Personnaliser et déployer un modèle Google

Personnaliser et déployer un modèle Google

Les modèles fournis par Google dans Application Design Center vous permettent de partir d'architectures préconfigurées qui suivent les bonnes pratiques Google Cloud . Dans ce guide de démarrage rapide, vous allez copier le modèle RAG d'IA générative avec Cloud SQL, personnaliser ses composants et déployer une application de test en suivant les étapes applicables à n'importe quel modèle.

L'image suivante montre les composants et les connexions du modèle "RAG par IA générative avec Cloud SQL" dans le canevas de conception :

Avant de commencer

1. 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.
   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

2. Verify that billing is enabled for your Google Cloud project.

3. Configurez App Design Center dans votre projet.

Rôles requis

Demandez à votre administrateur de vous accorder les rôles listés dans le tableau suivant :

Tâche	Rôles requis
Copier, concevoir et modifier des modèles	Administrateur Application Design Center (roles/designcenter.admin) ou Utilisateur Application Design Center (roles/designcenter.user)
Déployer des applications et des configurations	Administrateur d'application (roles/designcenter.applicationAdmin) ou Éditeur d'application (roles/designcenter.applicationEditor)
Créer des comptes de service lors du déploiement	Créateur de comptes de service (roles/iam.serviceAccountCreator) sur le projet
Accorder au compte de service l'accès à votre projet	Administrateur IAM de projet (roles/resourcemanager.projectIamAdmin) sur le projet

Pour en savoir plus sur les rôles, consultez Contrôle des accès avec IAM.

Préparer l'environnement

Vous pouvez utiliser l'une des options suivantes pour suivre ce guide de démarrage rapide :

• Utilisez le canevas de conception dans la console Google Cloud .

• Installez la Google Cloud CLI.

  Remarque : Si vous avez déjà installé la gcloud CLI, assurez-vous que vous disposez de la dernière version en exécutant gcloud components update.

• Configurez la gcloud CLI afin d'utiliser votre identité fédérée.

  Pour en savoir plus, consultez Se connecter à la gcloud CLI avec votre identité fédérée.

• Pour initialiser la gcloud CLI, exécutez la commande suivante :

  gcloud init

Copier le modèle et créer un brouillon d'application

Copiez le modèle Google et configurez un brouillon d'application.

Canevas de conception

1. Dans la console Google Cloud , accédez à la page Modèles Google.

   Accéder aux modèles Google

2. Cliquez sur Prévisualiser et personnaliser sur la fiche du modèle RAG par IA générative avec Cloud SQL.

   Le modèle s'ouvre dans le canevas de conception.

3. Cliquez sur Dupliquer et personnaliser.

4. Dans la boîte de dialogue Créer un modèle, saisissez les informations suivantes :

   1. Dans le champ ID du modèle, saisissez quickstart-custom-gen-ai-rag.

   2. Dans le champ Nom du modèle, saisissez Quickstart custom Generative AI RAG.

   3. Dans le champ Description, saisissez A custom template copied from the Generative AI RAG with Cloud SQL template..

   4. Cliquez sur Créer un modèle.

   Le modèle est copié dans votre espace et s'affiche dans le canevas de conception.

5. Dans le canevas de conception, cliquez sur Configurer une application.

6. Cliquez sur Créer une application, puis saisissez les informations suivantes :

   1. Dans le champ Nom, saisissez quickstart-custom-gen-ai-rag-test.

   2. Dans le champ Nom à afficher, saisissez Quickstart custom Generative AI RAG test.

   3. Dans la liste Région, sélectionnez us-central1 (Iowa).

   4. Dans la liste Environnement, sélectionnez Test.

   5. Dans la liste Criticité, sélectionnez Low.

7. Cliquez sur Créer une application.

   Le système crée le brouillon de l'application.

gcloud CLI

1. Filtrez les modèles partagés dans le catalogue Google pour trouver l'URI de révision du modèle gen-ai-rag-with-sql.

   gcloud design-center spaces shared-templates list \
     --google-catalog \
     --location=LOCATION \
     --filter="displayName:gen-ai-rag-cloud-sql"
   

   Remplacez les éléments suivants :

   • LOCATION : emplacement de votre espace. Exemple :us-central1

   Identifiez l'URI de la révision à partir du résultat.

2. Créez un brouillon d'application à partir de cette révision de modèle.

   gcloud design-center spaces applications create quickstart-custom-gen-ai-rag-test \
     --space=SPACE \
     --location=LOCATION \
     --project=PROJECT \
     --source-shared-template-revision-uri=SHARED_TEMPLATE_REVISION_URI \
     --display-name="Quickstart custom Generative AI RAG test" \
     --environment-type=test \
     --criticality-type=low \
     --scope-type=regional \
     --deployment-region=LOCATION
   

   Remplacez les éléments suivants :

   • SPACE : ID de votre espace. Exemple :default-space
   • LOCATION : emplacement de votre espace. Exemple : us-central1.
   • PROJECT : ID du projet.
   • SHARED_TEMPLATE_REVISION_URI : URI de révision du modèle. Exemple :projects/gcpdesigncenter/locations/us-central1/spaces/googlespace/sharedTemplates/f8ddfbd3-6393-4a1e-942c-aaa7292fa30c/revisions/r-28

Configurer les composants

Configurez les paramètres des composants requis dans votre brouillon d'application. Pour en savoir plus sur les paramètres des composants, consultez Ressources compatibles.

Canevas de conception

1. Dans le canevas de conception, cliquez sur frontend-service, puis procédez comme suit dans la zone Configuration :

   1. Dans le champ Nom du service, saisissez custom-rag-frontend.

   2. Cliquez sur Enregistrer.

2. Dans le canevas de conception, cliquez sur retrieval-service, puis procédez comme suit dans la zone Configuration :

   1. Dans le champ Nom du service, saisissez custom-retrieval-service.

   2. Cliquez sur Enregistrer.

3. Dans le canevas de conception, cliquez sur database-postgresql, puis procédez comme suit dans la zone Configuration :

   1. Dans le champ Nom, saisissez custom-rag-database.

   2. Cliquez sur Enregistrer.

4. Dans le canevas de conception, cliquez sur vertex-ai, puis procédez comme suit dans la zone Configuration :

   1. Dans la liste ID du projet, assurez-vous que votre projet est sélectionné.

   2. Cliquez sur Enregistrer.

5. Dans le canevas de conception, cliquez sur secret-manager, puis procédez comme suit dans la zone Configuration :

   1. Dans le champ Nom, saisissez db-ai-secret.

   2. Cliquez sur Enregistrer.

Le canevas affiche une coche verte dans chaque composant pour indiquer que tous les paramètres requis sont configurés.

gcloud CLI

1. Décrivez l'application pour identifier les paramètres des composants.

   gcloud design-center spaces applications describe quickstart-custom-gen-ai-rag-test \
     --space=SPACE \
     --location=LOCATION \
     --project=PROJECT \
     --format='yaml(name,componentParameters)'
   

   Le résultat affiche les paramètres de chaque composant.

2. Obtenez la liste des URI des composants.

   gcloud design-center spaces applications describe quickstart-custom-gen-ai-rag-test \
     --space=SPACE \
     --location=LOCATION \
     --project=PROJECT \
     --format='value(serializedApplicationTemplate.components.uri)'
   

3. Créez des fichiers de configuration JSON dans votre répertoire de travail.

   1. Créez un custom-frontend.json.

      {
         "component": "FRONTEND_COMPONENT_URI",
         "parameters": [
            {
               "key": "service_name",
               "value": "custom-rag-frontend"
            },
            {
               "key": "project_id",
               "value": "PROJECT"
            },
            {
               "key": "location",
               "value": "LOCATION"
            }
         ]
      }
      

   2. Créez un custom-retrieval.json.

      {
         "component": "RETRIEVAL_COMPONENT_URI",
         "parameters": [
            {
               "key": "service_name",
               "value": "custom-retrieval-service"
            },
            {
               "key": "project_id",
               "value": "PROJECT"
            },
            {
               "key": "location",
               "value": "LOCATION"
            }
         ]
      }
      

   3. Créez un custom-database.json.

      {
         "component": "DATABASE_COMPONENT_URI",
         "parameters": [
            {
               "key": "name",
               "value": "custom-rag-database"
            },
            {
               "key": "project_id",
               "value": "PROJECT"
            },
            {
               "key": "database_version",
               "value": "POSTGRES_15"
            },
            {
               "key": "region",
               "value": "us-central1"
            },
            {
               "key": "zone",
               "value": "us-central1-a"
            }
         ]
      }
      

   4. Créez un custom-secmanager.json.

      {
      "component": "SECRET_MANAGER_COMPONENT_URI",
      "parameters": [
         {
            "key": "name",
            "value": "db-ai-secret"
         },
         {
            "key": "project_id",
            "value": "PROJECT"
         }
      ]
      }
      

   5. Créez un custom-vertex.json.

      {
      "component": "VERTEX_AI_COMPONENT_URI",
      "parameters": [
         {
            "key": "project_id",
            "value": "PROJECT"
         }
      ]
      }
      

   Remplacez les éléments suivants :

   • FRONTEND_COMPONENT_URI : URI du composant d'interface. Exemple :projects/gcpdesigncenter/locations/us-central1/spaces/googlespace/applicationTemplates/gen-ai-rag-cloud-sql/components/frontend-service
   • RETRIEVAL_COMPONENT_URI : URI du composant de récupération. Exemple :projects/gcpdesigncenter/locations/us-central1/spaces/googlespace/applicationTemplates/gen-ai-rag-cloud-sql/components/retrieval-service
   • DATABASE_COMPONENT_URI : URI du composant de base de données. Exemple :projects/gcpdesigncenter/locations/us-central1/spaces/googlespace/applicationTemplates/gen-ai-rag-cloud-sql/components/database-postgresql
   • SECRET_MANAGER_COMPONENT_URI : URI du composant Secret Manager. Exemple :projects/gcpdesigncenter/locations/us-central1/spaces/googlespace/applicationTemplates/gen-ai-rag-cloud-sql/components/secret-manager
   • VERTEX_AI_COMPONENT_URI : URI du composant Vertex AI. Exemple :projects/gcpdesigncenter/locations/us-central1/spaces/googlespace/applicationTemplates/gen-ai-rag-cloud-sql/components/vertex-ai
   • PROJECT : ID du projet.
   • LOCATION : emplacement de votre espace. Exemple : us-central1.

4. Mettez à jour la configuration de l'application avec les fichiers de paramètres JSON.

   gcloud design-center spaces applications update quickstart-custom-gen-ai-rag-test \
     --space=SPACE \
     --location=LOCATION \
     --project=PROJECT \
     --component-parameters=./custom-frontend.json \
     --component-parameters=./custom-retrieval.json \
     --component-parameters=./custom-database.json \
     --component-parameters=./custom-secmanager.json \
     --component-parameters=./custom-vertex.json
   

Déployer l'application

Déployez l'application configurée.

Canevas de conception

1. Cliquez sur Déployer.

2. Dans la zone Sélectionnez un compte de service, procédez comme suit :

   1. Cliquez sur Créer un compte de service.

   2. Cliquez sur Continuer.

3. Cliquez sur Déployer.

   Après quelques minutes, l'application est déployée et les ressources sont créées.

gcloud CLI

1. Prévisualisez le déploiement et créez automatiquement un compte de service de prévisualisation.

   gcloud design-center spaces applications preview quickstart-custom-gen-ai-rag-test \
     --space=SPACE \
     --location=LOCATION \
     --project=PROJECT \
     --create-sa
   

2. Déployez l'application et créez automatiquement un compte de service de déploiement.

   gcloud design-center spaces applications deploy quickstart-custom-gen-ai-rag-test \
     --space=SPACE \
     --location=LOCATION \
     --project=PROJECT \
     --create-sa \
     --async
   

   Copiez l'ID de l'opération.

3. Suivez l'état du déploiement.

   gcloud design-center operations describe operation-OPERATION_ID \
       --location=LOCATION \
       --project=PROJECT
   

   Remplacez les éléments suivants :

   • OPERATION_ID : ID de l'opération.
   • LOCATION : emplacement de votre espace. Exemple : us-central1.
   • PROJECT : ID du projet.

Facultatif : Surveiller votre déploiement

Après avoir déployé votre application, vous pouvez afficher la télémétrie et surveiller les performances :

1. Dans la console Google Cloud , accédez à la page Surveillance des applications :

   Accéder à Surveillance des applications

   Si vous utilisez la barre de recherche pour trouver cette page, sélectionnez le résultat dont le sous-titre est Monitoring.

2. Dans la colonne Nom, cliquez sur l'application que vous avez déployée.

   La page affiche des informations de surveillance pour l'application, ses services et ses charges de travail.

3. Examinez les tableaux de bord prédéfinis. Pour en savoir plus, consultez Présentation de la surveillance des applications.

Effectuer un nettoyage

Pour éviter que les ressources utilisées dans cette démonstration soient facturées sur votre compte Google Cloud , supprimez le projet Google Cloud qui les contient.

Supprimer l'application déployée

Canevas de conception

1. Dans le menu de navigation, cliquez sur Applications.

   Accéder à la page Applications

2. Cliquez sur Test de RAG par IA générative personnalisé de démarrage rapide.

3. Cliquez sur  Actions, puis sélectionnez Supprimer l'application.

4. Dans le champ Supprimer, saisissez quickstart-custom-gen-ai-rag-test.

5. Cliquez sur Supprimer.

gcloud CLI

1. Supprimez l'application à l'aide de la CLI.

   gcloud design-center spaces applications delete quickstart-custom-gen-ai-rag-test \
     --space=SPACE \
     --location=LOCATION \
     --project=PROJECT
   

(Facultatif) Supprimez le projet.

Attention : Si vous supprimez un projet, toutes ses ressources sont définitivement supprimées.

1. Dans la console Google Cloud , accédez à la page Gérer les ressources.

   Accéder à la page "Gérer les ressources"

2. Dans la liste des projets, sélectionnez le projet que vous souhaitez supprimer, puis cliquez sur Supprimer.
3. Lorsque vous y êtes invité, saisissez l'ID du projet, puis cliquez sur Arrêter.

Étapes suivantes

• Découvrez les concepts de base et les avantages d'App Design Center dans la présentation d'App Design Center.
• Commencez à utiliser des architectures préconfigurées en vous basant sur des modèles Google.
• Définissez vos propres configurations en concevant des modèles d'application.