Anthropic Claude Opus 4.5 und Gemini 3 in Vertex AI mit Python SDK über Private Service Connect-Endpunkt

1. Übersicht

Auf die Vertex AI API kann über das Internet zugegriffen werden. In Ihrem Unternehmen möchten Sie jedoch möglicherweise privat auf die Vertex AI API zugreifen, ohne das Internet zu nutzen. In diesem Lab greifen Sie zuerst über das öffentliche Internet über das Python SDK, das auf einer VM-Instanz ausgeführt wird, auf Anthropic Claude Opus 4.5 und Gemini 3 Pro in Vertex zu.

Anschließend erstellen Sie einen Private Service Connect-Endpunkt für Googleapis und ändern den Trafficfluss so, dass der private Endpunkt verwendet wird, um eine Verbindung zur Vertex API herzustellen.

Im Python-Codebeispiel werden die Eingabefragen an Claude Opus übergeben, um eine Antwort zu generieren. Diese Ausgabe wird dann an Gemini Pro 3 übergeben, um eine Textzusammenfassung und ein Bild zu erstellen.

In diesem Lab erstellen Sie das folgende Muster.

Abbildung 1:

2. Ziele

Aufgaben in diesem Lab:

• VM-Instanz für die Verwendung des Python SDK einrichten
• Anthropic-Modellkarte in Vertex AI aktivieren
• Verbindung zu Anthropic Claude Opus 4.5 und Gemini 3 Pro über ein Python-Skript herstellen
• PSC-Endpunkt für die Verbindung zu Googleapis konfigurieren
• Manuelle DNS-Einträge konfigurieren
• Verbindungspfad zu Googleais prüfen
• Python-Skript zum Abfragen der Modelle ausführen

Lab einrichten

Einrichtung der Umgebung im eigenen Tempo

1. Melden Sie sich in der Google Cloud Console an und erstellen Sie ein neues Projekt oder verwenden Sie ein vorhandenes Projekt. Wenn Sie noch kein Gmail- oder Google Workspace-Konto haben, müssen Sie eines erstellen.

• Der Projektname ist der Anzeigename für die Teilnehmer dieses Projekts. Es handelt sich um einen String, der nicht von Google APIs verwendet wird. Sie können sie jederzeit aktualisieren.
• Die Projekt-ID ist für alle Google Cloud-Projekte eindeutig und unveränderlich (kann nach dem Festlegen nicht mehr geändert werden). In der Cloud Console wird automatisch ein eindeutiger String generiert. Normalerweise ist es nicht wichtig, wie dieser String aussieht. In den meisten Codelabs müssen Sie auf Ihre Projekt-ID verweisen (in der Regel als PROJECT_ID angegeben). Wenn Ihnen die generierte ID nicht gefällt, können Sie eine andere zufällige ID generieren. Alternativ können Sie es mit einem eigenen Namen versuchen. Sie kann nach diesem Schritt nicht mehr geändert werden und bleibt für die Dauer des Projekts bestehen.
• Zur Information: Es gibt einen dritten Wert, die Projektnummer, die von einigen APIs verwendet wird. Weitere Informationen zu diesen drei Werten

Achtung:Eine Projekt-ID ist global eindeutig und kann nach der Auswahl nicht mehr von anderen verwendet werden. Sie sind der einzige Nutzer dieser ID. Auch wenn ein Projekt gelöscht wird, kann die ID nicht wiederverwendet werden.

Hinweis:Wenn Sie ein Gmail-Konto verwenden, können Sie den Standardspeicherort auf Keine Organisation belassen. Wenn Sie ein Google Workspace-Konto verwenden, wählen Sie einen Standort aus, der für Ihre Organisation sinnvoll ist.

2. Als Nächstes müssen Sie die Abrechnung in der Cloud Console aktivieren, um Cloud-Ressourcen/-APIs zu verwenden. Die Durchführung dieses Codelabs kostet wenig oder gar nichts. Wenn Sie Ressourcen herunterfahren möchten, um Kosten zu vermeiden, die über diese Anleitung hinausgehen, können Sie die erstellten Ressourcen oder das Projekt löschen. Neue Google Cloud-Nutzer können am Programm Kostenlose Testversion mit einem Guthaben von 300$ teilnehmen.

Cloud Shell starten

Während Sie Google Cloud von Ihrem Laptop aus per Fernzugriff nutzen können, wird in diesem Codelab Google Cloud Shell verwendet, eine Befehlszeilenumgebung, die in der Cloud ausgeführt wird.

Klicken Sie in der Google Cloud Console rechts oben in der Symbolleiste auf das Cloud Shell-Symbol:

Die Bereitstellung und Verbindung mit der Umgebung sollte nur wenige Augenblicke dauern. Anschließend sehen Sie in etwa Folgendes:

Diese virtuelle Maschine verfügt über sämtliche Entwicklertools, die Sie benötigen. Sie bietet ein Basisverzeichnis mit 5 GB nichtflüchtigem Speicher und läuft in Google Cloud, was die Netzwerkleistung und Authentifizierung erheblich verbessert. Alle Aufgaben in diesem Codelab können in einem Browser ausgeführt werden. Sie müssen nichts installieren.

3. Umgebung einrichten

Beachten Sie, dass für einige Ressourcen, die Sie aktivieren, Kosten anfallen. Achte darauf, dass du dir dessen bewusst bist, bevor du mit dem Lauf beginnst. Um Kosten zu senken, sollten Sie die Ressourcen nach Abschluss des Labs löschen. Wir empfehlen dir, deine Abrechnung zu prüfen und sicherzustellen, dass die Belastung für dich akzeptabel ist.

Wir erstellen eine benutzerdefinierte VPC mit Firewallregeln. Wenn Sie bereits eine VPC und ein Projekt haben, können Sie diesen Teil überspringen.

Öffnen Sie Cloud Shell oben rechts in der Konsole. Konfigurieren Sie sie so:

1. Aktivieren Sie einige der APIs, die wir in diesem Lab verwenden werden.

gcloud services enable dns.googleapis.com
gcloud services enable aiplatform.googleapis.com
gcloud services enable servicedirectory.googleapis.com

2. Legen Sie einige Variablen fest. Diese Variablen sind die Projekt-ID und die Netzwerk-ID der benutzerdefinierten VPC (Sie erstellen die VPC in Schritt 4).

projectid=$(gcloud config get-value project)
networkid=anthropic-net 
echo $projectid
echo $networkid
clear

3. Erstellen Sie nun eine benutzerdefinierte VPC mit dem Namen „anthropic-net“.

gcloud compute networks create $networkid \
--project=$projectid \
--subnet-mode=custom \
--mtu=1460 \
--bgp-routing-mode=global

4. Erstellen Sie das vm1-Subnetz in der neuen VPC.

gcloud compute networks subnets create vm-subnet \
--project=$projectid --range=10.0.88.0/24 \
--stack-type=IPV4_ONLY --network=$networkid \
--region=us-east1

5. ICMP-, SSH- und HTTP-Firewallregeln für Ihre VPC hinzufügen

gcloud compute firewall-rules create $networkid-allow-icmp --project=$projectid \
--network=$networkid \
--description="Allows ICMP connections from any source to any instance on the network." \
--direction=INGRESS \
--priority=65534 \
--source-ranges=0.0.0.0/0 \
--action=ALLOW \
--rules=icmp

gcloud compute firewall-rules create $networkid-allow-ssh \
--project=$projectid \
--network=$networkid \
--description="Allows TCP connections from any source to any instance on the network using port 22." \
--direction=INGRESS --priority=65534 \
--source-ranges=0.0.0.0/0 --action=ALLOW \
--rules=tcp:22

gcloud compute firewall-rules create $networkid-allow-web \
--project=$projectid \
--network=$networkid \
--description="Allows TCP connections on port 8080." \
--direction=INGRESS --priority=1000 \
--source-ranges=0.0.0.0/0 --action=ALLOW \
--rules=tcp:8080

4. Anthropic im Vertex AI Model Garden aktivieren

Wir müssen ausgehenden externen Zugriff auf das Internet gewähren. Erstellen wir also ein Cloud NAT-Gateway und hängen wir es an.

1. Rufen Sie das Vertex AI-Dashboard auf und wählen Sie Model Garden aus.
2. Suchen Sie nach Anthropic und wählen Sie Claude Opus 4.5 aus.

3. Wählen Sie Aktivieren aus. Sie müssen einige Informationen eingeben. Füllen Sie das Formular aus und wählen Sie Weiter aus. Wählen Sie auf der letzten Seite Zustimmen aus, um Claude 4.5 Opus zu aktivieren.

5. 

Hinweis:Der Vorgang sollte für alle Modelle gleich sein.

5. NAT-Gateway und VMs erstellen

Wir müssen ausgehenden externen Zugriff auf das Internet gewähren. Erstellen wir also ein Cloud NAT-Gateway und hängen wir es an.

Verwenden Sie in Cloud Shell die folgenden Befehle

1. Erstellen Sie Cloud NAT.

gcloud compute routers create anthro-out-nat \
    --network $networkid \
    --region us-east1 

2. Erstellen Sie das Cloud NAT-Gateway.

gcloud compute routers nats create anthro-out-nat-gw \
    --router-region us-east1 \
    --router anthro-out-nat \
    --nat-all-subnet-ip-ranges \
    --auto-allocate-nat-external-ips

Erstellen wir nun eine VM, um über das Python SDK auf Anthropic on Vertex AI zuzugreifen.

Wir erstellen eine VM mit den folgenden installierten Paketen, um sie zu testen.

1. Erstellen Sie in derselben Cloud Shell-Sitzung anthro-vm mit dem folgenden Befehl.

gcloud compute instances create anthro-vm \
--project=$projectid \
--zone=us-east1-b \
--network-interface=stack-type=IPV4_ONLY,subnet=vm-subnet,no-address,network=$networkid \
--metadata startup-script="#! /bin/bash    
      sudo apt-get update
      sudo apt-get install python3 python3-dev python3-venv -y
      sudo apt-get install tcpdump dnsutils -y
      sudo -i
      sudo mkdir -p ~/py-anthro-env
      cd ~/py-anthro-env
      python3 -m venv env
      source env/bin/activate
      pip install -U ipython google-genai 'anthropic[vertex]'"

Sie sollten eine VM ohne öffentliche IP-Adressen sehen. Konfigurieren wir nun die VM.

6. VM konfigurieren und testen

1. Stellen Sie in Google Cloud Shell eine SSH-Verbindung zur neuen VM mit dem Namen anthro-vm her.

gcloud compute ssh anthro-vm \
    --project=$projectid \
    --zone=us-east1-b \
    --tunnel-through-iap \
    -- -L 8080:localhost:8080

2. Sobald Sie eine SSH-Verbindung zu anthro-vm hergestellt haben,aktivieren Sie Ihre venv-Umgebung:

sudo -i -- bash -c 'cd py-anthro-env && source env/bin/activate && exec bash'

3. Jetzt authentifizieren wir das, um später einige Tests durchzuführen. Führen Sie den folgenden Befehl in der VM aus und drücken Sie bei Aufforderung y.

gcloud auth application-default login

4. Kopieren Sie als Nächstes die URL, die mit https:// beginnt, öffnen Sie einen neuen Tab in Ihrem Lab-Browserfenster und fügen Sie die URL ein. Akzeptieren Sie die Aufforderungen.
5. Wenn Sie Folgendes sehen, wählen Sie „Kopieren“ aus, wechseln Sie zurück zur Sitzung anthro-vm und fügen Sie den kopierten Code für Autorisierungscode eingeben: ein. Drücken Sie die Eingabetaste, um sich zu authentifizieren.

6. Führen wir nun einen kurzen Test durch, um zu sehen, ob wir eine Verbindung zur Vertex Gemini API herstellen können.

dig *-aiplatform.googleapis.com

7. Die Ausgabe sollte in etwa so aussehen (die Adressen sind unterschiedlich). Beachten Sie, dass der Pfad über öffentliche IP-Adressen verläuft, da die API eine öffentliche API ist.

; <<>> DiG 9.18.39-0ubuntu0.24.04.2-Ubuntu <<>> *-aiplatform.googleapis.com
;; global options: +cmd
;; Got answer:
;; ->>HEADER<<- opcode: QUERY, status: NOERROR, id: 3728
;; flags: qr rd ra; QUERY: 1, ANSWER: 16, AUTHORITY: 0, ADDITIONAL: 1

;; OPT PSEUDOSECTION:
; EDNS: version: 0, flags:; udp: 512
;; QUESTION SECTION:
;*-aiplatform.googleapis.com.   IN      A

;; ANSWER SECTION:
*-aiplatform.googleapis.com. 300 IN     A       172.217.204.95
*-aiplatform.googleapis.com. 300 IN     A       172.217.203.95
*-aiplatform.googleapis.com. 300 IN     A       173.194.215.95
*-aiplatform.googleapis.com. 300 IN     A       142.250.98.95
*-aiplatform.googleapis.com. 300 IN     A       173.194.217.95
*-aiplatform.googleapis.com. 300 IN     A       142.251.107.95
*-aiplatform.googleapis.com. 300 IN     A       74.125.196.95

8. Jetzt verwenden wir Python. Geben Sie ipython ein, um die ipython-Schnittstelle zu aktivieren.

ipython

9. Kopieren Sie nun den folgenden Befehl und fügen Sie ihn ein. Hier wird Claude Opus 4.5 gefragt: What are the key steps to building Agentic AI? (Was sind die wichtigsten Schritte zum Erstellen von agentischer KI?) Anschließend wird die Ausgabe an Gemini 3 Pro übergeben, das eine Zusammenfassung erstellt und ein Bild generiert, das auf der VM gespeichert wird.

import os
import sys
import google.auth
from pathlib import Path
from google import genai
from google.genai import types
from anthropic import AnthropicVertex

# 1. Setup & Auth
print("--- Authenticating ---")
creds, project_id = google.auth.default()
LOCATION = "global"

# 2. Initialize Clients
print(f"--- Initializing Clients for Project: {project_id} ---")
google_client = genai.Client(vertexai=True, location=LOCATION, project=project_id)
claude_client = AnthropicVertex(region=LOCATION, project_id=project_id)

# 3. Define the Question
question = "What are the key steps to building Agentic AI?"
print(f"\n--- Asking Claude: {question} ---")

# 4. Get Claude's Research
msg = claude_client.messages.create(
    model="claude-opus-4-5@20251101",
    max_tokens=2048,
    messages=[{"role": "user", "content": question}]
)
claude_text = msg.content[0].text
print(f"✓ Claude Answered ({len(claude_text)} chars)")

# 5. Send to Gemini 3 for Image & Summary
print("\n--- Sending to Gemini 3 (Image + Text) ---")
gemini_prompt = f"""
I am providing you with a technical explanation generated by Claude Opus 4.5.
1. READ the text below.
2. GENERATE a concise, bulleted executive summary.
3. CREATE a high-quality, futuristic illustration for a tech blog header (16:9).

--- INPUT TEXT ---
{claude_text}
"""

response = google_client.models.generate_content(
    model="gemini-3-pro-image-preview",
    contents=gemini_prompt,
    config=types.GenerateContentConfig(
        response_modalities=['TEXT', 'IMAGE'],
        temperature=0.7
    )
)

# 6. Save and Display Results
print("\n--- Results ---")
for part in response.parts:
    if part.text:
        print(f"\n[SUMMARY]:\n{part.text.strip()[:500]}...\n(Summary truncated for brevity)")
    elif image := part.as_image():
        filename = "gemini_agentic_ai.png"
        image.save(filename)
        print(f"\n✓ IMAGE SAVED to: {os.path.abspath(filename)}")

10. Drücken Sie zweimal die Eingabetaste, um den Text zu generieren und das Ergebnis zu sehen.
11. Um das Bild anzuzeigen, müssen wir einen Webdienst in Python aktivieren. Führen Sie in der iPython-Sitzung Folgendes aus:

!python3 -m http.server 8080

12. Wählen Sie in Cloud Shell die Option „Webvorschau“ und dann „Vorschau auf Port 8080“  aus.
13. Wählen Sie in der geöffneten Websitzung gemini_agentic_ai.png aus, um das generierte Bild anzusehen. (Beispielbild unten wurde von KI generiert)
    
14. Drücken Sie in Cloud Shell die Tastenkombination Strg + C, um die Sitzung zu beenden. Geben Sie dann „exit“ ein und drücken Sie die Eingabetaste (dreimal wiederholen), um zum Cloud Shell-Startbildschirm zurückzukehren.
15. Machen wir weiter.

Hinweis:Sie können die Prompt-Frage ändern.

7. PSC-Endpunkt für googleapis erstellen

Um eine private Verbindung zu unserem Vertex API-Endpunkt zu ermöglichen, erstellen wir einen Private Service Connect-Endpunkt für googleapis. So können wir eine private IP-Adresse verwenden, die wir zuweisen, um Traffic an die benötigten Google APIs weiterzuleiten, in diesem Fall Vertex Gemini.

1. Öffnen Sie Cloud Shell, falls noch nicht geschehen. Erstellen Sie eine IP-Adresse für den PSC-Endpunkt. In diesem Fall verwenden wir 192.168.255.230.

gcloud compute addresses create anthro-ip \
    --global \
    --purpose=PRIVATE_SERVICE_CONNECT \
    --addresses=192.168.255.230 \
    --network=$networkid

2. Erstellung von geistigem Eigentum bestätigen

gcloud compute addresses list --filter="name=( 'anthro-ip' ...)"

3. Als Nächstes erstellen Sie den PSC-Endpunkt.

gcloud compute forwarding-rules create pscanthrovertex \
    --global \
    --network=$networkid \
    --address=anthro-ip \
    --target-google-apis-bundle=all-apis

4. Dadurch werden ein Endpunkt und ein Service Directory-Eintrag erstellt. Vorhandensein des Endpunkts prüfen

gcloud compute forwarding-rules describe pscanthrovertex --global

8. Endpunktverbindung über automatische Service Directory-Zone prüfen

Wir stellen eine Verbindung über den privaten Endpunkt her, um eine Verbindung zu Gemini herzustellen.

1. Rufen Sie die VM-Instanz anthro-vm1 auf. Wählen Sie „SSH“ aus und stellen Sie eine SSH-Verbindung zur VM her
2. Prüfen Sie den Verbindungspfad zu aiplatform-pscanthrovertex.p.googleapis.com mit dem Befehl dig. Sie sollten die IP-Adresse des PSC-Endpunkts 192.168.255.230 sehen.

dig aiplatform-pscanthrovertex.p.googleapis.com

3. Beenden Sie alle SSH-Sitzungen.

9. Manuellen DNS-Eintrag für googleapis erstellen

Sie können einen manuellen DNS-Eintrag erstellen, der mit privatem DNS auf den PSC-Endpunkt verweist. Das wirkt sich auf alle Netzwerke aus, die Sie ihm zuweisen.

Führen Sie die folgenden Befehle in Cloud Shell aus.

1. Erstellen Sie eine private DNS-Zone für googleapis.com und hängen Sie sie an das Netzwerk „anthropic-net“ an.

gcloud dns managed-zones create googleapis-private \
    --description="Private DNS zone for googleapis.com" \
    --dns-name="googleapis.com." \
    --visibility="private" \
    --networks="anthropic-net"

2. Erstellen Sie einen A-Eintrag, der die Stammdomain der IP-Adresse des Private Service Connect-Endpunkts (192.168.255.230) zuordnet.

gcloud dns record-sets create "googleapis.com." \
    --zone="googleapis-private" \
    --type="A" \
    --ttl="300" \
    --rrdatas="192.168.255.230"

3. Erstellen Sie einen Platzhalter-CNAME-Eintrag, um alle Subdomains (z. B. aiplatform.googleapis.com) an den Stamm-A-Eintrag weiterzuleiten.

gcloud dns record-sets create "*.googleapis.com." \
    --zone="googleapis-private" \
    --type="CNAME" \
    --ttl="300" \
    --rrdatas="googleapis.com."

4. Listen Sie die Datensatzgruppen in der Zone auf, um zu bestätigen, dass der A-Eintrag und der CNAME-Eintrag richtig erstellt wurden.

gcloud dns record-sets list --zone="googleapis-private"

5. In der Konsolenansicht sollte es so aussehen. Sie sollten eine Einrichtung mit einem A-Eintrag und einem CNAME-Eintrag wie in sehen.
6. Als Nächstes prüfen wir die Verbindung mit diesen Änderungen auf anthro-vm.

10. Endpunktverbindung über IP-Adresse prüfen

Wir stellen eine Verbindung über den privaten Endpunkt her, um eine Verbindung zu Gemini herzustellen.

Hinweis:Auf der VM sind keine manuellen Konfigurationen erforderlich.

1. Stellen Sie in Google Cloud Shell eine SSH-Verbindung zur neuen VM mit dem Namen anthro-vm her.

gcloud compute ssh anthro-vm \
    --project=$projectid \
    --zone=us-east1-b \
    --tunnel-through-iap \
    -- -L 8080:localhost:8080

2. Sobald Sie eine SSH-Verbindung zu anthro-vm hergestellt haben,aktivieren Sie Ihre venv-Umgebung:

sudo -i -- bash -c 'cd py-anthro-env && source env/bin/activate && exec bash'

3. Führen wir nun einen dig aus, um zu prüfen, ob wir eine Verbindung zur Vertex Gemini API herstellen können.

dig *-aiplatform.googleapis.com

4. Die Ausgabe sollte in etwa so aussehen (die Adresse ist jedoch anders). Der Pfad verläuft über die IP-Adressen des PSC-Endpunkts.

; <<>> DiG 9.18.41-1~deb12u1-Debian <<>> *-aiplatform.googleapis.com
;; global options: +cmd
;; Got answer:
;; ->>HEADER<<- opcode: QUERY, status: NOERROR, id: 33703
;; flags: qr rd ra; QUERY: 1, ANSWER: 2, AUTHORITY: 0, ADDITIONAL: 1

;; OPT PSEUDOSECTION:
; EDNS: version: 0, flags:; udp: 512
;; QUESTION SECTION:
;*-aiplatform.googleapis.com.   IN      A

;; ANSWER SECTION:
*-aiplatform.googleapis.com. 300 IN     CNAME   googleapis.com.
googleapis.com.         300     IN      A       192.168.255.230

;; Query time: 8 msec
;; SERVER: 169.254.169.254#53(169.254.169.254) (UDP)
;; WHEN: Sat Nov 29 15:19:15 UTC 2025
;; MSG SIZE  rcvd: 86

5. Verwendung des ping-Befehls. Wir können einen kurzen Test durchführen. Hinweis: Diese IP-Adresse ist ein PSC-Endpunkt. Ihre Pings sind nicht erfolgreich.

ping -c 2 aiplatform.googleapis.com

6. Jetzt verwenden wir Python. Geben Sie ipython ein, um die ipython-Schnittstelle zu aktivieren.

ipython

7. Kopieren Sie nun den folgenden Befehl und fügen Sie ihn ein. Damit wird Claude Opus 4.5 gefragt: Gib mir eine Schritt-für-Schritt-Anleitung für ein Roti für Anfänger. Die Ausgabe wird dann an Gemini 3 Pro übergeben, das eine Zusammenfassung erstellt und ein Bild generiert, das auf der VM gespeichert wird.

import os
import sys
import google.auth
from pathlib import Path
from google import genai
from google.genai import types
from anthropic import AnthropicVertex

# 1. Setup & Auth
print("--- Authenticating ---")
creds, project_id = google.auth.default()
LOCATION = "global"

# 2. Initialize Clients
print(f"--- Initializing Clients for Project: {project_id} ---")
google_client = genai.Client(vertexai=True, location=LOCATION, project=project_id)
claude_client = AnthropicVertex(region=LOCATION, project_id=project_id)

# 3. Define the Question
question = "Give me a step by step recipe to make a roti for a beginner?"
print(f"\n--- Asking Claude: {question} ---")

# 4. Get Claude's Research
msg = claude_client.messages.create(
    model="claude-opus-4-5@20251101",
    max_tokens=2048,
    messages=[{"role": "user", "content": question}]
)
claude_text = msg.content[0].text
print(f"✓ Claude Answered ({len(claude_text)} chars)")

# 5. Send to Gemini 3 for Image & Summary
print("\n--- Sending to Gemini 3 (Image + Text) ---")
gemini_prompt = f"""
I am providing you with a technical explanation generated by Claude Opus 4.5.
1. READ the text below.
2. GENERATE a concise, bulleted executive summary.
3. CREATE a high-quality, futuristic illustration for a tech blog header (16:9).

--- INPUT TEXT ---
{claude_text}
"""

response = google_client.models.generate_content(
    model="gemini-3-pro-image-preview",
    contents=gemini_prompt,
    config=types.GenerateContentConfig(
        response_modalities=['TEXT', 'IMAGE'],
        temperature=0.7
    )
)

# 6. Save and Display Results
print("\n--- Results ---")
for part in response.parts:
    if part.text:
        print(f"\n[SUMMARY]:\n{part.text.strip()[:500]}...\n(Summary truncated for brevity)")
    elif image := part.as_image():
        filename = "cookingroti.png"
        image.save(filename)
        print(f"\n✓ IMAGE SAVED to: {os.path.abspath(filename)}")

8. Drücken Sie zweimal die Eingabetaste, um den Text zu generieren und das Ergebnis zu sehen.
9. Um das Bild zu sehen, müssen wir einen Webdienst in Python aktivieren. Führen Sie dazu Folgendes in der IPython-Sitzung aus:

!python3 -m http.server 8080

10. Wählen Sie in Cloud Shell die Option „Webvorschau“ und dann „Vorschau auf Port 8080“ aus.
11. Wählen Sie cookingroti.png aus, um das generierte Bild anzusehen. (Das folgende Beispiel wurde von KI generiert.)
12. Drücken Sie in Cloud Shell die Tastenkombination Strg + C, um die Sitzung zu beenden. Geben Sie dann „exit“ ein und drücken Sie die Eingabetaste (dreimal wiederholen), um zum Cloud Shell-Startbildschirm zurückzukehren.

11. Glückwunsch

Herzlichen Glückwunsch! Sie haben erfolgreich eine Verbindung zu Anthropic Claude Opus 4.5 und Gemini 3 Pro auf Vertex hergestellt. Dabei haben Sie sowohl die öffentliche API-Adresse als auch den Private Service Connect-Endpunkt für Google APIs verwendet. Mit dieser Funktion können Sie private API-Verbindungen auf Ihre lokale Umgebung oder andere Cloud-Umgebungen ausweiten, die über Interconnect, Cross-Cloud Interconnect und VPC verbunden sind.

Bereinigen

gcloud compute instances delete anthro-vm --zone=us-east1-b --quiet

gcloud compute routers nats delete anthro-out-nat-gw --router=anthro-out-nat --region=us-east1 --quiet

gcloud compute routers delete anthro-out-nat --region=us-east1 --quiet

gcloud compute firewall-rules delete anthropic-net-allow-icmp anthropic-net-allow-ssh anthropic-net-allow-web --quiet

gcloud compute forwarding-rules delete pscanthrovertex --global --quiet

gcloud dns record-sets delete googleapis.com. --zone googleapis-private --type A --quiet

gcloud dns record-sets delete *.googleapis.com --zone googleapis-private --type CNAME --quiet

gcloud dns managed-zones delete googleapis-private --quiet

gcloud compute addresses delete anthro-ip --global --quiet

gcloud compute networks subnets delete vm-subnet --region=us-east1 --quiet

gcloud compute networks delete anthropic-net --quiet

Weitere Informationen

Weitere Informationen zum Vertex AI-Netzwerk

Codelab: Über einen Private Service Connect-Endpunkt mit dem Python SDK auf den Gemini 3 Pro-Chat zugreifen

Codelab: KI-Agents mit ADK erstellen:Grundlagen

Nächstes Lab absolvieren

Fahren Sie mit Google Cloud fort und sehen Sie sich die folgenden Labs von Google Cloud Skills Boost an:

• Netzwerkgrundlagen in Google Cloud
• Generative KI kennenlernen – Vertex AI
• Agentic AI on Google Cloud