ক্লাউড রানে একটি মিথুন-চালিত চ্যাট অ্যাপ কীভাবে স্থাপন করবেন

1. ভূমিকা

ওভারভিউ

এই কোডল্যাবে, আপনি দেখতে পাবেন কিভাবে আপনি Vertex AI Gemini API এবং Vertex AI ক্লায়েন্ট লাইব্রেরি ব্যবহার করে নোডে লেখা একটি মৌলিক চ্যাট বট তৈরি করতে পারেন। এই অ্যাপটি Google ক্লাউড ফায়ারস্টোর দ্বারা সমর্থিত একটি এক্সপ্রেস সেশন স্টোর ব্যবহার করে।

আপনি কি শিখবেন

  • একটি ক্লাউড রান পরিষেবা তৈরি করতে htmx, tailwindcss এবং express.js কীভাবে ব্যবহার করবেন
  • Google API তে প্রমাণীকরণ করতে Vertex AI ক্লায়েন্ট লাইব্রেরিগুলি কীভাবে ব্যবহার করবেন
  • মিথুন মডেলের সাথে যোগাযোগ করার জন্য কীভাবে একটি চ্যাটবট তৈরি করবেন
  • ডকার ফাইল ছাড়াই ক্লাউড রান পরিষেবাতে কীভাবে স্থাপন করবেন
  • গুগল ক্লাউড ফায়ারস্টোর দ্বারা সমর্থিত একটি এক্সপ্রেস সেশন স্টোর কীভাবে ব্যবহার করবেন

2. সেটআপ এবং প্রয়োজনীয়তা

পূর্বশর্ত

ক্লাউড শেল সক্রিয় করুন

  1. ক্লাউড কনসোল থেকে, ক্লাউড শেল সক্রিয় করুন ক্লিক করুন d1264ca30785e435.png .

cb81e7c8e34bc8d.png

যদি এটি আপনার প্রথমবার ক্লাউড শেল শুরু হয়, তাহলে এটি কী তা বর্ণনা করে আপনাকে একটি মধ্যবর্তী স্ক্রীন উপস্থাপন করা হবে। যদি আপনি একটি মধ্যবর্তী স্ক্রীনের সাথে উপস্থাপিত হন, তবে চালিয়ে যান ক্লিক করুন।

d95252b003979716.png

ক্লাউড শেলের সাথে সংযোগ করতে এবং সংযোগ করতে এটির মাত্র কয়েক মুহূর্ত লাগবে৷

7833d5e1c5d18f54.png

এই ভার্চুয়াল মেশিনটি প্রয়োজনীয় সমস্ত বিকাশের সরঞ্জাম দিয়ে লোড করা হয়েছে। এটি একটি ক্রমাগত 5 GB হোম ডিরেক্টরি অফার করে এবং Google ক্লাউডে চলে, যা নেটওয়ার্ক কর্মক্ষমতা এবং প্রমাণীকরণকে ব্যাপকভাবে উন্নত করে। এই কোডল্যাবে আপনার অনেক কাজ, যদি সব না হয়, ব্রাউজার দিয়ে করা যেতে পারে।

একবার ক্লাউড শেলের সাথে সংযুক্ত হয়ে গেলে, আপনি দেখতে পাবেন যে আপনি প্রমাণীকৃত হয়েছেন এবং প্রকল্পটি আপনার প্রকল্প আইডিতে সেট করা আছে।

  1. আপনি প্রমাণীকৃত কিনা তা নিশ্চিত করতে ক্লাউড শেলে নিম্নলিখিত কমান্ডটি চালান: 
gcloud auth list

কমান্ড আউটপুট

 Credentialed Accounts
ACTIVE  ACCOUNT
*       <my_account>@<my_domain.com>

To set the active account, run:
    $ gcloud config set account `ACCOUNT`
  1. gcloud কমান্ড আপনার প্রকল্প সম্পর্কে জানে তা নিশ্চিত করতে ক্লাউড শেলে নিম্নলিখিত কমান্ডটি চালান: 
gcloud config list project

কমান্ড আউটপুট

[core]
project = <PROJECT_ID>

যদি এটি না হয়, আপনি এই কমান্ড দিয়ে এটি সেট করতে পারেন:

gcloud config set project <PROJECT_ID>

কমান্ড আউটপুট

Updated property [core/project].

3. এপিআই সক্ষম করুন এবং এনভায়রনমেন্ট ভেরিয়েবল সেট করুন

এপিআই সক্ষম করুন

আপনি এই কোডল্যাব ব্যবহার শুরু করার আগে, আপনাকে সক্রিয় করতে হবে এমন বেশ কয়েকটি API আছে। এই কোডল্যাবের জন্য নিম্নলিখিত API ব্যবহার করা প্রয়োজন। আপনি নিম্নলিখিত কমান্ডটি চালিয়ে সেই APIগুলি সক্ষম করতে পারেন:

gcloud services enable run.googleapis.com \
    cloudbuild.googleapis.com \
    aiplatform.googleapis.com \
    secretmanager.googleapis.com

পরিবেশ ভেরিয়েবল সেটআপ করুন

আপনি পরিবেশের ভেরিয়েবল সেট করতে পারেন যা এই কোডল্যাব জুড়ে ব্যবহার করা হবে।

PROJECT_ID=<YOUR_PROJECT_ID>
REGION=<YOUR_REGION, e.g. us-central1>
SERVICE=chat-with-gemini
SERVICE_ACCOUNT="vertex-ai-caller"
SERVICE_ACCOUNT_ADDRESS=$SERVICE_ACCOUNT@$PROJECT_ID.iam.gserviceaccount.com
SECRET_ID="SESSION_SECRET"

4. একটি ফায়ারবেস প্রকল্প তৈরি এবং কনফিগার করুন৷

  1. Firebase কনসোলে , প্রজেক্ট যোগ করুন ক্লিক করুন।
  2. আপনার বিদ্যমান Google ক্লাউড প্রকল্পগুলির একটিতে Firebase যোগ করতে <YOUR_PROJECT_ID> লিখুন
  3. অনুরোধ করা হলে, Firebase শর্তাবলী পর্যালোচনা করুন এবং স্বীকার করুন।
  4. অবিরত ক্লিক করুন.
  5. Firebase বিলিং পরিকল্পনা নিশ্চিত করতে পরিকল্পনা নিশ্চিত করুন ক্লিক করুন।
  6. এই কোডল্যাবের জন্য Google Analytics সক্ষম করা ঐচ্ছিক।
  7. Firebase যোগ করুন ক্লিক করুন।
  8. প্রজেক্ট তৈরি হয়ে গেলে Continue এ ক্লিক করুন।
  9. বিল্ড মেনু থেকে, ফায়ারস্টোর ডাটাবেসে ক্লিক করুন।
  10. ডাটাবেস তৈরি করুন ক্লিক করুন।
  11. অবস্থান ড্রপ-ডাউন থেকে আপনার অঞ্চল চয়ন করুন, তারপর পরবর্তী ক্লিক করুন।
  12. প্রোডাকশন মোডে ডিফল্ট স্টার্ট ব্যবহার করুন, তারপর তৈরি করুন ক্লিক করুন।

5. একটি পরিষেবা অ্যাকাউন্ট তৈরি করুন

Vertex AI Gemini API কল করার জন্য এই পরিষেবা অ্যাকাউন্টটি Cloud Run ব্যবহার করবে। এই পরিষেবা অ্যাকাউন্টে ফায়ারস্টোরে পড়তে এবং লিখতে এবং সিক্রেট ম্যানেজারের গোপনীয়তা পড়ার অনুমতিও থাকবে।

প্রথমে, এই কমান্ডটি চালিয়ে পরিষেবা অ্যাকাউন্ট তৈরি করুন:

gcloud iam service-accounts create $SERVICE_ACCOUNT \
  --display-name="Cloud Run to access Vertex AI APIs"

দ্বিতীয়ত, পরিষেবা অ্যাকাউন্টে Vertex AI ব্যবহারকারীর ভূমিকা মঞ্জুর করুন৷ 

gcloud projects add-iam-policy-binding $PROJECT_ID \
  --member serviceAccount:$SERVICE_ACCOUNT_ADDRESS \
  --role=roles/aiplatform.user

এখন, সিক্রেট ম্যানেজারে একটি গোপনীয়তা তৈরি করুন। ক্লাউড রান পরিষেবা একটি পরিবেশের ভেরিয়েবল হিসাবে এই গোপনীয়তা অ্যাক্সেস করবে, যা উদাহরণ স্টার্টআপের সময় সমাধান করা হয়। আপনি গোপনীয়তা এবং ক্লাউড রান সম্পর্কে আরও জানতে পারেন। 

gcloud secrets create $SECRET_ID --replication-policy="automatic"
printf "keyboard-cat" | gcloud secrets versions add $SECRET_ID --data-file=-

এবং সিক্রেট ম্যানেজারের এক্সপ্রেস সেশন সিক্রেটে পরিষেবা অ্যাকাউন্টের অ্যাক্সেস মঞ্জুর করুন। 

gcloud secrets add-iam-policy-binding $SECRET_ID \
    --member serviceAccount:$SERVICE_ACCOUNT_ADDRESS \
    --role='roles/secretmanager.secretAccessor'

পরিশেষে, সার্ভিস অ্যাকাউন্টটিকে Firestore-এ রিড এবং রাইট অ্যাক্সেস প্রদান করুন। 

gcloud projects add-iam-policy-binding $PROJECT_ID \
  --member serviceAccount:$SERVICE_ACCOUNT_ADDRESS \
  --role=roles/datastore.user

6. ক্লাউড রান পরিষেবা তৈরি করুন৷

প্রথমে, সেই ডিরেক্টরিতে সোর্স কোড এবং সিডির জন্য একটি ডিরেক্টরি তৈরি করুন। 

mkdir chat-with-gemini && cd chat-with-gemini

তারপর, নিম্নলিখিত বিষয়বস্তু সহ একটি package.json ফাইল তৈরি করুন: 

{
  "name": "chat-with-gemini",
  "version": "1.0.0",
  "description": "",
  "main": "app.js",
  "scripts": {
    "start": "node app.js",
    "nodemon": "nodemon app.js",
    "cssdev": "npx tailwindcss -i ./input.css -o ./public/output.css --watch",
    "tailwind": "npx tailwindcss -i ./input.css -o ./public/output.css",
    "dev": "npm run tailwind && npm run nodemon"
  },
  "keywords": [],
  "author": "",
  "license": "ISC",
  "dependencies": {
    "@google-cloud/connect-firestore": "^3.0.0",
    "@google-cloud/firestore": "^7.5.0",
    "@google-cloud/vertexai": "^0.4.0",
    "axios": "^1.6.8",
    "express": "^4.18.2",
    "express-session": "^1.18.0",
    "express-ws": "^5.0.2",
    "htmx.org": "^1.9.10"
  },
  "devDependencies": {
    "nodemon": "^3.1.0",
    "tailwindcss": "^3.4.1"
  }
}

এরপরে, নিচের বিষয়বস্তু সহ একটি app.js সোর্স ফাইল তৈরি করুন। এই ফাইলটিতে পরিষেবাটির প্রবেশ বিন্দু রয়েছে এবং অ্যাপটির প্রধান যুক্তি রয়েছে৷ 

const express = require("express");
const app = express();
app.use(express.urlencoded({ extended: true }));
app.use(express.json());
const path = require("path");

const fs = require("fs");
const util = require("util");
const { spinnerSvg } = require("./spinnerSvg.js");

// cloud run retrieves secret at instance startup time
const secret = process.env.SESSION_SECRET;

const { Firestore } = require("@google-cloud/firestore");
const { FirestoreStore } = require("@google-cloud/connect-firestore");
var session = require("express-session");
app.set("trust proxy", 1); // trust first proxy
app.use(
    session({
        store: new FirestoreStore({
            dataset: new Firestore(),
            kind: "express-sessions"
        }),
        secret: secret,
        /* set secure to false for local dev session history testing */
        /* see more at https://expressjs.com/en/resources/middleware/session.html */
        cookie: { secure: true },
        resave: false,
        saveUninitialized: true
    })
);

const expressWs = require("express-ws")(app);

app.use(express.static("public"));

// Vertex AI Section
const { VertexAI } = require("@google-cloud/vertexai");

// instance of Vertex model
let generativeModel;

// on startup
const port = parseInt(process.env.PORT) || 8080;
app.listen(port, async () => {
    console.log(`demo1: listening on port ${port}`);

    // get project and location from metadata service
    const metadataService = require("./metadataService.js");

    const project = await metadataService.getProjectId();
    const location = await metadataService.getRegion();

    // Vertex client library instance
    const vertex_ai = new VertexAI({
        project: project,
        location: location
    });

    // Instantiate models
    generativeModel = vertex_ai.getGenerativeModel({
        model: "gemini-1.0-pro-001"
    });
});

app.ws("/sendMessage", async function (ws, req) {
    if (!req.session.chathistory || req.session.chathistory.length == 0) {
        req.session.chathistory = [];
    }

    let chatWithModel = generativeModel.startChat({
        history: req.session.chathistory
    });

    ws.on("message", async function (message) {

        console.log("req.sessionID: ", req.sessionID);
        // get session id

        let questionToAsk = JSON.parse(message).message;
        console.log("WebSocket message: " + questionToAsk);

        ws.send(`<div hx-swap-oob="beforeend:#toupdate"><div
                        id="questionToAsk"
                        class="text-black m-2 text-right border p-2 rounded-lg ml-24">
                        ${questionToAsk}
                    </div></div>`);

        // to simulate a natural pause in conversation
        await sleep(500);

        // get timestamp for div to replace
        const now = "fromGemini" + Date.now();

        ws.send(`<div hx-swap-oob="beforeend:#toupdate"><div
                        id=${now}
                        class=" text-blue-400 m-2 text-left border p-2 rounded-lg mr-24">
                        ${spinnerSvg} 
                    </div></div>`);

        const results = await chatWithModel.sendMessage(questionToAsk);
        const answer =
            results.response.candidates[0].content.parts[0].text;

        ws.send(`<div
                        id=${now}
                        hx-swap-oob="true"
                        hx-swap="outerHTML"
                        class="text-blue-400 m-2 text-left border p-2 rounded-lg mr-24">
                        ${answer}
                    </div>`);

                    // save to current chat history
        let userHistory = {
            role: "user",
            parts: [{ text: questionToAsk }]
        };
        let modelHistory = {
            role: "model",
            parts: [{ text: answer }]
        };

        req.session.chathistory.push(userHistory);
        req.session.chathistory.push(modelHistory);

        // console.log(
        //     "newly saved chat history: ",
        //     util.inspect(req.session.chathistory, {
        //         showHidden: false,
        //         depth: null,
        //         colors: true
        //     })
        // );
        req.session.save();
    });

    ws.on("close", () => {
        console.log("WebSocket was closed");
    });
});

function sleep(ms) {
    return new Promise((resolve) => {
        setTimeout(resolve, ms);
    });
}

// gracefully close the web sockets
process.on("SIGTERM", () => {
    server.close();
});

tailwindCSS এর জন্য tailwind.config.js ফাইল তৈরি করুন। 

/** @type {import('tailwindcss').Config} */
module.exports = {
    content: ["./**/*.{html,js}"],
    theme: {
        extend: {}
    },
    plugins: []
};

স্থাপন করা ক্লাউড রান পরিষেবার জন্য প্রকল্প আইডি এবং অঞ্চল পাওয়ার জন্য metadataService.js ফাইল তৈরি করুন৷ এই মানগুলি ভার্টেক্স এআই ক্লায়েন্ট লাইব্রেরির একটি উদাহরণ তৈরি করতে ব্যবহার করা হবে।

const your_project_id = "YOUR_PROJECT_ID";
const your_region = "YOUR_REGION";

const axios = require("axios");

module.exports = {
    getProjectId: async () => {
        let project = "";
        try {
            // Fetch the token to make a GCF to GCF call
            const response = await axios.get(
                "http://metadata.google.internal/computeMetadata/v1/project/project-id",
                {
                    headers: {
                        "Metadata-Flavor": "Google"
                    }
                }
            );

            if (response.data == "") {
                // running locally on Cloud Shell
                project = your_project_id;
            } else {
                // running on Clodu Run. Use project id from metadata service
                project = response.data;
            }
        } catch (ex) {
            // running locally on local terminal
            project = your_project_id;
        }

        return project;
    },

    getRegion: async () => {
        let region = "";
        try {
            // Fetch the token to make a GCF to GCF call
            const response = await axios.get(
                "http://metadata.google.internal/computeMetadata/v1/instance/region",
                {
                    headers: {
                        "Metadata-Flavor": "Google"
                    }
                }
            );

            if (response.data == "") {
                // running locally on Cloud Shell
                region = your_region;
            } else {
                // running on Clodu Run. Use region from metadata service
                let regionFull = response.data;
                const index = regionFull.lastIndexOf("/");
                region = regionFull.substring(index + 1);
            }
        } catch (ex) {
            // running locally on local terminal
            region = your_region;
        }
        return region;
    }
};

spinnerSvg.js নামে একটি ফাইল তৈরি করুন 

module.exports.spinnerSvg = `<svg class="animate-spin -ml-1 mr-3 h-5 w-5 text-blue-500"
                    xmlns="http://www.w3.org/2000/svg"
                    fill="none"
                    viewBox="0 0 24 24"
                >
                    <circle
                        class="opacity-25"
                        cx="12"
                        cy="12"
                        r="10"
                        stroke="currentColor"
                        stroke-width="4"
                    ></circle>
                    <path
                        class="opacity-75"
                        fill="currentColor"
                        d="M4 12a8 8 0 018-8V0C5.373 0 0 5.373 0 12h4zm2 5.291A7.962 7.962 0 014 12H0c0 3.042 1.135 5.824 3 7.938l3-2.647z"
                    ></path></svg>`;

অবশেষে, tailwindCSS এর জন্য একটি input.css ফাইল তৈরি করুন। 

@tailwind base;
@tailwind components;
@tailwind utilities;

এখন, একটি নতুন public ডিরেক্টরি তৈরি করুন। 

mkdir public
cd public

এবং সেই পাবলিক ডিরেক্টরির মধ্যে, সামনের প্রান্তের জন্য index.html ফাইলটি তৈরি করুন, যা htmx ব্যবহার করবে। 

<!DOCTYPE html>
<html lang="en">
    <head>
        <meta charset="UTF-8" />
        <meta
            name="viewport"
            content="width=device-width, initial-scale=1.0"
        />
        <script
            src="https://unpkg.com/htmx.org@1.9.10"
            integrity="sha384-D1Kt99CQMDuVetoL1lrYwg5t+9QdHe7NLX/SoJYkXDFfX37iInKRy5xLSi8nO7UC"
            crossorigin="anonymous"
        ></script>

        <link href="./output.css" rel="stylesheet" />
        <script src="https://unpkg.com/htmx.org/dist/ext/ws.js"></script>

        <title>Demo 1</title>
    </head>
    <body>
        <div id="herewego" text-center>
            <!-- <div id="replaceme2" hx-swap-oob="true">Hello world</div> -->
            <div
                class="container mx-auto mt-8 text-center max-w-screen-lg"
            >
                <div
                    class="overflow-y-scroll bg-white p-2 border h-[500px] space-y-4 rounded-lg m-auto"
                >
                    <div id="toupdate"></div>
                </div>
                <form
                    hx-trigger="submit, keyup[keyCode==13] from:body"
                    hx-ext="ws"
                    ws-connect="/sendMessage"
                    ws-send=""
                    hx-on="htmx:wsAfterSend: document.getElementById('message').value = ''"
                >
                    <div class="mb-6 mt-6 flex gap-4">
                        <textarea
                            rows="2"
                            type="text"
                            id="message"
                            name="message"
                            class="block grow rounded-lg border p-6 resize-none"
                            required
                        >
Is C# a programming language or a musical note?</textarea
                        >
                        <button
                            type="submit"
                            class="bg-blue-500 text-white px-4 py-2 rounded-lg text-center text-sm font-medium"
                        >
                            Send
                        </button>
                    </div>
                </form>
            </div>
        </div>
    </body>
</html>

7. স্থানীয়ভাবে পরিষেবা চালান

প্রথমে, নিশ্চিত করুন যে আপনি আপনার কোডল্যাবের জন্য রুট ডিরেক্টরি chat-with-gemini আছেন। 

cd .. && pwd

এরপরে, নিম্নলিখিত কমান্ডটি চালিয়ে নির্ভরতা ইনস্টল করুন: 

npm install

স্থানীয়ভাবে চালানোর সময় ADC ব্যবহার করা

আপনি যদি ক্লাউড শেল চালাচ্ছেন, আপনি ইতিমধ্যেই একটি Google Compute Engine ভার্চুয়াল মেশিনে চলছেন৷ এই ভার্চুয়াল মেশিনের সাথে যুক্ত আপনার শংসাপত্রগুলি (যেমন gcloud auth list চালানোর দ্বারা দেখানো হয়েছে) স্বয়ংক্রিয়ভাবে অ্যাপ্লিকেশন ডিফল্ট শংসাপত্র দ্বারা ব্যবহার করা হবে, তাই gcloud auth application-default login কমান্ড ব্যবহার করার প্রয়োজন নেই। আপনি একটি স্থানীয় সেশন সিক্রেট তৈরি করুন বিভাগে এড়িয়ে যেতে পারেন

যাইহোক, যদি আপনি আপনার স্থানীয় টার্মিনালে (অর্থাৎ ক্লাউড শেলে নয়) চালাচ্ছেন, তাহলে আপনাকে Google API-এ প্রমাণীকরণের জন্য অ্যাপ্লিকেশন ডিফল্ট শংসাপত্র ব্যবহার করতে হবে। আপনি হয় 1) আপনার শংসাপত্র ব্যবহার করে লগইন করতে পারেন (যদি আপনার Vertex AI ব্যবহারকারী এবং ডেটাস্টোর ব্যবহারকারীর ভূমিকা থাকে) অথবা 2) আপনি এই কোডল্যাবে ব্যবহৃত পরিষেবা অ্যাকাউন্টের ছদ্মবেশী করে লগইন করতে পারেন।

বিকল্প 1) ADC-এর জন্য আপনার শংসাপত্র ব্যবহার করা

আপনি যদি আপনার শংসাপত্রগুলি ব্যবহার করতে চান, তাহলে আপনি কীভাবে gcloud-এ প্রমাণীকরণ করেছেন তা যাচাই করতে আপনি প্রথমে gcloud auth list চালাতে পারেন। এর পরে, আপনাকে আপনার পরিচয় প্রদান করতে হতে পারে Vertex AI ব্যবহারকারীর ভূমিকা। আপনার পরিচয়ের মালিকের ভূমিকা থাকলে, আপনার কাছে ইতিমধ্যেই এই Vertex AI ব্যবহারকারীর ভূমিকা রয়েছে৷ যদি না হয়, আপনি আপনার পরিচয় Vertex AI ব্যবহারকারীর ভূমিকা এবং Datastore ব্যবহারকারীর ভূমিকা প্রদান করতে এই কমান্ডটি চালাতে পারেন। 

USER=<YOUR_PRINCIPAL_EMAIL>

gcloud projects add-iam-policy-binding $PROJECT_ID \
  --member user:$USER \
  --role=roles/aiplatform.user

gcloud projects add-iam-policy-binding $PROJECT_ID \
  --member user:$USER \
  --role=roles/datastore.user

তারপর নিম্নলিখিত কমান্ডটি চালান 

gcloud auth application-default login

বিকল্প 2) ADC-এর জন্য একটি পরিষেবা অ্যাকাউন্ট ছদ্মবেশী করা

আপনি যদি এই কোডল্যাবে তৈরি পরিষেবা অ্যাকাউন্ট ব্যবহার করতে চান তবে আপনার ব্যবহারকারীর অ্যাকাউন্টে পরিষেবা অ্যাকাউন্ট টোকেন নির্মাতার ভূমিকা থাকতে হবে। আপনি নিম্নলিখিত কমান্ড চালানোর মাধ্যমে এই ভূমিকা পেতে পারেন: 

gcloud projects add-iam-policy-binding $PROJECT_ID \
  --member user:$USER \
  --role=roles/iam.serviceAccountTokenCreator

এর পরে, আপনি পরিষেবা অ্যাকাউন্টের সাথে ADC ব্যবহার করতে নিম্নলিখিত কমান্ডটি চালাবেন 

gcloud auth application-default login --impersonate-service-account=$SERVICE_ACCOUNT_ADDRESS

একটি স্থানীয় সেশন সিক্রেট তৈরি করুন

এখন, স্থানীয় উন্নয়নের জন্য একটি স্থানীয় অধিবেশন গোপন তৈরি করুন। 

export SESSION_SECRET=local-secret

স্থানীয়ভাবে অ্যাপটি চালান

অবশেষে, আপনি নিম্নলিখিত স্ক্রিপ্টটি চালিয়ে অ্যাপটি শুরু করতে পারেন। এই স্ক্রিপ্টটি tailwindCSS থেকে output.css ফাইলও তৈরি করবে। 

npm run dev

আপনি ওয়েব প্রিভিউ বোতামটি খুলে এবং প্রিভিউ পোর্ট 8080 নির্বাচন করে ওয়েবসাইটটির পূর্বরূপ দেখতে পারেন

ওয়েব প্রিভিউ - পোর্ট 8080 বোতামে পূর্বরূপ

8. পরিষেবাটি স্থাপন করুন

প্রথমে, স্থাপনা শুরু করতে এই কমান্ডটি চালান এবং ব্যবহার করার জন্য পরিষেবা অ্যাকাউন্ট নির্দিষ্ট করুন। যদি একটি পরিষেবা অ্যাকাউন্ট নির্দিষ্ট করা না থাকে, ডিফল্ট গণনা পরিষেবা অ্যাকাউন্ট ব্যবহার করা হয়। 

gcloud run deploy $SERVICE \
 --service-account $SERVICE_ACCOUNT_ADDRESS \
 --source . \
  --region $REGION \
  --allow-unauthenticated \
  --set-secrets="SESSION_SECRET=$(echo $SECRET_ID):1"

যদি আপনাকে অনুরোধ করা হয় যে "উৎস থেকে স্থাপনার জন্য নির্মিত কনটেইনারগুলি সংরক্ষণ করার জন্য একটি আর্টিফ্যাক্ট রেজিস্ট্রি ডকার সংগ্রহস্থলের প্রয়োজন। [us-central1] অঞ্চলে [Cloud-run-source-deploy] নামে একটি সংগ্রহস্থল তৈরি করা হবে।", 'y' টিপুন গ্রহণ করুন এবং চালিয়ে যান।

9. পরিষেবা পরীক্ষা করুন

একবার স্থাপন করা হলে, আপনার ওয়েব ব্রাউজারে পরিষেবা URL খুলুন। তারপরে জেমিনিকে একটি প্রশ্ন জিজ্ঞাসা করুন, যেমন "আমি গিটার অনুশীলন করি কিন্তু আমি একজন সফ্টওয়্যার প্রকৌশলীও। যখন আমি "C#" দেখি, তখন আমি এটিকে একটি প্রোগ্রামিং ভাষা বা একটি মিউজিক্যাল নোট হিসাবে ভাবব? কোনটি বেছে নেওয়া উচিত?"

10. অভিনন্দন!

কোডল্যাব সম্পূর্ণ করার জন্য অভিনন্দন!

আমরা ডকুমেন্টেশন ক্লাউড রান এবং ভার্টেক্স এআই জেমিনি এপিআই পর্যালোচনা করার পরামর্শ দিই।

আমরা কভার করেছি কি

  • একটি ক্লাউড রান পরিষেবা তৈরি করতে htmx, tailwindcss এবং express.js কীভাবে ব্যবহার করবেন
  • Google API তে প্রমাণীকরণ করতে Vertex AI ক্লায়েন্ট লাইব্রেরিগুলি কীভাবে ব্যবহার করবেন
  • মিথুন মডেলের সাথে যোগাযোগ করার জন্য কীভাবে একটি চ্যাট বট তৈরি করবেন
  • ডকার ফাইল ছাড়াই ক্লাউড রান পরিষেবাতে কীভাবে স্থাপন করবেন
  • গুগল ক্লাউড ফায়ারস্টোর দ্বারা সমর্থিত একটি এক্সপ্রেস সেশন স্টোর কীভাবে ব্যবহার করবেন

11. পরিষ্কার করুন

অসাবধানতাবশত চার্জ এড়াতে, (উদাহরণস্বরূপ, যদি ক্লাউড রান পরিষেবাগুলি আপনার মাসিক ক্লাউড রান ইনভোকমেন্ট বরাদ্দের চেয়ে বিনামূল্যের স্তরে অজান্তেই বেশি বার আহ্বান করা হয়), আপনি হয় ক্লাউড রানটি মুছে ফেলতে পারেন বা ধাপ 2 এ আপনার তৈরি করা প্রকল্পটি মুছে ফেলতে পারেন৷

ক্লাউড রান পরিষেবাটি মুছে ফেলতে, https://console.cloud.google.com/run-এ Cloud Run Cloud Console-এ যান এবং chat-with-gemini পরিষেবাটি মুছুন৷ আপনি মিথুনে কোনো অসাবধানতাবশত কল এড়াতে vertex-ai-caller পরিষেবা অ্যাকাউন্টটি মুছে ফেলতে বা Vertex AI ব্যবহারকারীর ভূমিকা প্রত্যাহার করতে চাইতে পারেন।

আপনি যদি সম্পূর্ণ প্রকল্প মুছে ফেলার সিদ্ধান্ত নেন, আপনি https://console.cloud.google.com/cloud-resource-manager- এ যেতে পারেন, ধাপ 2-এ আপনার তৈরি করা প্রকল্পটি নির্বাচন করুন এবং মুছুন নির্বাচন করুন৷ আপনি যদি প্রকল্পটি মুছে ফেলেন, তাহলে আপনাকে আপনার ক্লাউড SDK-এ প্রকল্পগুলি পরিবর্তন করতে হবে৷ আপনি gcloud projects list চালিয়ে সমস্ত উপলব্ধ প্রকল্পের তালিকা দেখতে পারেন।