Private Service Connect uç noktası aracılığıyla Python SDK ile Vertex AI'da Anthropic Claude Opus 4.5 ve Gemini 3

1. Genel Bakış

Vertex AI API'ye internet üzerinden erişilebilir. Ancak kuruluşunuzda Vertex AI API'ye internet üzerinden gitmeden özel olarak erişmek isteyebilirsiniz. Bu laboratuvarda öncelikle genel internet üzerinden bir VM örneğinde çalışan Python SDK aracılığıyla Vertex'te Anthropic Claude Opus 4.5 ve Gemini 3 Pro'ya erişeceksiniz.

Ardından, Googleapis için bir Private Service Connect uç noktası oluşturacak ve trafik akışını, Vertex API'ye bağlanmak için özel uç noktayı kullanacak şekilde değiştireceksiniz.

Python kodu örneği, giriş sorularını alır, Claude Opus'a ileterek yanıt oluşturur. Bu çıkış, metin özeti oluşturmak ve resim üretmek için Gemini Pro 3'e iletilir.

Bu laboratuvarda aşağıdaki kalıbı oluşturacaksınız.

Şekil 1.

2. Hedefler

Bu laboratuvarda aşağıdaki görevi nasıl gerçekleştireceğinizi öğreneceksiniz:

• Python SDK'sını kullanmak için sanal makine örneğini ayarlama
• Vertex AI'da Anthropic model kartını etkinleştirme
• Python komut dosyası aracılığıyla Anthropic Claude Opus 4.5 ve Gemini 3 Pro'ya bağlanma
• Googleapis'e bağlanmak için PSC uç noktasını yapılandırma
• Manuel DNS girişlerini yapılandırma
• Googleais'e bağlantı yolunu doğrulama
• Modellere sorgu göndermek için Python komut dosyası yürütme

Laboratuvar kurulumu

Kendi hızınızda ortam kurulumu

1. Google Cloud Console'da oturum açın ve yeni bir proje oluşturun veya mevcut bir projeyi yeniden kullanın. Gmail veya Google Workspace hesabınız yoksa oluşturmanız gerekir.

• Proje adı, bu projenin katılımcıları için görünen addır. Google API'leri tarafından kullanılmayan bir karakter dizesidir. Dilediğiniz zaman güncelleyebilirsiniz.
• Proje kimliği, tüm Google Cloud projelerinde benzersizdir ve sabittir (ayarlandıktan sonra değiştirilemez). Cloud Console, benzersiz bir dizeyi otomatik olarak oluşturur. Genellikle bu dizenin ne olduğuyla ilgilenmezsiniz. Çoğu codelab'de proje kimliğinize (genellikle PROJECT_ID olarak tanımlanır) başvurmanız gerekir. Oluşturulan kimliği beğenmezseniz başka bir rastgele kimlik oluşturabilirsiniz. Alternatif olarak, kendi adınızı deneyip kullanılabilir olup olmadığını görebilirsiniz. Bu adım tamamlandıktan sonra değiştirilemez ve proje süresince geçerli kalır.
• Bazı API'lerin kullandığı üçüncü bir değer olan Proje Numarası da vardır. Bu üç değer hakkında daha fazla bilgiyi belgelerde bulabilirsiniz.

Dikkat: Proje kimliği genel olarak benzersizdir ve seçildikten sonra başka bir kullanıcı tarafından kullanılamaz. Bu kimliğin tek kullanıcısı sizsiniz. Proje silinse bile kimlik tekrar kullanılamaz.

Not: Gmail hesabı kullanıyorsanız varsayılan konumu Kuruluş yok olarak bırakabilirsiniz. Google Workspace hesabı kullanıyorsanız kuruluşunuz için uygun bir konum seçin.

2. Ardından, Cloud kaynaklarını/API'lerini kullanmak için Cloud Console'da faturalandırmayı etkinleştirmeniz gerekir. Bu codelab'i tamamlamak neredeyse hiç maliyetli değildir. Bu eğitimin ötesinde faturalandırılmayı önlemek için kaynakları kapatmak üzere oluşturduğunuz kaynakları veya projeyi silebilirsiniz. Yeni Google Cloud kullanıcıları 300 ABD doları değerinde ücretsiz deneme programından yararlanabilir.

Cloud Shell'i başlatma

Google Cloud, dizüstü bilgisayarınızdan uzaktan çalıştırılabilir ancak bu codelab'de Cloud'da çalışan bir komut satırı ortamı olan Google Cloud Shell'i kullanacaksınız.

Google Cloud Console'da sağ üstteki araç çubuğunda Cloud Shell simgesini tıklayın:

Ortamın sağlanması ve bağlantının kurulması yalnızca birkaç saniye sürer. İşlem tamamlandığında aşağıdakine benzer bir ekranla karşılaşırsınız:

Bu sanal makine, ihtiyaç duyacağınız tüm geliştirme araçlarını içerir. 5 GB boyutunda kalıcı bir ana dizin sunar ve Google Cloud üzerinde çalışır. Bu sayede ağ performansı ve kimlik doğrulama önemli ölçüde iyileştirilir. Bu codelab'deki tüm çalışmalarınızı tarayıcıda yapabilirsiniz. Herhangi bir şey yüklemeniz gerekmez.

3. Ortamı ayarlama

Etkinleştirdiğiniz bazı kaynakların maliyet oluşturacağını lütfen unutmayın. Çalıştırmadan önce bu durumun farkında olduğunuzdan emin olun. Maliyeti düşürmek için laboratuvar tamamlandıktan sonra kaynakların yok edildiğinden emin olun. Faturanızı kontrol etmenizi ve bu uygulamanın sizin için uygun olduğundan emin olmanızı öneririz.

Güvenlik duvarı kuralları içeren özel bir VPC oluşturacağız. VPC ve projeniz varsa bu bölümü atlayabilirsiniz.

Konsolunuzun sağ üst kısmında bulunan Cloud Shell'i açın. Aşağıdaki gibi yapılandırın:

1. Bu laboratuvarda kullanacağımız API'lerden bazılarını etkinleştirin.

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

2. Bazı değişkenleri ayarlayın. Bu değişkenler, özel VPC'nin proje kimliği ve ağ kimliğidir (VPC'yi 4. adımda oluşturacaksınız).

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

3. Şimdi anthropic-net adlı özel bir VPC oluşturun.

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

4. Yeni VPC'de vm1-subnet'i oluşturun.

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. VPC'nize ICMP, SSH ve HTTP güvenlik duvarı kuralları ekleme

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. Vertex Model Garden'da Anthropic'i etkinleştirme

İnternete giden harici erişim izni vermemiz gerekiyor. Bu nedenle, bir Cloud NAT ağ geçidi oluşturup ekleyelim.

1. Vertex AI kontrol paneline gidin ve Model Garden'ı seçin.
2. Anthropic'i arayın ve Claude Opus 4.5'i seçin.

3. Etkinleştir'i seçin. Bazı bilgileri doldurmanız gerekir. Formu doldurun ve Sonraki'yi seçin. Claude 4.5 Opus'u etkinleştirmek için son sayfada Kabul et'i seçin.

5. 

Not: İşlem, tüm modellerde aynı olmalıdır.

5. NAT ağ geçidi ve sanal makineler oluşturma

İnternete giden harici erişim izni vermemiz gerekiyor. Bu nedenle, bir Cloud NAT ağ geçidi oluşturup ekleyelim.

Cloud Shell'de aşağıdaki komutları kullanın

1. Cloud NAT'yi oluşturun.

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

2. Bulut NAT ağ geçidini oluşturun.

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

Şimdi Python SDK aracılığıyla Vertex AI'da Anthropic'e erişmek için bir sanal makine oluşturalım.

Aşağıdaki paketlerin yüklü olduğu bir sanal makine oluşturarak test yapacağız.

1. Aynı Cloud Shell oturumunda aşağıdaki komutu kullanarak anthro-vm'yi oluşturun.

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]'"

Herkese açık IP adresi olmadan oluşturulan bir sanal makine görmelisiniz. Şimdi de sanal makinenin

6. Sanal makineyi yapılandırma ve test etme

1. Google Cloud Shell'de anthro-vm adlı yeni sanal makineye SSH üzerinden bağlanın.

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

2. anthro-vm'ye SSH üzerinden bağlandıktan sonra venv ortamınızı etkinleştirin:

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

3. Şimdi de daha sonra test yapmak için bunu doğrulayalım. Sanal makinede aşağıdaki komutu çalıştırın ve istendiğinde y tuşuna basın.

gcloud auth application-default login

4. Ardından, https:// ile başlayan URL'yi kopyalayın, laboratuvar tarayıcı pencerenizde yeni bir sekme açın ve URL'yi yapıştırın. İstemleri kabul edin.
5. Aşağıdaki metni gördüğünüzde kopyalayın, anthro-vm oturumuna geri dönün ve Yetkilendirme kodunu girin: bölümüne kopyaladığınız kodu yapıştırıp kimlik doğrulamak için Enter tuşuna basın.

6. Şimdi Vertex Gemini API'ye bağlanıp bağlanamayacağımızı görmek için hızlı bir test yapalım.

dig *-aiplatform.googleapis.com

7. Buna benzer bir şey görmeniz gerekir (adresler farklı olacaktır). API herkese açık bir API olduğundan yolun herkese açık IP adresleri üzerinden olduğunu unutmayın.

; <<>> 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. Şimdi Python'ı kullanalım. ipython arayüzünü etkinleştirmek için ipython yazın.

ipython

9. Şimdi aşağıdakileri kopyalayıp yapıştırın. Bu istemde Claude Opus 4.5'e "What are the key steps to building Agentic AI?" (Etkileşimli yapay zeka oluşturmanın temel adımları nelerdir?) sorusu soruluyor. Ardından çıkışı alıp Gemini 3 Pro'ya iletir. Bu model, bir özet oluşturur ve sanal makineye kaydedilen bir görüntü üretir.

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. Metin sonucunu çalıştırmak ve görmek için Enter tuşuna iki kez basın.
11. Resmi görüntülemek için Python'da bir web hizmetini etkinleştirmemiz gerekir. ipython oturumunda aşağıdakileri çalıştırın

!python3 -m http.server 8080

12. Şimdi Cloud Shell'deki web önizleme seçeneğine gidin ve 8080 bağlantı noktasında önizle'yi seçin .
13. Açık web oturumunda, oluşturulan resmi görüntülemek için gemini_agentic_ai.png dosyasını seçin. (Aşağıdaki örnek resim yapay zekayla üretilmiştir.)
    
14. Oturumdan çıkmak için Cloud Shell'de Ctrl+C tuşlarına basın, ardından exit yazıp Enter tuşuna basın (üç kez tekrarlayın) ve Cloud Shell ana sayfasına geri dönün.
15. Devam edelim.

Not: İstem sorusunu başka bir şeyle değiştirebilirsiniz.

7. googleapis için PSC uç noktası oluşturma

Vertex API uç noktamıza özel bağlantıyı etkinleştirmek için googleapis için bir Private Service Connect uç noktası oluşturacağız. Bu sayede, trafiği ihtiyacımız olan googleapis'e (bu örnekte Vertex Gemini) yönlendirmek için atadığımız özel bir IP adresini kullanabiliriz.

1. Henüz açık değilse Cloud Shell'i açın. PSC uç noktası için bir IP oluşturun. Bu örnekte 192.168.255.230 adresini kullanacağız.

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

2. Oluşturulan IP'yi doğrulama

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

3. Ardından PSC uç noktasını oluşturun.

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

4. Bu işlem, bir uç nokta ve hizmet dizini girişi oluşturur. Uç noktanın varlığını doğrulama

gcloud compute forwarding-rules describe pscanthrovertex --global

8. Otomatik hizmet dizini bölgesi aracılığıyla uç nokta bağlantısını doğrulama

Gemini'a bağlanmak için özel uç noktayı kullanarak bağlanalım.

1. anthro-vm1 sanal makine örneğine gidin. SSH'yi seçin ve sanal makineye SSH üzerinden bağlanın.
2. dig komutunu kullanarak aiplatform-pscanthrovertex.p.googleapis.com adresine giden bağlantı yolunu kontrol edin. PSC uç noktasının IP'sini görmeniz gerekir. 192.168.255.230

dig aiplatform-pscanthrovertex.p.googleapis.com

3. Tüm SSH oturumlarından çıkın.

9. googleapis için manuel DNS girişi oluşturma

Özel DNS kullanarak PSC uç noktasına yönlendiren manuel bir DNS girişi oluşturabilirsiniz. Bu durum, atadığınız tüm ağları etkiler.

Cloud Shell'de aşağıdaki komutları çalıştırın.

1. googleapis.com için bir özel DNS bölgesi oluşturun ve bunu anthropic-net ağına ekleyin.

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

2. Kök alanı Private Service Connect uç noktası IP'sine (192.168.255.230) eşleyen bir A kaydı oluşturun.

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

3. Tüm alt alan adlarını (ör.aiplatform.googleapis.com) kök A kaydına yönlendirmek için joker karakterli bir CNAME kaydı oluşturun.

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

4. A kaydının ve CNAME'in doğru şekilde oluşturulduğunu onaylamak için bölgedeki kayıt kümelerini listeleyin.

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

5. Konsol görünümünde şöyle görünmelidir. Şuna benzer bir A kaydı ve CNAME içeren bir kurulum görmelisiniz.
6. Ardından, anthro-vm'de bu değişikliklerle bağlantıyı doğruluyoruz.

10. IP adresi üzerinden uç nokta bağlantısını doğrulama

Gemini'a bağlanmak için özel uç noktayı kullanarak bağlanalım.

Not: VM'de manuel yapılandırma yapılması gerekmez.

1. Google Cloud Shell'de anthro-vm adlı yeni sanal makineye SSH üzerinden bağlanın.

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

2. anthro-vm'ye SSH üzerinden bağlandıktan sonra venv ortamınızı etkinleştirin:

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

3. Şimdi Vertex Gemini API'ye bağlanıp bağlanamayacağımızı görmek için dig komutunu çalıştıralım.

dig *-aiplatform.googleapis.com

4. Buna benzer bir şey görmelisiniz (adres farklı olacaktır). Yolun PSC uç noktası IP adresleri üzerinden olduğunu unutmayın.

; <<>> 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. ping komutunu kullanma Kısa bir test yapabiliriz. Not: Bu IP, bir PSC uç noktasıdır ve ping işlemleriniz başarısız olur.

ping -c 2 aiplatform.googleapis.com

6. Şimdi Python'ı kullanalım. ipython arayüzünü etkinleştirmek için ipython yazın.

ipython

7. Şimdi aşağıdakileri kopyalayıp yapıştırın. Bu istemde Claude Opus 4.5'e "Yeni başlayanlar için roti yapma tarifini adım adım anlatır mısın?" sorusu soruluyor. ardından çıkışı alıp Gemini 3 Pro'ya iletir. Gemini 3 Pro, bir özet oluşturur ve sanal makineye kaydedilen bir resim üretir.

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. Metin sonucunu çalıştırmak ve görmek için Enter tuşuna iki kez basın.
9. Resmi görüntülemek için Python'da bir web hizmeti etkinleştirmemiz gerekir. Bu nedenle, ipython oturumunda aşağıdakileri çalıştırın.

!python3 -m http.server 8080

10. Şimdi Cloud Shell'deki web önizleme seçeneğine gidin ve 8080 bağlantı noktasında önizle'yi seçin.
11. Oluşturulan resmi görüntülemek için cookingroti.png dosyasını seçin. (Aşağıdaki örnek yapay zeka tarafından üretilmiştir.)
12. Oturumdan çıkmak için Cloud Shell'de Ctrl+C tuşlarına basın, ardından exit yazıp Enter tuşuna basın (üç kez tekrarlayın) ve Cloud Shell ana sayfasına geri dönün.

11. Tebrikler

Tebrikler! Hem genel API adresini hem de Googleapis için Private Service Connect uç noktasını kullanarak Vertex'te Anthropic Claude Opus 4.5 ve Gemini 3 Pro'ya başarıyla bağlandınız. Bu işlev, özel API bağlantısını (Interconnect, Cross-Cloud Interconnect ve VPC) aracılığıyla bağlanan şirket içi/diğer bulut ortamınıza genişletebilir.

Temizleme

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

Sonraki adımlar / Daha fazla bilgi

Vertex AI ağ iletişimi hakkında daha fazla bilgi edinebilirsiniz.

Codelab: Private Service Connect uç noktası üzerinden Python SDK'sını kullanarak Gemini 3 Pro sohbetine erişme

Codelab: ADK ile Yapay Zeka Aracı Oluşturma:Temel Bilgiler

Sonraki laboratuvarınıza katılın

Google Cloud ile görevinize devam edin ve aşağıdaki Google Cloud Öğrenim Merkezi laboratuvarlarına göz atın:

• Google Cloud'da Ağ İletişimiyle İlgili Temel Bilgiler
• Generative AI Explorer - Vertex AI
• Google Cloud'da Agentic AI