الوصول إلى محادثة Gemini 3 Pro باستخدام حزمة تطوير البرامج (SDK) بلغة Python من خلال نقطة نهاية Private Service Connect

1. نظرة عامة

يمكن الوصول إلى واجهة برمجة التطبيقات Vertex AI API عبر الإنترنت، ولكن في مؤسستك، قد تحتاج إلى الوصول إلى واجهة برمجة التطبيقات Vertex AI API بشكل خاص بدون استخدام الإنترنت. في هذا التمرين المعملي، عليك أولاً

• الوصول إلى Gemini 3 Pro API عبر Vertex باستخدام حزمة تطوير البرامج (SDK) الخاصة بلغة Python
• سيتم تشغيل هذا التطبيق على مثيل جهاز افتراضي
• سيتم الاتصال عبر Cloud NAT بالإنترنت المتاح للجميع.

بعد ذلك، ستنشئ نقطة نهاية Private Service Connect لواجهات Google APIs، وتغيّر مسار نقل البيانات لاستخدام نقطة النهاية الخاصة للاتصال بواجهة Gemini Chat API. ستكون عمليات الإعداد مزيجًا من Terraform وgcloud ووحدة التحكّم.

في هذا الدرس التطبيقي، ستنشئ النمط التالي.

الشكل 1.

2. الهدف

في هذه الميزة الاختبارية، ستتعرّف على كيفية تنفيذ المهمة التالية:

• إعداد مثيل الجهاز الافتراضي لاستخدام حزمة تطوير البرامج (SDK) الخاصة بلغة Python
• الربط مع Gemini Chat من خلال نص برمجي بلغة Python
• ضبط نقطة نهاية PSC للاتصال بـ Googleapis
• التحقّق من مسار الاتصال بـ Googleais
• ضبط إدخالات نظام أسماء النطاقات اليدوية

إعداد البيئة بالسرعة التي تناسبك

1. سجِّل الدخول إلى Google Cloud Console وأنشِئ مشروعًا جديدًا أو أعِد استخدام مشروع حالي. إذا لم يكن لديك حساب على Gmail أو Google Workspace، عليك إنشاء حساب.

• اسم المشروع هو الاسم المعروض للمشاركين في هذا المشروع. وهي سلسلة أحرف لا تستخدمها Google APIs. ويمكنك تعديلها في أي وقت.
• معرّف المشروع هو معرّف فريد في جميع مشاريع Google Cloud ولا يمكن تغييره بعد ضبطه. تنشئ Cloud Console تلقائيًا سلسلة فريدة، ولا يهمّك عادةً ما هي. في معظم دروس البرمجة، عليك الرجوع إلى رقم تعريف مشروعك (يُشار إليه عادةً باسم PROJECT_ID). إذا لم يعجبك رقم التعريف الذي تم إنشاؤه، يمكنك إنشاء رقم تعريف عشوائي آخر. يمكنك بدلاً من ذلك تجربة اسم مستخدم من اختيارك ومعرفة ما إذا كان متاحًا. لا يمكن تغيير هذا الخيار بعد هذه الخطوة وسيظل ساريًا طوال مدة المشروع.
• للعلم، هناك قيمة ثالثة، وهي رقم المشروع، تستخدمها بعض واجهات برمجة التطبيقات. يمكنك الاطّلاع على مزيد من المعلومات حول هذه القيم الثلاث في المستندات.

تنبيه: رقم تعريف المشروع فريد على مستوى العالم ولا يمكن لأي شخص آخر استخدامه بعد اختياره. أنت المستخدم الوحيد لهذا المعرّف. حتى إذا تم حذف مشروع، لا يمكن استخدام المعرّف مرة أخرى.

ملاحظة: إذا كنت تستخدم حساب Gmail، يمكنك ترك الموقع الجغرافي التلقائي مضبوطًا على لا توجد مؤسسة. إذا كنت تستخدم حسابًا على Google Workspace، اختَر موقعًا جغرافيًا مناسبًا لمؤسستك.

2. بعد ذلك، عليك تفعيل الفوترة في Cloud Console لاستخدام موارد/واجهات برمجة تطبيقات Cloud. لن تكلفك تجربة هذا الدرس البرمجي الكثير، إن وُجدت أي تكلفة على الإطلاق. لإيقاف الموارد وتجنُّب تحمّل تكاليف تتجاوز هذا البرنامج التعليمي، يمكنك حذف الموارد التي أنشأتها أو حذف المشروع. يمكن لمستخدمي Google Cloud الجدد الاستفادة من برنامج الفترة التجريبية المجانية بقيمة 300 دولار أمريكي.

بدء Cloud Shell

على الرغم من إمكانية تشغيل Google Cloud عن بُعد من الكمبيوتر المحمول، ستستخدم في هذا الدرس العملي Google Cloud Shell، وهي بيئة سطر أوامر تعمل في السحابة الإلكترونية.

من Google Cloud Console، انقر على رمز Cloud Shell في شريط الأدوات أعلى يسار الصفحة:

لن يستغرق توفير البيئة والاتصال بها سوى بضع لحظات. عند الانتهاء، من المفترض أن يظهر لك ما يلي:

يتم تحميل هذه الآلة الافتراضية مزوّدة بكل أدوات التطوير التي ستحتاج إليها. توفّر هذه الخدمة دليلًا منزليًا دائمًا بسعة 5 غيغابايت، وتعمل على Google Cloud، ما يؤدي إلى تحسين أداء الشبكة والمصادقة بشكل كبير. يمكن إكمال جميع المهام في هذا الدرس العملي ضمن المتصفّح. ليس عليك تثبيت أي تطبيق.

3- المهمة رقم 1 إعداد بيئة باستخدام Terraform

سننشئ سحابة VPC مخصّصة تتضمّن قواعد جدار الحماية والشبكة الفرعية. افتح Cloud Console واختَر المشروع الذي ستستخدمه.

1. افتح Cloud Shell في أعلى يسار وحدة التحكّم، وتأكَّد من ظهور رقم تعريف المشروع الصحيح في Cloud Shell، وأكِّد أي طلبات تظهر لك للسماح بالوصول.
2. إنشاء مجلد باسم terraform-build والانتقال إليه

mkdir terraform-build  && cd terraform-build

3. أنشئ ملف main.tf وملف variable.tf.

touch main.tf variable.tf 

4. انتقِل إلى طريقة عرض محرّر Cloud Shell. انقر على المحرّر، وتأكَّد من السماح بأي طلبات ضرورية كي يتم تحميل الواجهة.
5. بعد التحميل، انتقِل إلى ملف > فتح مجلد وانتقِل إلى /home/your-user-name/terraform-build وانقر على حسنًا لفتح المجلد في المحرّر.
6. اختَر الملف variable.tf وأضِف ما يلي. استبدِل النص your-project-id-here برقم تعريف مشروعك الفعلي بين علامتَي اقتباس.

variable "project_id" {
  type = string
  default = "your-project-id-here"
}

variable "network_id" {
  type = string
  default = "python-net"
}

7. بعد ذلك، افتح الملف main.tf. سنضيف بعض رموز Terraform البرمجية لتنفيذ إجراءات مختلفة كما هو موضّح أدناه.

تفعيل واجهات برمجة التطبيقات	resource "google_project_service" "default"
إنشاء شبكة VPC باسم python-net	resource "google_compute_network" "default"
إضافة شبكة فرعية	resource "google_compute_subnetwork" "default"
إضافة قاعدتَين لجدار الحماية	resource "google_compute_firewall" "allow_icmp"resource "google_compute_firewall" "allow_ssh"

8. انسخ ما يلي وألصِقه في ملف main .tf.

resource "google_project_service" "default" {
  project = var.project_id 
  for_each = toset([
    "dns.googleapis.com",
    "aiplatform.googleapis.com",
    "servicedirectory.googleapis.com"
  ])

  service            = each.value
  disable_on_destroy = false
}

resource "google_compute_network" "default" {
  project                 = var.project_id
  name                    = var.network_id
  auto_create_subnetworks = false
  mtu                     = 1460
  routing_mode            = "GLOBAL"
}

resource "google_compute_subnetwork" "default" {
  name          = "vm1-subnet"
  ip_cidr_range = "10.0.11.0/24"
  project       = var.project_id
  region        = "us-east1"
  stack_type    = "IPV4_ONLY"
  network       = google_compute_network.default.id
}

resource "google_compute_firewall" "allow_icmp" {
  name    = "allow-icmp-${google_compute_network.default.name}"
  network = google_compute_network.default.id
  project = var.project_id

  allow {
    protocol = "icmp"
  }

  source_ranges = ["0.0.0.0/0"]
  target_tags   = ["allow-icmp"]
}

resource "google_compute_firewall" "allow_ssh" {
  name    = "allow-ssh-${google_compute_network.default.name}"
  network = google_compute_network.default.id
  project = var.project_id

  allow {
    protocol = "tcp"
    ports    = ["22"]
  }

  source_ranges = ["0.0.0.0/0"]
  target_tags   = ["allow-ssh"]
}

9. ارجع إلى وحدة طرفية Cloud Shell وتأكَّد من أنّك في الدليل terraform-build cd terraform-build ونفِّذ الأوامر التالية

terraform init

تتم تهيئة دليل العمل. تنزّل هذه الخطوة موفّري الخدمات المطلوبين للإعدادات المحدّدة.

terraform plan

تُنشئ خطة تنفيذ توضّح الإجراءات التي ستتّخذها أداة Terraform لنشر البنية الأساسية.

10. لإنشاء الموارد، شغِّل الأمر terraform apply واكتب yes لتشغيله.

التحقّق من صحة الإعداد: تحقَّق من بيئتك بحثًا عن

شبكة VPC واحدة باسم python-net

شبكة فرعية واحدة

‫2 firewall-rules

4. المهمة رقم 2 إنشاء بوابة NAT وأجهزة افتراضية باستخدام Terraform

علينا منح إذن بالوصول الخارجي إلى الإنترنت، لذا لننشئ بوابة Cloud NAT ونربطها.

1. افتح Cloud Shell، وانتقِل إلى مجلد terraform-build وأنشئ الملفات التالية (إجمالي ثلاثة ملفات). سنعدّل هذه المعلومات لاحقًا.

touch nat-vm.tf psc.tf dns.tf

2. انتقِل إلى طريقة عرض محرّر Cloud Shell واختَر الملف nat-vm.tf وأضِف رمز Terraform التالي. سيؤدي ذلك إلى إنشاء بوابة NAT وجهازَين افتراضيَين.

‫Terraform nat-vm.tf

resource "google_compute_router" "default" {
  name    = "py-outbound-nat"
  region  = "us-east1"
  network = google_compute_network.default.id
  project = var.project_id
  

 bgp {
  asn = 64514
  }
}

resource "google_compute_router_nat" "default" {
  name                               = "py-outbound-nat-gw"
  router                             = google_compute_router.default.name
  region                             = google_compute_router.default.region
  nat_ip_allocate_option             = "AUTO_ONLY"
  project                            = var.project_id
  source_subnetwork_ip_ranges_to_nat = "ALL_SUBNETWORKS_ALL_IP_RANGES"

  log_config {
    enable = true
    filter = "ERRORS_ONLY"
  }
}

resource "google_compute_instance" "vm1" {
  name         = "py-vm1"
  zone         = "us-east1-b"
  machine_type = "n2-standard-2"
  project      = var.project_id

  boot_disk {
    initialize_params {
      image = "debian-cloud/debian-12"
    }
  }

  network_interface {
    subnetwork = google_compute_subnetwork.default.id  
    stack_type = "IPV4_ONLY"
  }

  tags = ["allow-ssh", "allow-icmp"]

  metadata_startup_script = <<-EOF
    #! /bin/bash
    sudo apt-get update
    sudo apt-get install python3 python3-dev python3-venv git -y
    sudo apt-get install tcpdump dnsutils -y    
    
      mkdir -p ~/py-gem-env
      cd ~/py-gem-env
      python3 -m venv env
      source env/bin/activate
      pip install --upgrade pip
      pip install ipython google-genai
    '
  EOF
}

3. انتقِل إلى نافذة Cloud Shell، وتأكَّد من أنّك في المجلد terraform-build، ثم شغِّل terraform plan سيظهر لك أنّه ستتم إضافة 4 عناصر، ثم شغِّل terraform apply واكتب yes لإنشاء بوابة NAT والجهاز الظاهري.

التحقّق من صحة الإعداد: تحقَّق من بيئتك بحثًا عن

بوابة NAT واحدة

جهاز توجيه سحابي واحد

الجهاز الافتراضي الذي يحمل الاسم py-vm1

5- المهمة رقم 3 ضبط الآلات الافتراضية واختبارها

1. انتقِل إلى مثيلات الأجهزة الافتراضية. اختَر الجهاز الافتراضي الذي يبدأ بـ py-vm1. اختَر SSH.
2. بعد تسجيل الدخول إلى py-vm1 باستخدام SSH، فعِّل حساب الجذر عن طريق كتابة sudo -i
3. فعِّل بيئة venv:

cd py-gem-env
source env/bin/activate

4. لنثبت الآن صحة هذا الرمز لنتمكّن من إجراء بعض الاختبارات لاحقًا. نفِّذ الأمر التالي في الجهاز الظاهري، واضغط على y عند المطالبة بذلك.

gcloud auth application-default login

5. بعد ذلك، انسخ عنوان URL الذي يظهر في البداية مع https://، وافتح علامة تبويب جديدة في نافذة متصفّح المختبر والصِق عنوان URL. اقبل الطلبات.
6. عند ظهور خيار النسخ التالي، ارجع إلى جلسة py-vm1 في الجهاز الظاهري، ثم الصِق الرمز الذي نسخته في Enter authorization code:‎ واضغط على Enter للمصادقة.

7. لنُجرِ الآن اختبارًا سريعًا لمعرفة ما إذا كان بإمكاننا الربط بواجهة Vertex API، وهي تستخدم *-aiplatform.googleapis.com، لذا سننفّذ dig على هذا العنوان لمعرفة كيفية توجيه الزيارات.

dig *-aiplatform.googleapis.com

8. من المفترض أن يظهر لك شيء مشابه (سيختلف العنوان). يُرجى العِلم أنّ المسار يتم عبر عناوين IP العامة لأنّ واجهة برمجة التطبيقات هي واجهة عامة. عدم النسخ

; <<>> DiG 9.18.41-1~deb12u1-Debian <<>> *-aiplatform.googleapis.com
;; global options: +cmd
;; Got answer:
;; ->>HEADER<<- opcode: QUERY, status: NOERROR, id: 60947
;; 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       173.194.216.95
*-aiplatform.googleapis.com. 300 IN     A       108.177.11.95
*-aiplatform.googleapis.com. 300 IN     A       192.178.219.95
*-aiplatform.googleapis.com. 300 IN     A       74.125.134.95
*-aiplatform.googleapis.com. 300 IN     A       74.125.139.95
*-aiplatform.googleapis.com. 300 IN     A       108.177.12.95
*-aiplatform.googleapis.com. 300 IN     A       173.194.210.95
*-aiplatform.googleapis.com. 300 IN     A       74.125.26.95
*-aiplatform.googleapis.com. 300 IN     A       173.194.212.95
*-aiplatform.googleapis.com. 300 IN     A       172.217.204.95

9. لنستخدم الآن لغة Python. اكتب ipython لتفعيل واجهة ipython.

ipython

10. الآن، انسخ ما يلي والصِقه. يطرح هذا السؤال على Gemini "ما هي جميع ألوان شعار Google" و "ما هو لون السماء" .

from google import genai
from google.genai import types
import os
import sys

LOCATION = "global"
MODEL_ID = "gemini-3-pro-preview" 

try:
    client = genai.Client(vertexai=True, location=LOCATION)
    print(f"Successfully initialized Google Gen AI Client (Vertex AI mode) in {LOCATION}")
except Exception as e:
    print(f"Error initializing client: {e}")
    print("Ensure you have installed the library: `pip install google-genai`")
    print("And authenticated: `gcloud auth application-default login`")
    sys.exit(1)

class SimpleChatSession:
    def __init__(self, model_id):
        self.model_id = model_id
        self.history = [] 

    def send_message(self, prompt, stream=True):
        user_content = types.Content(
            role="user",
            parts=[types.Part(text=prompt)]
        )
        self.history.append(user_content)

        try:
            response_stream = client.models.generate_content_stream(
                model=self.model_id,
                contents=self.history,
                config=types.GenerateContentConfig(
                    temperature=0.7 
                )
            )

            accumulated_text = ""
            
            for chunk in response_stream:
                if chunk.text:
                    yield chunk.text
                    accumulated_text += chunk.text
            
            model_content = types.Content(
                role="model",
                parts=[types.Part(text=accumulated_text)]
            )
            self.history.append(model_content)

        except Exception as e:
            print(f"\n[Error during generation: {e}]")

def get_chat_response(session: SimpleChatSession, prompt: str):
    print(f"\n--- User: {prompt} ---")
    print("--- Model: ", end="")
    
    stream_generator = session.send_message(prompt)
    
    full_text = ""
    for chunk_text in stream_generator:
        full_text += chunk_text
        print(chunk_text, end="", flush=True)

    print() 
    return full_text

if __name__ == "__main__":
    chat_session = SimpleChatSession(MODEL_ID)

    get_chat_response(chat_session, "Hello.")
    get_chat_response(chat_session, "What are all the colors of the Google logo?")
    get_chat_response(chat_session, "What color is the sky?")

11. اضغط على مفتاح Enter مرّتين لتشغيل الأمر والاطّلاع على النتيجة.
12. وصل هذا الطلب إلى Vertex من خلال واجهة برمجة التطبيقات العامة.
13. أغلِق جلسة SSH لنتمكّن من المتابعة.

ملاحظة: يمكنك تعديل سؤال الطلب إلى سؤال آخر.

6. المهمة رقم 4 إنشاء نقطة نهاية PSC إلى googleapis باستخدام Terraform

لتفعيل الاتصال الخاص بنقطة نهاية Vertex API، سننشئ نقطة نهاية Private Service Connect لواجهات Google APIs. سيسمح لنا ذلك باستخدام عنوان IP خاص نحدّده لتوجيه الزيارات إلى واجهات Google APIs التي نحتاج إليها، وفي هذه الحالة Vertex.

1. افتح Cloud Shell في طريقة عرض المحرّر إذا لم يكن مفتوحًا من قبل. سننشئ ما يلي:

• أنشئ عنوان IP لنقطة نهاية PSC 192.168.255.250 (resource "google_compute_global_address" "default")
• إنشاء نقطة نهاية PSC لواجهات Google APIs (resource "google_compute_global_forwarding_rule" "default")

افتح الملف psc.tf في المجلد terraform-build. أضِف الرمز التالي إلى الملف.

ملف Terraform psc.tf

resource "google_compute_global_address" "default" {
  name         = "vertex-ip"
  purpose      = "PRIVATE_SERVICE_CONNECT"
  network      = google_compute_network.default.id
  address_type = "INTERNAL"
  address      = "192.168.255.250"
}

resource "google_compute_global_forwarding_rule" "default" {  
  name                  = "pscvertexgemini"
  target                = "all-apis"
  network               = google_compute_network.default.id
  ip_address            = google_compute_global_address.default.id
  load_balancing_scheme = ""
  }

2. انتقِل إلى نافذة Cloud Shell، وتأكَّد من أنّك في المجلد terraform-build. ثم شغِّل terraform init ثم شغِّل terraform plan سيظهر لك أنّه ستتم إضافة عنصرَين،
   ثم شغِّل terraform apply واكتب yes لإنشاء نقطة نهاية لواجهات برمجة التطبيقات الخاصة بـ IP وPSC من Google.
3. التحقّق من توفّر نقطة النهاية

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

gcloud compute forwarding-rules describe pscvertexgemini --global

7. المهمة رقم 5 إنشاء إدخال نظام أسماء نطاقات يدوي إلى googleapis باستخدام Terraform

يمكنك إنشاء إدخال يدوي لنظام أسماء النطاقات (DNS) للإشارة إلى نقطة نهاية Private Service Connect (PSC) باستخدام نظام أسماء النطاقات الخاص. سيؤثّر ذلك في جميع الشبكات التي تحدّدها له.

1. انتقِل إلى "خدمات الشبكة" واختَر Cloud DNS.
2. في المناطق، من المفترض أن تظهر منطقة تم إنشاؤها تلقائيًا لخدمة Private Service Connect لواجهات Google APIs، مع دليل خدمة لنوع المنطقة. يمكن استخدام ذلك للاتصال بنقطة نهاية PSC بالتنسيق **SERVICE-ENDPOINT.p.googleapis.com. مثال: aiplatform-pscvertexgemini.p.googleapis.com
3. في هذه الحالة، نريد إنشاء إدخال نظام أسماء نطاقات خاص يدويًا. ستكون الإعدادات على النحو التالي

• أنشئ منطقة نظام أسماء نطاقات خاصًا باسم "googleapis-private" لـ "googleapis.com" واحصره على شبكة "python-net".
• أضِف سجلّ A لربط "googleapis.com" بعنوان IP "192.168.255.250".
• أضِف سجلّ CNAME لإعادة توجيه جميع النطاقات الفرعية من "googleapis.com" (مثل www.googleapis.com) إلى "googleapis.com".

4. افتح Cloud Shell في طريقة عرض المحرّر إذا لم يكن مفتوحًا من قبل. افتح الملف dns.tf في مجلد terraform-build. أضِف الرمز التالي إلى الملف.

‫Terraform dns.tf

resource "google_dns_managed_zone" "private_zone" {
  name        = "googleapis-private"
  dns_name    = "googleapis.com."  
  visibility  = "private"
  project     = var.project_id     

  private_visibility_config {
    networks {
      network_url = google_compute_network.default.id  
    }
  }
}

resource "google_dns_record_set" "a_record" {
  name    = "googleapis.com."  
  type    = "A"
  ttl     = 300
  managed_zone = google_dns_managed_zone.private_zone.name
  project = var.project_id    

  rrdatas = ["192.168.255.250"]
}

resource "google_dns_record_set" "cname_record" {
 name    = "*.googleapis.com."
 type    = "CNAME"
 ttl     = 300
 managed_zone = google_dns_managed_zone.private_zone.name
 project = var.project_id    

 rrdatas = ["googleapis.com."]  
}

5. انتقِل إلى نافذة Cloud Shell، وتأكَّد من أنّك في المجلد terraform-build. بعد ذلك، شغِّل terraform plan، وسيظهر لك العناصر التي ستتم إضافتها،
   ثم شغِّل terraform apply واكتب yes لإنشاء إدخال نظام أسماء النطاقات الخاص.
6. من المفترض أن يظهر لك إعداد يتضمّن سجلّ A وسجلّ CNAME على النحو التالي:
7. بعد ذلك، نتحقّق من إمكانية الاتصال بهذه التغييرات على py-vm1.

8. المهمة 6 تأكيد إمكانية الاتصال بنقطة النهاية من خلال عنوان IP

لنبدأ بالربط باستخدام نقطة النهاية الخاصة للاتصال بـ Gemini.

ملاحظة: ليس من الضروري إجراء أي عمليات ضبط يدوية على الجهاز الظاهري.

1. انتقِل إلى مثيل الجهاز الافتراضي py-vm1. اختَر SSH وادخل إلى الجهاز الافتراضي باستخدام SSH
2. يمكنك الحصول على إذن الوصول إلى الجذر من خلال كتابة sudo -i
3. تحقَّق من مسار الاتصال بـ aiplatform.googleapis.com باستخدام الأمر ping. سيؤدي ذلك إلى إرسال طلب اختبار الاتصال إلى عنوان IP في نظام أسماء النطاقات الخاص، وهو سجلّ A لـ googleapis. عنوان IP هذا هو نقطة نهاية PSC، ولن تنجح عمليات اختبار الاتصال.

ping -c 2 aiplatform.googleapis.com

4. تحقَّق من مسار الاتصال باستخدام ping من خلال إدخال نظام أسماء النطاقات الذي تم إنشاؤه تلقائيًا لواجهات برمجة تطبيقات Google في Private Service Connect باستخدام aiplatform-pscvertexgemini.p.googleapis.com. يشير ذلك إلى عنوان IP لنقطة نهاية PSC، ولن تنجح عمليات إرسال الإشارات.

ping -c 2 aiplatform-pscvertexgemini.p.googleapis.com

5. تحقَّق من مسار الاتصال بـ aiplatform.googleapis.com باستخدام الأمر dig. يجب أن يكون هذا هو عنوان IP لنقطة نهاية PSC.

dig aiplatform.googleapis.com

6. ارجع إلى وحدة التحكّم وافتح مثيلاً آخر من الجهاز الافتراضي py-vm1. اختَر SSH واستخدِم SSH للوصول إلى الجهاز الافتراضي
7. يمكنك الحصول على إذن الوصول إلى الجذر من خلال كتابة sudo -i
8. نفِّذ الأمر التالي للاطّلاع على الاتصال في تفريغ TCP

sudo tcpdump -i any port 53 -n or host aiplatform.googleapis.com

9. الآن، ارجع إلى مثيل SSH الأول من الجهاز الافتراضي py-vm1.
10. تفعيل البيئة باستخدام

cd py-gem-env
source env/bin/activate

11. لنختبر الآن لغة Python. اكتب ipython لتفعيل واجهة ipython.

ipython

12. الآن، انسخ ما يلي والصِقه. يطرح هذا السؤال على Gemini "في جملة قصيرة، لخِّص ما هو محلّل الرموز في سياق الذكاء الاصطناعي؟" و "هل الحيتان رائعة أم لا؟".

from google import genai
from google.genai import types
import os
import sys

LOCATION = "global"
MODEL_ID = "gemini-3-pro-preview" 

try:
    client = genai.Client(vertexai=True, location=LOCATION)
    print(f"Successfully initialized Google Gen AI Client (Vertex AI mode) in {LOCATION}")
except Exception as e:
    print(f"Error initializing client: {e}")
    print("Ensure you have installed the library: `pip install google-genai`")
    print("And authenticated: `gcloud auth application-default login`")
    sys.exit(1)

class SimpleChatSession:
    def __init__(self, model_id):
        self.model_id = model_id
        self.history = [] 

    def send_message(self, prompt, stream=True):
        user_content = types.Content(
            role="user",
            parts=[types.Part(text=prompt)]
        )
        self.history.append(user_content)

        try:
            response_stream = client.models.generate_content_stream(
                model=self.model_id,
                contents=self.history,
                config=types.GenerateContentConfig(
                    temperature=0.7 
                )
            )

            accumulated_text = ""
            
            for chunk in response_stream:
                if chunk.text:
                    yield chunk.text
                    accumulated_text += chunk.text
            
            model_content = types.Content(
                role="model",
                parts=[types.Part(text=accumulated_text)]
            )
            self.history.append(model_content)

        except Exception as e:
            print(f"\n[Error during generation: {e}]")

def get_chat_response(session: SimpleChatSession, prompt: str):
    print(f"\n--- User: {prompt} ---")
    print("--- Model: ", end="")
    
    stream_generator = session.send_message(prompt)
    
    full_text = ""
    for chunk_text in stream_generator:
        full_text += chunk_text
        print(chunk_text, end="", flush=True)

    print() 
    return full_text

if __name__ == "__main__":
    chat_session = SimpleChatSession(MODEL_ID)

    get_chat_response(chat_session, "Hello.")
    get_chat_response(chat_session, "In one short sentence summarize what is a tokenizer in the context of AI?")
    get_chat_response(chat_session, "Are whales awesome or not?")

13. اضغط على مفتاح Enter مرتين لتنفيذ الأمر والاطّلاع على النتيجة.
14. ارجع إلى مثيل الجهاز الافتراضي الثاني py-vm1. من المفترض أن تظهر لك نتيجة TCPDUMP. ستلاحظ أنّ عنوان IP الخاص بالجهاز الظاهري يستخدم عنوان IP الخاص بنقطة نهاية PSC للاتصال بـ aiplatform.googleapis.com.

أغلِق جميع جلسات SSH إلى مثيل الجهاز الافتراضي py-vm1

9- تنظيف

1. انتقِل إلى Cloud Shell وتأكَّد من أنّك في الدليل terraform-build cd terraform-build
2. نفِّذ terraform plan destroy للاطّلاع على جميع التغييرات التي سيتم إجراؤها.

terraform plan -destroy

3. بعد ذلك، شغِّل الأمر terraform destroy ثم اكتب yes وستتم إزالة جميع الموارد التي أنشأتها في مشروعك باستخدام Terraform.

terraform destroy 

10. تهانينا

تهانينا، لقد تم الربط بنجاح بخدمة Vertex واستخدام Gemini 3 Pro من خلال عنوان واجهة برمجة التطبيقات العامة وبشكل خاص باستخدام نقطة نهاية Private Service Connect لواجهات Google APIs. يمكن أن توسّع هذه الوظيفة نطاق الاتصال الخاص بواجهات برمجة التطبيقات ليشمل بيئة السحابة المحلية أو السحابة الأخرى المرتبطة من خلال (Interconnect وCross-Cloud Interconnect وVPC).

الخطوات التالية / مزيد من المعلومات

يمكنك الاطّلاع على مزيد من المعلومات حول شبكات Vertex AI.

Codelab: الوصول إلى Anthropic Claude على Vertex AI باستخدام حزمة تطوير البرامج (SDK) في Python من خلال نقطة نهاية Private Service Connect

الدرس التطبيقي التالي

يمكنك مواصلة رحلتك التعليمية مع Google Cloud والاطّلاع على هذه المختبرات الأخرى في Google Cloud Skills Boost:

• أساسيات الشبكات في Google Cloud
• Generative AI Explorer - Vertex AI
• الذكاء الاصطناعي المستند إلى الوكلاء على Google Cloud