Personalizza ed esegui il deployment di un modello Google

I modelli forniti da Google in Application Design Center ti consentono di iniziare da architetture preconfigurate che seguono le best practice di Google Cloud . In questa guida rapida, copierai il modello RAG di AI generativa con Cloud SQL, ne personalizzerai i componenti ed eseguirai il deployment di un'applicazione di test, utilizzando i passaggi applicabili a qualsiasi modello.

La seguente immagine mostra i componenti e le connessioni del template RAG di AI generativa con Cloud SQL nel canvas di progettazione:

Un'applicazione RAG con l'AI generativa nel canvas di progettazione.

Prima di iniziare

  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.

    Go to project selector

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

  3. Configura App Design Center nel tuo progetto.

Ruoli obbligatori

Chiedi all'amministratore di concederti i ruoli elencati nella tabella seguente:

Attività Ruoli obbligatori
Copia, progetta e modifica i modelli Application Design Center Admin (roles/designcenter.admin) o
Application Design Center User (roles/designcenter.user)
Eseguire il deployment di applicazioni e configurazioni Application Admin (roles/designcenter.applicationAdmin) o
Application Editor (roles/designcenter.applicationEditor)
Crea service account durante il deployment Create Service Accounts (roles/iam.serviceAccountCreator) sul progetto
Concedi al account di servizio l'accesso al progetto Project IAM Admin (roles/resourcemanager.projectIamAdmin) sul progetto

Per saperne di più sui ruoli, consulta Controllo dell'accesso con IAM.

Prepara l'ambiente

Puoi utilizzare una delle seguenti opzioni per completare questa guida rapida:

  • Utilizza il canvas di progettazione nella console Google Cloud .
  • Installa Google Cloud CLI.

  • Configura gcloud CLI per utilizzare la tua identità federata.

    Per saperne di più, consulta Accedi a gcloud CLI con la tua identità federata.

  • Per inizializzare gcloud CLI, esegui questo comando:

    gcloud init

Copia il modello e crea una bozza di richiesta

Copia il modello Google e configura una bozza di richiesta.

Canvas di progettazione

  1. Nella console Google Cloud , vai alla pagina Modelli Google.

    Vai ai modelli Google

  2. Fai clic su Visualizza l'anteprima e personalizza nella scheda del modello RAG di AI generativa con Cloud SQL.

    Il modello si apre nel canvas di progettazione.

  3. Fai clic su Duplica e personalizza.

  4. Nella finestra di dialogo Crea un nuovo modello, inserisci i seguenti dettagli:

    1. Nel campo ID modello, inserisci quickstart-custom-gen-ai-rag.

    2. Nel campo Nome template, inserisci Quickstart custom Generative AI RAG.

    3. Nel campo Descrizione, inserisci A custom template copied from the Generative AI RAG with Cloud SQL template.

    4. Fai clic su Crea modello.

    Il modello viene copiato nel tuo spazio e visualizzato nel canvas di progettazione.

  5. Nel canvas di progettazione, fai clic su Configura un'app.

  6. Fai clic su Crea nuova applicazione e inserisci i seguenti dettagli:

    1. Nel campo Nome, inserisci quickstart-custom-gen-ai-rag-test.

    2. Nel campo Nome visualizzato, inserisci Quickstart custom Generative AI RAG test.

    3. Nell'elenco Regione, seleziona us-central1 (Iowa).

    4. Dall'elenco Ambiente, seleziona Test.

    5. Dall'elenco Criticità, seleziona Low.

  7. Fai clic su Crea applicazione.

    Il sistema crea la bozza di richiesta.

gcloud CLI

  1. Filtra i modelli condivisi nel catalogo Google per trovare l'URI di revisione per il modello gen-ai-rag-with-sql.

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

    Sostituisci quanto segue:

    • LOCATION: la località dello spazio. Ad esempio, us-central1.

    Identifica l'URI della revisione dall'output.

  2. Creare una bozza di richiesta dalla revisione del template.

    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
    

    Sostituisci quanto segue:

    • SPACE: l'ID dello spazio. Ad esempio, default-space.
    • LOCATION: la località dello spazio. Ad esempio, us-central1.
    • PROJECT: il tuo ID progetto.
    • SHARED_TEMPLATE_REVISION_URI: l'URI della revisione del template. Ad esempio, projects/gcpdesigncenter/locations/us-central1/spaces/googlespace/sharedTemplates/f8ddfbd3-6393-4a1e-942c-aaa7292fa30c/revisions/r-28.

Configurare i componenti

Configura i parametri dei componenti richiesti nella bozza dell'applicazione. Per saperne di più sui parametri dei componenti, consulta Risorse supportate.

Canvas di progettazione

  1. Nel canvas di progettazione, fai clic su frontend-service e segui questi passaggi nell'area Configurazione:

    1. Nel campo Nome servizio, inserisci custom-rag-frontend.

    2. Fai clic su Salva.

  2. Nel canvas di progettazione, fai clic su retrieval-service e segui questi passaggi nell'area Configurazione:

    1. Nel campo Nome servizio, inserisci custom-retrieval-service.

    2. Fai clic su Salva.

  3. Nel canvas di progettazione, fai clic su database-postgresql e segui questi passaggi nell'area Configurazione:

    1. Nel campo Nome, inserisci custom-rag-database.

    2. Fai clic su Salva.

  4. Nel canvas di progettazione, fai clic su vertex-ai e segui questi passaggi nell'area Configurazione:

    1. Nell'elenco ID progetto, assicurati che il tuo progetto sia selezionato.

    2. Fai clic su Salva.

  5. Nel canvas di progettazione, fai clic su secret-manager e segui questi passaggi nell'area Configurazione:

    1. Nel campo Nome, inserisci db-ai-secret.

    2. Fai clic su Salva.

Il canvas mostra un segno di spunta verde in ogni componente per indicare che tutti i parametri richiesti sono configurati.

gcloud CLI

  1. Descrivi l'applicazione per identificare i parametri dei componenti.

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

    L'output mostra i parametri per ogni componente.

  2. Recupera un elenco di URI dei componenti.

    gcloud design-center spaces applications describe quickstart-custom-gen-ai-rag-test \
      --space=SPACE \
      --location=LOCATION \
      --project=PROJECT \
      --format='value(serializedApplicationTemplate.components.uri)'
    
  3. Crea file di configurazione JSON nella directory di lavoro.

    1. Crea 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. Crea 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. Crea 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. Crea custom-secmanager.json.

      {
      "component": "SECRET_MANAGER_COMPONENT_URI",
      "parameters": [
         {
            "key": "name",
            "value": "db-ai-secret"
         },
         {
            "key": "project_id",
            "value": "PROJECT"
         }
      ]
      }
      
    5. Crea custom-vertex.json.

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

    Sostituisci quanto segue:

    • FRONTEND_COMPONENT_URI: l'URI del componente frontend. Ad esempio, projects/gcpdesigncenter/locations/us-central1/spaces/googlespace/applicationTemplates/gen-ai-rag-cloud-sql/components/frontend-service.
    • RETRIEVAL_COMPONENT_URI: l'URI del componente di recupero. Ad esempio, projects/gcpdesigncenter/locations/us-central1/spaces/googlespace/applicationTemplates/gen-ai-rag-cloud-sql/components/retrieval-service.
    • DATABASE_COMPONENT_URI: l'URI del componente del database. Ad esempio, projects/gcpdesigncenter/locations/us-central1/spaces/googlespace/applicationTemplates/gen-ai-rag-cloud-sql/components/database-postgresql.
    • SECRET_MANAGER_COMPONENT_URI: l'URI del componente Secret Manager. Ad esempio, projects/gcpdesigncenter/locations/us-central1/spaces/googlespace/applicationTemplates/gen-ai-rag-cloud-sql/components/secret-manager.
    • VERTEX_AI_COMPONENT_URI: l'URI del componente Vertex AI. Ad esempio, projects/gcpdesigncenter/locations/us-central1/spaces/googlespace/applicationTemplates/gen-ai-rag-cloud-sql/components/vertex-ai.
    • PROJECT: il tuo ID progetto.
    • LOCATION: la località dello spazio. Ad esempio, us-central1.
  4. Aggiorna la configurazione dell'applicazione con i file dei parametri 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
    

Esegui il deployment dell'applicazione

Esegui il deployment dell'applicazione configurata.

Canvas di progettazione

  1. Fai clic su Esegui il deployment.

  2. Nell'area Seleziona service account, segui questi passaggi:

    1. Seleziona Crea un nuovo service account.

    2. Fai clic su Procedi.

  3. Fai clic su Esegui il deployment.

    Dopo alcuni minuti, viene eseguito il deployment dell'applicazione e vengono create le risorse.

gcloud CLI

  1. Visualizza l'anteprima del deployment e crea automaticamente un account di servizio di anteprima.

    gcloud design-center spaces applications preview quickstart-custom-gen-ai-rag-test \
      --space=SPACE \
      --location=LOCATION \
      --project=PROJECT \
      --create-sa
    
  2. Esegui il deployment dell'applicazione e crea automaticamente un service account di deployment.

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

    Copia l'ID operazione.

  3. Monitora lo stato del deployment.

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

    Sostituisci quanto segue:

    • OPERATION_ID: l'ID operazione.
    • LOCATION: la località dello spazio. Ad esempio, us-central1.
    • PROJECT: il tuo ID progetto.

(Facoltativo) Monitora il deployment

Dopo aver eseguito il deployment dell'applicazione, puoi visualizzare la telemetria e monitorare le prestazioni:

  1. Nella console Google Cloud , vai alla pagina Monitoraggio delle applicazioni:

    Vai a Monitoraggio delle applicazioni

    Se utilizzi la barra di ricerca per trovare questa pagina, seleziona il risultato con il sottotitolo Monitoring.

  2. Nella colonna Nome, fai clic sull'applicazione di cui hai eseguito il deployment.

    La pagina mostra le informazioni di monitoraggio per l'applicazione e i relativi servizi e workload.

  3. Esamina le dashboard predefinite. Per saperne di più, consulta la panoramica di Application Monitoring.

Esegui la pulizia

Per evitare che al tuo account Google Cloud vengano addebitati costi relativi alle risorse utilizzate in questa pagina, elimina il progetto Google Cloud con le risorse.

Elimina l'applicazione di cui è stato eseguito il deployment

Canvas di progettazione

  1. Nel menu di navigazione, fai clic su Applicazioni.

    Vai a Applicazioni

  2. Fai clic su Test rapido personalizzato di RAG di AI generativa.

  3. Fai clic su Azioni e seleziona Elimina applicazione.

  4. Nel campo Elimina, inserisci quickstart-custom-gen-ai-rag-test.

  5. Fai clic su Elimina.

gcloud CLI

  1. Elimina l'applicazione utilizzando l'interfaccia a riga di comando.

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

(Facoltativo) Elimina il progetto

  1. Nella console Google Cloud , vai alla pagina Gestisci risorse.

    Vai a Gestisci risorse

  2. Nell'elenco dei progetti, seleziona il progetto che vuoi eliminare, quindi fai clic su Elimina.
  3. Al prompt, inserisci l'ID progetto e fai clic su Chiudi.

Passaggi successivi