Przejdź do treści

Integracja · Narzędzia programistyczne

Połącz Claude i ChatGPT z Google Vertex AI

Pozwól swojej AI pracować w Twoim własnym projekcie Google Cloud w Vertex AI. Może wysyłać prompty do Gemini i innych modeli Google, liczyć tokeny przed żądaniem, tworzyć embeddingi tekstu oraz uruchamiać predykcje na modelach wdrożonych na endpoincie. Może też tworzyć korpusy RAG i importować do nich pliki, zarządzać cache kontekstu oraz śledzić zadania predykcji wsadowej i tuningu.

Połącz Google Vertex AI za darmo

Bezpłatny plan, bez karty kredytowej. Zajmuje około minuty.

Spróbuj zapytać

  • “Zapytaj gemini-2.5-flash w naszym projekcie, żeby streścił tę umowę.”

    AI wysyła tekst do modelu w Twoim projekcie Vertex AI i regionie, a następnie zwraca odpowiedź modelu.

  • “Ile tokenów wykorzystuje to polecenie?”

    Zlicza tokeny dla wskazanego modelu, zanim cokolwiek zostanie wygenerowane.

  • “Stwórz embedding tego opisu produktu.”

    Tworzy tekstowy embedding przy użyciu modelu Google i zwraca wektor.

Co może robić Twoja AI

Generowanie i embeddingi

Wysyłaj prompty do Gemini i innych modeli Google, licz tokeny, twórz embeddingi i uruchamiaj predykcje na wdrożonych endpointach.

Korpusy RAG i cache

Twórz korpusy RAG, importuj lub przesyłaj pliki, wyświetlaj ich pliki oraz twórz, aktualizuj i usuwaj cache kontekstu.

Zadania i endpointy

Wyświetlaj endpointy, wdrażaj i wycofuj modele oraz twórz, śledź, anuluj lub usuwaj zadania predykcji wsadowej i tuningu.

  • “Stwórz korpus RAG o nazwie Dokumenty wsparcia i zaimportuj nasze pliki ze Cloud Storage.”

    Tworzy korpus, następnie uruchamia import plików i podaje operację, którą możesz śledzić.

  • “Jakie mamy cache kontekstu i kiedy wygasają?”

    Wyświetla cache kontekstu w projekcie wraz z modelem i czasem wygaśnięcia.

  • “Czy nasze zadanie tuningu zostało zakończone?”

    Wyświetla zadania tuningu w projekcie i odczytuje stan wybranego z nich.

Narzędzia dla Google Vertex AI: 92

Te narzędzia zostają włączone po połączeniu. Każde z nich możesz wyłączyć lub ustawić wymóg zatwierdzenia przed jego uruchomieniem.

  • cancel_operationUsuwaAnuluj operację (operations id). Działanie destrukcyjne; może wymagać zatwierdzenia. Podsumowanie API: Starts asynchronous cancellation on a long-running operation.
  • cancel_operation_aiplatform_projects_locations_endpoints_operatiUsuwaAnuluj operację (operations id). Działanie destrukcyjne; może wymagać zatwierdzenia. Podsumowanie API: Starts asynchronous cancellation on a long-running operation.
  • cancel_operation_aiplatform_projects_locations_tuning_jobs_operaUsuwaAnuluj operację (operations id). Działanie destrukcyjne; może wymagać zatwierdzenia. Podsumowanie API: Starts asynchronous cancellation on a long-running operation.
  • cancel_operation_cancelUsuwaAnuluj operację (operations id). Działanie destrukcyjne; może wymagać zatwierdzenia. Podsumowanie API: Starts asynchronous cancellation on a long-running operation.
  • cancel_projectUsuwaAnuluj projekt (tuning jobs id). Działanie destrukcyjne; może wymagać zatwierdzenia. Podsumowanie API: Cancels a tuning job.
  • cancel_project_cancelPrzenosi środkiAnuluj projekt (batch prediction jobs id). Działanie finansowe lub nieodwracalne; może wymagać zatwierdzenia. Podsumowanie API: Cancels a BatchPredictionJob.
  • count_tokensUsuwaOblicz liczbę tokenów użytych przez prompt dla modelu Google przed wysłaniem. Przekazaj `publishers_id`, `models_id` i `contents`.
  • create_cached_contentZmienia daneUtwórz pamięć kontekstową dla modelu Gemini z `model`, `contents` oraz opcjonalnym `system_instruction`, a także `ttl` lub `expire_time`. Pamięci są fakturowane za przechowywanie, dopóki istnieją.
  • create_compactZmienia daneUtwórz nowy compact. Podsumowanie API: Forwards arbitrary HTTP requests for both streaming and non-streaming cases.
  • create_completionZmienia daneUtwórz nowe completion. Podsumowanie API: Exposes an OpenAI-compatible endpoint for chat completions.
  • create_completion_aiplatform_projects_locations_endpoints_openapZmienia daneStwórz nowe ukończenie. Podsumowanie API: Przekazuje dowolne żądania HTTP zarówno w trybie strumieniowym, jak i niestrumieniowym.
  • create_compute_tokenUsuwaStwórz nowy token obliczeniowy. Działanie zniszczające; może wymagać zatwierdzenia. Podsumowanie API: Zwraca listę tokenów na podstawie tekstu wejściowego.
  • create_compute_token_aiplatform_projects_locations_endpoints_comUsuwaStwórz nowy token obliczeniowy. Działanie zniszczające; może wymagać zatwierdzenia. Podsumowanie API: Zwraca listę tokenów na podstawie tekstu wejściowego.
  • create_deploy_modelZmienia daneStwórz nowe wdrożenie modelu. Podsumowanie API: Wdraża Model do tego punktu końcowego, tworząc DeployedModel w nim.
  • create_direct_predictZmienia daneUtwórz nowe direct predict. Podsumowanie API: Perform an unary online prediction request to a gRPC model server for Vertex first-party products and frameworks.
  • create_direct_raw_predictZmienia daneUtwórz nowe direct raw predict. Podsumowanie API: Perform an unary online prediction request to a gRPC model server for custom containers.
  • create_embeddingZmienia daneUtwórz nowy embedding. Podsumowanie API: Forwards arbitrary HTTP requests for both streaming and non-streaming cases.
  • create_explainZmienia daneStwórz nowe wyjaśnienie. Podsumowanie API: Wykonuje online wyjaśnienie.
  • create_generate_content_aiplatform_projects_locations_endpoints_Zmienia daneStwórz nowe generowanie treści. Podsumowanie API: Generuje treści z wielomodalnymi wejściami.
  • create_inferenceZmienia daneStwórz nowe wnioskowanie. Podsumowanie API: Przekazuje dowolne żądania HTTP zarówno w trybie strumieniowym, jak i niestrumieniowym.
  • create_location_endpointZmienia daneStwórz nowy punkt końcowy dla lokalizacji. Szukaj punktów końcowych najpierw, aby uniknąć duplikatów. Podsumowanie API: Tworzy Endpoint.
  • create_location_projectZmienia daneUtwórz nowy projekt dla lokalizacji. Najpierw wyszukaj projekty, aby uniknąć duplikatów. Podsumowanie API: Creates a tuning job.
  • create_location_project_aiplatform_projects_locations_batch_predWidoczne dla innychStwórz nowy projekt dla lokalizacji. Szukaj projektów najpierw, aby uniknąć duplikatów. Ma skutki widoczne poza tym systemem. Podsumowanie API: Tworzy BatchPredictionJob.
  • create_location_tuning_jobs_rebase_tuned_modelZmienia daneUtwórz nowy tuning jobs rebase tuned model dla lokalizacji. Podsumowanie API: Rebase a tuned model.
  • create_mutate_deployed_modelZmienia daneUtwórz nowy mutate deployed model. Podsumowanie API: Updates an existing deployed model.
  • create_predict_aiplatform_projects_locations_endpoints_predictZmienia daneStwórz nowe przewidywanie.
  • create_predict_long_runningZmienia daneStwórz nowe długotrwałe przewidywanie.
  • create_predict_long_running_aiplatform_projects_locations_endpoiZmienia daneStwórz nowe długotrwałe przewidywanie.
  • create_rag_corpora_document_aiplatform_projects_locations_rag_coZmienia daneStwórz nowy dokument dla rag corpora. Podsumowanie API: Importuje pliki z Google Cloud Storage lub Google Drive do RagCorpus.
  • create_rag_corpusZmienia daneUtwórz nowe corpus RAG z użyciem `display_name` i opcjonalnego `description`. Zwraca operację długotrwałą.
  • create_raw_predictZmienia daneUtwórz nowy raw predict. Podsumowanie API: Perform an online prediction with an arbitrary HTTP payload.
  • create_raw_predict_aiplatform_projects_locations_endpoints_raw_pZmienia daneUtwórz nowy raw predict. Podsumowanie API: Perform an online prediction with an arbitrary HTTP payload.
  • create_responseZmienia daneUtwórz nową odpowiedź. Podsumowanie API: Forwards arbitrary HTTP requests for both streaming and non-streaming cases.
  • create_response_aiplatform_projects_locations_endpoints_openapi_Zmienia daneUtwórz nową odpowiedź. Podsumowanie API: Forwards arbitrary HTTP requests for both streaming and non-streaming cases.
  • create_server_streaming_predictZmienia daneUtwórz nowy server streaming predict. Podsumowanie API: Perform a server-side streaming online prediction request for Vertex LLM streaming.
  • create_server_streaming_predict_aiplatform_projects_locations_enZmienia daneUtwórz nowy server streaming predict. Podsumowanie API: Perform a server-side streaming online prediction request for Vertex LLM streaming.
  • create_stream_generate_contentZmienia daneStwórz nowe generowanie treści strumieniowe. Podsumowanie API: Generuj treści z wielomodalnymi wejściami z obsługą strumienia.
  • create_stream_generate_content_aiplatform_projects_locations_endZmienia daneStwórz nowe generowanie treści strumieniowe. Podsumowanie API: Generuj treści z wielomodalnymi wejściami z obsługą strumienia.
  • create_stream_raw_predictZmienia daneUtwórz nowy stream raw predict. Podsumowanie API: Perform a streaming online prediction with an arbitrary HTTP payload.
  • create_stream_raw_predict_aiplatform_projects_locations_endpointZmienia daneUtwórz nowy stream raw predict. Podsumowanie API: Perform a streaming online prediction with an arbitrary HTTP payload.
  • create_undeploy_modelZmienia daneUtwórz nowy undeploy model. Podsumowanie API: Undeploys a Model from an Endpoint, removing a DeployedModel from it, and freeing all resources it's using.
  • create_updateZmienia daneUtwórz nową aktualizację. Podsumowanie API: Updates an Endpoint with a long running operation.
  • create_waitZmienia daneUtwórz nowe oczekiwanie (wait). Podsumowanie API: Waits until the specified long-running operation is done or reaches at most a specified timeout, returning the latest state.
  • create_wait_aiplatform_projects_locations_endpoints_operations_wZmienia daneUtwórz nowe oczekiwanie (wait). Podsumowanie API: Waits until the specified long-running operation is done or reaches at most a specified timeout, returning the latest state.
  • create_wait_aiplatform_projects_locations_rag_corpora_rag_files_Zmienia daneUtwórz nowe oczekiwanie (wait). Podsumowanie API: Waits until the specified long-running operation is done or reaches at most a specified timeout, returning the latest state.
  • create_wait_aiplatform_projects_locations_tuning_jobs_operationsZmienia daneUtwórz nowe oczekiwanie (wait). Podsumowanie API: Waits until the specified long-running operation is done or reaches at most a specified timeout, returning the latest state.
  • delete_cached_contentUsuwaTrwałe usunięcie kontekstowego cache przez `cached_contents_id`.
  • delete_endpoint_operationUsuwaTrwale usuwa operację według operations id. Działanie destrukcyjne; może wymagać zatwierdzenia. Podsumowanie API: Deletes a long-running operation.
  • delete_endpoint_responseUsuwaTrwale usuń odpowiedź według responses id. Działanie destrukcyjne; może wymagać zatwierdzenia. Podsumowanie API: Deletes the response from the endpoint.
  • delete_location_endpointUsuwaTrwale usuń endpoint według endpoints id. Działanie destrukcyjne; może wymagać zatwierdzenia. Podsumowanie API: Deletes an Endpoint.
  • delete_location_projectPrzenosi środkiTrwale usuń projekt według batch prediction jobs id. Działanie finansowe lub nieodwracalne; może wymagać zatwierdzenia. Podsumowanie API: Deletes a BatchPredictionJob.
  • delete_location_rag_corporaUsuwaTrwale usuń rag corpora według rag corpora id. Działanie destrukcyjne; może wymagać zatwierdzenia. Podsumowanie API: Deletes a RagCorpus.
  • delete_project_operationUsuwaTrwale usuwa operację według operations id. Działanie destrukcyjne; może wymagać zatwierdzenia. Podsumowanie API: Deletes a long-running operation.
  • delete_rag_corpora_operationUsuwaTrwale usuwa operację według operations id. Działanie destrukcyjne; może wymagać zatwierdzenia. Podsumowanie API: Deletes a long-running operation.
  • delete_rag_fileUsuwaTrwale usuń jeden plik z korpusu RAG według `rag_corpora_id` i `rag_files_id`.
  • delete_rag_file_operationUsuwaTrwale usuwa operację według operations id. Działanie destrukcyjne; może wymagać zatwierdzenia. Podsumowanie API: Deletes a long-running operation.
  • delete_responseUsuwaTrwale usuń odpowiedź według responses id. Działanie destrukcyjne; może wymagać zatwierdzenia. Podsumowanie API: Deletes the response from the endpoint.
  • embed_contentZmienia daneUtwórz embedding tekstu za pomocą modelu embeddingowego Google. Przekazaj `publishers_id` (google), nazwę modelu w `models_id` oraz `content` z częściami tekstu; opcjonalne `task_type`.
  • generate_content_on_endpointZmienia daneWygeneruj odpowiedź z modelu wdrożonego na Twoim własnym endpoincie (na przykład dostrojonego modelu Gemini). Przekaż `endpoints_id` i `contents`; opcjonalnie `system_instruction` i `generation_config`.
  • get_batch_prediction_jobPobierz jedno zadanie predykcji wsadowej według `batch_prediction_jobs_id`, wraz z jego stanem i lokalizacją wyników.
  • get_cached_contentPobierz jeden kontekstowy cache przez `cached_contents_id`, w tym model i czas wygaśnięcia.
  • get_endpointPobierz jeden endpoint przez `endpoints_id`, w tym wdrożone modele i rozdział ruchu.
  • get_endpoint_operationPobierz jedną operację dla endpointa przez ID operacji. Podsumowanie API: Pobierz najnowszy stan długotrwałej operacji.
  • get_endpoint_predict_operationZmienia danePobierz jeden endpoint według endpoints id. Podsumowanie API: Fetch an asynchronous online prediction operation.
  • get_endpoint_responsePobierz jedną odpowiedź dla endpointa przez ID odpowiedzi. Podsumowanie API: Pobierz odpowiedź z endpointa.
  • get_location_project_aiplatform_projects_locations_batch_predictPobierz jeden projekt dla lokalizacji na podstawie ID zadań batch prediction. Podsumowanie API: Pobiera zadanie BatchPredictionJob.
  • get_model_predict_operationZmienia danePobierz jeden model według models id. Podsumowanie API: Fetch an asynchronous online prediction operation.
  • get_project_operationPobierz jedną operację dla projektu na podstawie jej ID. Podsumowanie API: Pobiera najnowszy stan długotrwałej operacji.
  • get_rag_corpusPobierz jeden korpus RAG według `rag_corpora_id`, wraz z jego statusem i ustawieniami.
  • get_rag_corpus_operationSprawdź postęp operacji korpusu RAG (np. importu plików) według `rag_corpora_id` i `operations_id`.
  • get_rag_filePobierz jeden plik w korpusie RAG według `rag_corpora_id` i `rag_files_id`.
  • get_rag_file_operationPobierz jedną operację dla pliku RAG na podstawie jej ID. Podsumowanie API: Pobiera najnowszy stan długotrwałej operacji.
  • get_responsePobierz odpowiedź na podstawie jej ID. Podsumowanie API: Pobiera odpowiedź z endpointa.
  • import_rag_filesZmienia daneImportuj pliki do korpusu RAG według `rag_corpora_id` z Cloud Storage, Google Drive, Slack, Jira lub SharePoint, ustawionych w `import_rag_files_config`. Zwraca operację do sprawdzenia za pomocą get_rag_corpus_operation.
  • list_batch_prediction_jobsWyświetl zadania predykcji wsadowej w projekcie, z opcjonalnym `filter`.
  • list_cached_contentsWyświetl cache kontekstu (zapisaną treść promptu używaną ponownie w żądaniach do Gemini) w projekcie.
  • list_endpointsWyświetl endpointy Vertex AI projektu (wdrożone modele), z opcjonalnymi `filter` i `order_by`.
  • list_rag_corporaWyświetl korpusy RAG projektu (kolekcje dokumentów używane do wyszukiwania).
  • list_rag_filesWyświetl pliki w korpusie RAG według `rag_corpora_id`.
  • predict_on_endpointZmienia daneUruchom predykcję online na modelu wdrożonym na Twoim endpoincie według `endpoints_id`, z `instances` i opcjonalnie `parameters`.
  • search_endpoint_operationsSzukaj operacji dla endpointa, filtrując po częściowym sukcesie lub określonych kryteriach. Użyj tego do znalezienia istniejących operacji przed utworzeniem nowej. Wyniki są paginowane. Podsumowanie API: Lista operacji pasujących do określonego filtra w żądaniu.
  • search_location_projects_aiplatform_projects_locations_batch_preWyszukaj projekty dla lokalizacji według read mask lub filtra. Użyj tego, aby znaleźć istniejące projekty przed utworzeniem nowego. Wyniki są podzielone na strony. Podsumowanie API: Lists BatchPredictionJobs in a Location.
  • search_project_operationsSzukaj operacji dla projektu na podstawie filtra lub częściowego sukcesu. Użyj tego do znalezienia istniejących operacji przed utworzeniem nowej. Wyniki są paginowane. Podsumowanie API: Lista operacji pasujących do określonego filtra w żądaniu.
  • search_rag_corpora_operationsSzukaj operacji dla korpusu RAG na podstawie częściowego sukcesu lub filtra. Użyj tego do znalezienia istniejących operacji przed utworzeniem nowej. Wyniki są paginowane. Podsumowanie API: Lista operacji pasujących do określonego filtra w żądaniu.
  • search_rag_file_operationsSzukaj operacji dla pliku RAG na podstawie filtra lub częściowego sukcesu. Użyj tego do znalezienia istniejących operacji przed utworzeniem nowej. Wyniki są paginowane. Podsumowanie API: Lista operacji pasujących do określonego filtra w żądaniu.
  • submit_endpoint_tokensUsuwaPolicz endpoint (endpoints id). Działanie destrukcyjne; może wymagać zatwierdzenia. Podsumowanie API: Perform a token counting.
  • update_deployed_model_invokeZmienia daneZaktualizuj istniejące invoke o identyfikatorze invoke id. Podsumowanie API: Forwards arbitrary HTTP requests for both streaming and non-streaming cases.
  • update_endpoint_invokeZmienia daneZaktualizuj istniejące invoke o identyfikatorze invoke id. Podsumowanie API: Forwards arbitrary HTTP requests for both streaming and non-streaming cases.
  • update_location_cached_contentZmienia daneZaktualizuj istniejącą zawartość cache zidentyfikowaną przez jej ID. Zmieniane są tylko pola, które przekazałeś. Podsumowanie API: Aktualizuje konfiguracje zawartości cache.
  • update_location_endpointZmienia daneZaktualizuj istniejący endpoint zidentyfikowany przez jego ID. Zmieniane są tylko pola, które przekazałeś. Podsumowanie API: Aktualizuje Endpoint.
  • update_location_rag_corporaZmienia daneZaktualizuj istniejące rag corpora o identyfikatorze rag corpora id. Zmieniane są tylko przekazane pola. Podsumowanie API: Updates a RagCorpus.
  • update_model_invokeZmienia daneZaktualizuj istniejące wywołanie zidentyfikowane przez jego ID. Podsumowanie API: Przekazuje dowolne żądania HTTP zarówno w trybie strumieniowym, jak i niestrumieniowym.

Konfiguracja w trzech krokach

  1. 1

    Wybierz aplikację

    Utwórz bezpłatne konto PipMCP i wybierz Google Vertex AI z listy aplikacji.

  2. 2

    Wklej klucz

    Wklej identyfikator klienta OAuth i klucz tajny klienta z własnego projektu Google Cloud, a także identyfikator projektu i region Vertex AI (na przykład us-central1), a następnie raz zaloguj się przez Google. W konsoli Google Cloud utwórz projekt z włączonymi płatnościami i włącz Vertex AI API. Skonfiguruj ekran zgody OAuth, a potem w sekcji Dane logowania utwórz identyfikator klienta OAuth typu Aplikacja internetowa z identyfikatorem URI przekierowania https://pipmcp.com/oauth/callback.

  3. 3

    Dodaj link do swojego asystenta AI

    Otrzymasz osobisty link MCP. Dodaj go do Claude, ChatGPT lub Cursor:

    1. Kliknij swoją nazwę, a następnie Ustawienia › Konektory › Dodaj niestandardowy konektor.
    2. Wklej swój link jako adres URL zdalnego serwera MCP.
    3. Włącz konektor w menu + na czacie.

Pytania

Co AI może robić w Google Vertex AI?

Może generować treści za pomocą Gemini i innych modeli Google, liczyć tokeny, tworzyć embeddingi i uruchamiać predykcje na wdrożonych endpointach. Może tworzyć korpusy RAG i zarządzać nimi oraz ich plikami, cache kontekstu, endpointami, zadaniami predykcji wsadowej i zadaniami tuningu, a także anulować je lub usuwać, jeśli włączysz te narzędzia.

Czy AI widzi moje dane uwierzytelniające Google Vertex AI?

Nie. Dane uwierzytelniające Google Vertex AI są szyfrowane w spoczynku i nigdy nie są pokazywane AI. Po zapisaniu nie są już wyświetlane, nawet Tobie. AI widzi tylko wyniki wywołanych narzędzi.

Czy mogę kontrolować, na co AI ma pozwolenie?

Tak. To Ty wybierasz, które narzędzia są włączone, więc możesz zacząć od generowania treści i odczytu zadań. Usunięcie korpusu RAG, cache lub endpointu jest trwałe, a anulowania lub usunięcia zadania predykcji wsadowej nie można cofnąć, dlatego takie działania mogą wymagać Twojej zgody przed wykonaniem. Każde wywołanie narzędzia jest rejestrowane.

Czy działa z ChatGPT?

Tak. W ChatGPT przejdź do Settings › Apps & Connectors › Advanced i włącz Developer mode, a następnie dodaj swój link PipMCP. Developer mode wymaga płatnego planu ChatGPT: Plus, Pro, Business lub Enterprise. Ten sam link działa też w Claude (Settings › Connectors › Add custom connector), Cursorze i innych klientach MCP.

Ile to kosztuje?

Google Vertex AI łączy się przez OAuth, a to połączenie OAuth wymaga planu PipMCP Pro. PipMCP ma też darmowy plan bez karty kredytowej, ale nie obejmuje on tego połączenia. Plany płatne rozliczane są za każde ukończone zadanie. Potrzebujesz też własnego projektu Google Cloud z włączonym Vertex AI API.

Którego projektu i regionu używa AI?

Używa identyfikatora projektu Google Cloud i regionu, które podasz podczas łączenia, na przykład us-central1 lub europe-west4. Modele, cache, korpusy i zadania są tworzone i odczytywane w tym projekcie i regionie, a całe użycie Vertex AI jest rozliczane na Twoje własne konto Google Cloud.

Pozwól swojej AI działać w Google Vertex AI już dziś.

Zacznij za darmo. Twój klucz pozostaje zaszyfrowany, a Ty decydujesz, co AI może robić.

Połącz Google Vertex AI za darmo

PipMCP nie jest powiązany z Google Vertex AI. Nazwy produktów są znakami towarowymi ich właścicieli.