Cloud Next 2025 で Firebase の最新情報をご確認ください。詳細

Cloud Run を使用した Genkit
コレクションでコンテンツを整理必要に応じて、コンテンツの保存と分類を行います。

Genkit のフローは、Cloud Run を使用してウェブサービスとしてデプロイできます。このページでは、例として、デフォルトのサンプルフローをデプロイするプロセスについて説明します。

Google Cloud CLI をインストールします（まだインストールしていない場合）。
Cloud コンソールを使用して新しい Google Cloud プロジェクトを作成するか、既存のプロジェクトを選択します。プロジェクトは請求先アカウントにリンクされている必要があります。

プロジェクトを作成または選択したら、そのプロジェクトを使用するように Google Cloud CLI を構成します。
```
gcloud auth login
gcloud init
```
Genkit サンプルプロジェクトのディレクトリを作成します。
```
mkdir -p ~/tmp/genkit-cloud-project
cd ~/tmp/genkit-cloud-project
```
IDE を使用する場合は、このディレクトリに開きます。
プロジェクトディレクトリで Go モジュールを初期化します。
```
go mod init example/cloudrun
go mod get github.com/firebase/genkit/go
```

Genkit を使用してサンプルアプリを作成します。

package main

import (
    "context"
    "fmt"
    "log"
    "net/http"
    "os"

    "github.com/firebase/genkit/go/ai"
    "github.com/firebase/genkit/go/genkit"
    "github.com/firebase/genkit/go/plugins/googlegenai"
    "github.com/firebase/genkit/go/plugins/server"
)

func main() {
    ctx := context.Background()

    // Initialize Genkit with the Google AI plugin and Gemini 2.0 Flash.
    // Alternatively, use &googlegenai.VertexAI{} and "vertexai/gemini-2.0-flash"
    // to use Vertex AI as the provider instead.
    g, err := genkit.Init(ctx,
        genkit.WithPlugins(&googlegenai.GoogleAI{}),
        genkit.WithDefaultModel("googleai/gemini-2.0-flash"),
    )
    if err != nil {
        log.Fatalf("failed to initialize Genkit: %w", err)
    }

    flow := genkit.DefineFlow(g, "jokesFlow", func(ctx context.Context, topic string) (string, error) {
        resp, err := genkit.Generate(ctx, g,
            ai.WithPrompt(`Tell a short joke about %s. Be creative!`, topic),
        )
        if err != nil {
            return "", fmt.Errorf("failed to generate joke: %w", err)
        }

        return resp.Text(), nil
    })

    mux := http.NewServeMux()
    mux.HandleFunc("POST /jokesFlow", genkit.Handler(flow))
    log.Fatal(server.Start(ctx, "127.0.0.1:"+os.Getenv("PORT"), mux))
}

デプロイされた関数で API 認証情報を使用できるようにします。上記のサンプルで選択した内容に基づいて、必要な認証情報を選択します。
Gemini（Google AI）
1. Google AI がお住まいの地域で利用可能であることを確認します。
2. Google AI Studio を使用して Gemini API の API キーを生成します。
3. その API キーを Cloud Run 環境で使用できるようにします。
  1. Cloud コンソールで、Secret Manager API を有効にします。
  2. [Secret Manager] ページで、API キーを含む新しいシークレットを作成します。
  3. シークレットを作成したら、同じページで、デフォルトのコンピューティングサービスアカウントに、Secret Manager Secret アクセサーのロールを付与して、シークレットにアクセスできるようにします。（デフォルトのコンピューティングサービスアカウントの名前は、[IAM] ページで検索できます）。
  後でサービスをデプロイするときに、このシークレットの名前を参照する必要があります。
Gemini（Vertex AI）
1. Cloud コンソールで、プロジェクトの Vertex AI API を有効を有効にするを選択します。
2. [IAM] ページで、デフォルトのコンピューティングサービスアカウントに Vertex AI ユーザーロールが付与されていることを確認します。
このチュートリアルで設定する必要があるシークレットはモデルプロバイダ用のものだけですが、一般的には、フローで使用する各サービスに対して同様の設定を行う必要があります。
省略可: デベロッパー UI でフローを試します。
1. 選択したモデルプロバイダ用にローカル環境をセットアップします。
  Gemini（Google AI）
  export GEMINI_API_KEY=<your API key>
  Gemini（Vertex AI）
  export GOOGLE_CLOUD_PROJECT=<your project ID> export GOOGLE_CLOUD_LOCATION=us-central1 gcloud auth application-default login
2. UI を起動します。
```
genkit start -- go run .
```
3. デベロッパー UI（http://localhost:4000/）でフローを実行します。
  1. [jokesFlow] をクリックします。
  2. [Input JSON] タブで、モデルのサブジェクトを指定します。
```
"bananas"
```
  3. [実行] をクリックします。
ここまですべてが想定どおりに動作している場合は、フローをビルドしてデプロイできます。
Gemini（Google AI）
```
gcloud run deploy --port 3400 \
  --update-secrets=GEMINI_API_KEY=<your-secret-name>:latest
```
Gemini（Vertex AI）
```
gcloud run deploy --port 3400 \
  --set-env-vars GOOGLE_CLOUD_PROJECT=<your-gcloud-project> \
  --set-env-vars GOOGLE_CLOUD_LOCATION=us-central1
```
（GOOGLE_CLOUD_LOCATION は、使用する Vertex API リージョンを構成します）
未認証の呼び出しを許可するかどうかを尋ねられたら、N を選択します。[N] を選択すると、IAM 認証情報を必要とするようサービスが設定されます。これらの認証情報の提供に関しては、Cloud Run ドキュメントの認証をご覧ください。

デプロイが完了すると、ツールによってサービス URL が出力されます。curl を使用してこれをテストできます。

curl -X POST https://<service-url>/menuSuggestionFlow \
  -H "Authorization: Bearer $(gcloud auth print-identity-token)" \
  -H "Content-Type: application/json" -d '"bananas"'

Cloud Run を使用した Genkit コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。

Gemini（Google AI）

Gemini（Vertex AI）

Gemini（Google AI）

Gemini（Vertex AI）

Gemini（Google AI）

Gemini（Vertex AI）

Cloud Run を使用した Genkit
コレクションでコンテンツを整理必要に応じて、コンテンツの保存と分類を行います。