Gemini API + Cloud Run 快速构建聊天应用

(🎨 封面图由 Gemini 的 Imagen 3 生成！)

欢迎来到我的 Google AI 工具构建系列博客！在这篇文章中，我们将创建一个由 Gemini 驱动并托管在 Cloud Run 上的简单聊天应用程序。如果你正在试验 LLM 或希望将 AI 集成到你的网络应用中，那么你来对地方了。那么，让我们开始学习吧！

👩‍🏫 我们在构建什么？

我们将构建一个基于网络的聊天界面，连接到 Gemini API 并返回对话式响应。我们的应用将运行在 Cloud Run 上，我们将使用 Cloud Build 和 Artifact Registry 来容器化和部署它。

完成本教程后，你将能够：

• 设置一个与 Gemini API 通信的 Python 网络应用

• 使用 Docker 将应用容器化

• 使用 Google Cloud 工具将应用部署到 Cloud Run

• 开始思考如何将 LLM 集成到你自己的项目中

所以，少一点 HAL，多一点 SmarterChild。🤖💬 让我们深入了解吧！

前置条件

要开始，你需要确保你具备：

• 一个 Google Cloud 项目

• 已安装并认证的 gcloud CLI

• 在你的项目上启用了 Vertex AI API

• 💻 可选：使用 Cloud Shell 以获得完全配置的环境

⚙️ 步骤 1：克隆聊天应用模板

要开始，让我们拉下一个预构建的 Python Flask 应用：

git clone https://github.com/ChloeCodesThings/chat-app-demo
cd chat-app-demo

你会看到我们的应用包含：

• app.py - Flask 路由和 Gemini API 逻辑

• index.html - 一个基本的聊天 UI

• Dockerfile - 关于如何构建容器的说明

🐳📁 步骤 2：使用 Cloud Build 构建 Docker 镜像

首先，你需要设置一些环境变量：

export PROJECT_ID=$(gcloud config get-value project)
export REGION=us-central1
export AR_REPO=chat-app-repo
export SERVICE_NAME=chat-gemini-app

创建 Artifact Registry 仓库：

gcloud artifacts repositories create $AR_REPO \
--repository-format=docker \
--location=$REGION

然后构建并推送镜像：

gcloud builds submit --tag $REGION-docker.pkg.dev/$PROJECT_ID/$AR_REPO/$SERVICE_NAME

🚀 步骤 3：部署到 Cloud Run

gcloud run deploy $SERVICE_NAME \
  --image=$REGION-docker.pkg.dev/$PROJECT_ID/$AR_REPO/$SERVICE_NAME \
  --platform=managed \
  --region=$REGION \
  --allow-unauthenticated \
  --set-env-vars=GCP_PROJECT=$PROJECT_ID,GCP_REGION=$REGION

你会获得一个类似 https://chat-gemini-app-xxxxxx.run.app 的 URL。打开它与 Gemini 聊天吧！

🔎✨ 步骤 4：Gemini 集成如何工作

让我们看一下后端逻辑。在 app.py 中，这是魔法发生的地方：

from vertexai.preview.language_models import ChatModel

def create_session():
    chat_model = ChatModel.from_pretrained("gemini-2.0-flash")
    chat = chat_model.start_chat()
    return chat

def response(chat, message):
    result = chat.send_message(message)
    return result.text

因此，每次用户提交一条消息时，我们的应用将：

• 启动一个新的聊天会话

• 将消息发送到 Gemini 模型

• 将响应作为 JSON 返回

🤸‍♀️ 好的，让我们试试！

输入一个问题，例如：

"What is Google Cloud Platform?"

……你会得到一个上下文相关的、由 LLM 生成的响应。

耶，我们做到了！🥳 这只是开始！在后续文章中，我们将涵盖：

• 增强聊天 UI

• 保持会话持久化

• 使用系统提示来塑造 Gemini 的响应

• 使用 Firebase Auth 或 API Gateway 保护你的端点

🎊 给自己一个击掌！在这篇文章中，你学到了如何：

• 使用 Gemini 构建和部署一个简单的 Flask 聊天应用

• 使用 Docker 将其容器化并推送到 Artifact Registry

• 以最少的配置部署到 Cloud Run

想了解更多？这里有一个你可以查看的教程

下次见，各位！-Chloe

关于进一步的行动，你可能想要屏蔽此人和/或举报滥用行为