Google utilizza la tecnologia AI per tradurre i contenuti nella tua lingua preferita. Le traduzioni generate dall'AI potrebbero contenere errori.

Registra e chiama i modelli di IA remota utilizzando la gestione degli endpoint dei modelli

MySQL | PostgreSQL | SQL Server

Questa pagina descrive come richiamare le previsioni o generare embedding utilizzando un modello e poi registrare l'endpoint del modello con la gestione degli endpoint del modello.

Per saperne di più sulla funzione mysql.ml_create_model_registration(), consulta la documentazione di riferimento per la gestione degli endpoint del modello.

Prima di iniziare

In base al provider del modello, configura l'autenticazione.

Connettiti all'istanza principale utilizzando un client mysql o Cloud SQL Studio.
Assicurati di connetterti al database come utente del database MySQL con i privilegi del database descritti in Privilegi utente del database richiesti.

Configura l'autenticazione

Le sezioni seguenti mostrano come configurare l'autenticazione prima di aggiungere un endpoint del modello Vertex AI o endpoint del modello ospitati all'interno Google Cloud.

Configura l'autenticazione per Vertex AI

Per utilizzare gli endpoint del modello Google Vertex AI, devi aggiungere le autorizzazioni Vertex AI al account di servizio Cloud SQL basato su IAM che utilizzi per connetterti al database. Per saperne di più sull'integrazione con Vertex AI, consulta Integra Cloud SQL con Vertex AI.

Configura l'autenticazione per i modelli ospitati dal cliente

Questa sezione spiega come configurare l'autenticazione se utilizzi Secret Manager. Per tutti i modelli, ad eccezione degli endpoint del modello Vertex AI, puoi archiviare le tue chiavi API o i token di autenticazione in Secret Manager.

Se l'endpoint del modello non gestisce l'autenticazione tramite Secret Manager, questa sezione è facoltativa. Ad esempio, se l'endpoint del modello utilizza le intestazioni HTTP per trasmettere le informazioni di autenticazione o non utilizza affatto l'autenticazione, non completare i passaggi descritti in questa sezione.

Per creare e utilizzare una chiave API o un token di autenticazione, completa i seguenti passaggi:

Crea un secret in Secret Manager. Per saperne di più, consulta Crea un secret e accedi a una versione del secret.

Il nome e il percorso del secret vengono utilizzati nella mysql.ml_create_sm_secret_registration() funzione SQL.
Concedi all'istanza Cloud SQL le autorizzazioni per accedere al secret.
```
  gcloud secrets add-iam-policy-binding SECRET_ID \
      --member="serviceAccount:SERVICE_ACCOUNT_EMAIL" \
      --role="roles/secretmanager.secretAccessor"
```
Sostituisci quanto segue:
- SECRET_ID: l'ID del secret in Secret Manager.
- SERVICE_ACCOUNT_EMAIL: l'indirizzo email del account di servizio Cloud SQL basato su IAM. Per trovare questo indirizzo email, utilizza il gcloud sql instances describe INSTANCE_NAME comando e sostituisci INSTANCE_NAME con il nome dell'istanza. Il valore visualizzato accanto al parametro serviceAccountEmailAddress è l'indirizzo email.

Modelli di text embedding con supporto integrato

Questa sezione mostra come registrare gli endpoint del modello per la gestione degli endpoint del modello.

Modelli di embedding Vertex AI

La gestione degli endpoint del modello fornisce il supporto integrato per tutte le versioni dei text-embedding-gecko, text-embedding, e gemini-embedding modelli di Vertex AI. Utilizza il nome completo per impostare la versione del modello su textembedding-gecko@001 o textembedding-gecko@002.

Poiché gli ID degli endpoint del modello di embedding Vertex AI sono supportati per impostazione predefinita dalla gestione degli endpoint del modello, puoi utilizzarli direttamente come ID del modello. Per questi modelli, la funzione di embedding esegue automaticamente la trasformazione di input e output.

Assicurati che sia l'istanza Cloud SQL sia il modello Vertex AI su cui stai eseguendo query si trovino nella stessa regione.

Per registrare l'endpoint del modello gemini-embedding-001, chiama la funzione ml_create_model_registration:

  CALL
    mysql.ml_create_model_registration(
      'gemini-embedding-001',
      'publishers/google/models/gemini-embedding-001',
      'google','text_embedding', 'gemini-embedding-001',
      'AUTH_TYPE_CLOUDSQL_SERVICE_AGENT_IAM',
       NULL,
      'mysql.cloudsql_ml_text_embedding_input_transform',
      'mysql.cloudsql_ml_text_embedding_output_transform', NULL);

Modelli di text embedding ospitati dal cliente

Questa sezione mostra come registrare gli endpoint del modello personalizzato ospitati in reti all'interno di Google Cloud.

L'aggiunta di endpoint del modello di text embedding ospitati dal cliente comporta la creazione di funzioni di trasformazione e, facoltativamente, di intestazioni HTTP personalizzate. D'altra parte, l'aggiunta di endpoint del modello generico ospitati dal cliente comporta, facoltativamente, la generazione di intestazioni HTTP personalizzate e l'impostazione dell'URL della richiesta del modello.

L'esempio seguente aggiunge l'endpoint del modello di text embedding custom-embedding-model ospitato da Cymbal, che è ospitato all'interno di Google Cloud. Le funzioni di trasformazione cymbal_text_input_transform e cymbal_text_output_transform vengono utilizzate per trasformare il formato di input e output del modello nel formato di input e output della funzione di previsione.

Per registrare gli endpoint del modello di text embedding ospitati dal cliente, completa i seguenti passaggi:

Chiama il secret archiviato in Secret Manager:
```
CALL
  mysql.ml_create_sm_secret_registration(
    'SECRET_ID',
    'projects/project-id/secrets/SECRET_MANAGER_SECRET_ID/versions/VERSION_NUMBER');
```
Sostituisci quanto segue:
- SECRET_ID: l'ID del secret che hai impostato e che viene utilizzato in seguito durante la registrazione di un endpoint del modello, ad esempio key1.
- SECRET_MANAGER_SECRET_ID: l'ID del secret impostato in Secret Manager quando hai creato il secret.
- PROJECT_ID: l'ID del tuo Google Cloud progetto.
- VERSION_NUMBER: il numero di versione dell'ID del secret.
Nota: per impostazione predefinita, Secret Manager genera un'intestazione Authorization: Bearer SECRET_VALUE_FROM_SECRET_MANAGER per l'autenticazione. Se questo formato corrisponde al formato del token di autenticazione dell'endpoint del modello, non devi generare intestazioni di autenticazione utilizzando la funzione di generazione delle intestazioni.

Crea le funzioni di trasformazione di input e output in base alla seguente firma per la funzione di previsione per gli endpoint del modello di text embedding. Per saperne di più su come creare funzioni di trasformazione, consulta Esempio di funzioni di trasformazione.

Di seguito sono riportate le funzioni di trasformazione di esempio specifiche per l'endpoint del modello di text embedding custom-embedding-model:

-- Input Transform Function corresponding to the custom model endpoint
DELIMITER $$
CREATE FUNCTION IF NOT EXISTS cymbal_text_input_transform(model_id VARCHAR(100), input_text TEXT)
RETURNS JSON
DETERMINISTIC

BEGIN
  RETURN JSON_OBJECT('prompt', JSON_ARRAY(input_text));
END $$

-- Output Transform Function corresponding to the custom model endpoint
CREATE FUNCTION IF NOT EXISTS cymbal_text_output_transform(model_id VARCHAR(100), response_json JSON)
RETURNS BLOB
DETERMINISTIC

BEGIN
  RETURN STRING_TO_VECTOR(
         JSON_EXTRACT(JSON_UNQUOTE(
              content,
              '$.predictions[0].embeddings.values'
            ))
     );

END $$
DELIMITER ;

Chiama la funzione di creazione del modello per registrare l'endpoint del modello di embedding personalizzato:

   CALL
      mysql.ml_create_model_registration(
        'MODEL_ID',
        'REQUEST_URL',
        'custom',
        'text_embedding',
        'MODEL_QUALIFIED_NAME',
        'auth_type_secret_manager',
        'SECRET_ID'
        'database_name.cymbal_text_input_transform',
        'database_name.cymbal_text_output_transform', NULL);

Sostituisci quanto segue:

MODEL_ID: obbligatorio. Un ID univoco per l'endpoint del modello che definisci (ad esempio, custom-embedding-model). Questo ID del modello viene fatto riferimento per i metadati di cui l'endpoint del modello ha bisogno per generare embedding o richiamare le previsioni.
REQUEST_URL: obbligatorio. L'endpoint specifico del modello quando si aggiungono endpoint del modello di text embedding e generici personalizzati, ad esempio https://cymbal.com/models/text/embeddings/v1. Assicurati che l'endpoint del modello sia accessibile tramite un indirizzo IP interno. La gestione degli endpoint del modello non supporta gli indirizzi IP esterni.
MODEL_QUALIFIED_NAME: obbligatorio se l'endpoint del modello utilizza un nome completo. Il nome completo nel caso in cui l'endpoint del modello abbia più versioni.
SECRET_ID: l'ID del secret che hai utilizzato in precedenza nella procedura mysql.ml_create_sm_secret_registration().

Modelli generici

Questa sezione mostra come registrare un endpoint del modello generico gemini-flash da Vertex AI Model Garden, che per impostazione predefinita è preregistrato nel catalogo. Puoi registrare qualsiasi endpoint del modello generico ospitato all'interno di Google Cloud.

Cloud SQL supporta solo gli endpoint del modello disponibili tramite Vertex AI Model Garden e gli endpoint del modello ospitati in reti all'interno di Google Cloud.

Modello Gemini

L'esempio seguente utilizza l'endpoint del modello gemini-2.5-flash di Vertex AI Model Garden.

Per registrare l'endpoint del modello gemini-2.5-flash, chiama la funzione mysql.ml_create_model_registration:

    CALL
      mysql.ml_create_model_registration(
        'MODEL_ID',
        'https://us-central1-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/us-central1/publishers/google/models/gemini-2.5-flash:streamGenerateContent',
        'google',
        'auth_type_cloudsql_service_agent_iam',
        NULL, NULL, NULL, NULL);