 727,
    "output_tokens": 308
  }
}

איך משתמשים ב-Agent Studio ב-Gemini Enterprise Agent Platform

בחלק מהמודלים של Anthropic Claude, אתם יכולים להשתמש ב-Agent Studio ב-Gemini Enterprise Agent Platform כדי ליצור במהירות אב טיפוס ולבדוק מודלים של AI גנרטיבי במסוף Google Cloud . לדוגמה, אתם יכולים להשתמש ב-Agent Studio ב-Gemini Enterprise Agent Platform כדי להשוות בין התשובות של מודל Claude לבין מודלים נתמכים אחרים, כמו Google Gemini.

מידע נוסף זמין במאמר מדריך למתחילים: שליחת פרומפטים טקסטואליים ל-Gemini באמצעות Agent Studio ב-Gemini Enterprise Agent Platform.

בקשת חיזויים באמצעות מודלים של Claude קל לארגן דפים בעזרת אוספים אפשר לשמור ולסווג תוכן על סמך ההעדפות שלך.

לפני שמתחילים

שימוש ב-Anthropic SDK

איך שולחים בקשה לסטרימינג למודל של Claude באמצעות Anthropic Vertex SDK

Python

איך שולחים קריאה יחידה למודל Claude באמצעות Anthropic Vertex SDK

Python

שימוש בפקודת curl

REST

curl

PowerShell

תשובה

דוגמה לפקודת curl

שימוש בכלים (קריאה להפעלת פונקציות)

Python

REST

curl

PowerShell

תשובה

בקשת חיזויים באמצעות מודלים של Claude