Gemini Enterprise Agent Platform Pipelines 的接口

本页列出了可用于在 Agent Platform Pipelines 上定义和运行机器学习流水线的接口。

用于定义流水线的接口

Agent Platform Pipelines 支持使用 Kubeflow Pipelines (KFP) SDK 或 TensorFlow Extended (TFX) SDK 定义的机器学习流水线。

Kubeflow Pipelines (KFP) SDK

Kubeflow Pipelines 徽标 如果您不需要使用 TensorFlow Extended 处理大量 结构化数据或文本数据，请在所有用例中使用 KFP。Agent Platform Pipelines 支持 KFP SDK v2.0 或更高版本。

使用 KFP SDK 时，您可以通过构建自定义 组件以及重复使用预构建的组件（例如 Google Cloud 流水线组件 Google Cloud ）来定义机器学习工作流。借助流水线组件，您可以在机器学习流水线中轻松使用 AutoML 等 Gemini Enterprise 服务。Agent Platform Pipelines 支持 Google Cloud Pipeline Components SDK v2 或更高版本。如需详细了解 Google Cloud 流水线组件，请参阅 流水线组件简介。 Google Cloud

如需了解如何使用 Kubeflow Pipelines 构建流水线，请参阅 构建流水线。如需详细了解 Kubeflow Pipelines，请参阅Kubeflow Pipelines 文档。

TensorFlow Extended (TFX) SDK

TFX SDK 徽标 如果您在机器学习工作流中使用 TensorFlow Extended 处理 TB 级结构化数据或文本数据，请使用 TFX。Agent Platform Pipelines 支持 TFX SDK v0.30.0 或更高版本。

如需了解如何使用 TFX 构建机器学习流水线，请参阅 入门生产环境 中的 正式版教程。

用于运行流水线的接口

定义机器学习流水线后，您可以使用以下任一接口创建机器学习流水线运行：

  • REST API

  • SDK 客户端

  • Google Cloud 控制台

如需详细了解可用于与 Gemini Enterprise API 交互的接口，请参阅 Gemini Enterprise API 的接口。

REST API

如需使用 REST 创建流水线运行，请使用 Pipelines 服务 API。此 API 使用 projects.locations.pipelineJobs REST 资源。

SDK 客户端

借助 Agent Platform Pipelines，您可以使用 Vertex AI SDK for Python 或客户端库创建流水线运行。

Agent Platform SDK for Python

建议使用 Vertex AI SDK for Python (aiplatform) 以编程方式使用 Pipelines 服务 API。如需详细了解此 SDK，请参阅 API 文档，了解 google.cloud.aiplatform.PipelineJob。

客户端库

客户端库是以编程方式生成的 API 客户端 (GAPIC) SDK。Agent Platform Pipelines 支持以下客户端库：

  • Python (aiplatform v1 和 v1beta1)

  • Java

  • Node.js

  • Go

如需了解详情，请参阅安装 Gemini Enterprise Agent Platform 客户端库。

Google Cloud 控制台（GUI）

建议使用Google Cloud 控制台来检查和监控流水线运行。您还可以使用 Google Cloud 控制台执行其他任务，例如创建、删除和克隆流水线运行、访问模板库以及检索流水线运行的结算标签。

前往控制台中的“流水线” Google Cloud

后续步骤