昨天我們已經學會如何在 Azure AI Foundry 中透過程式呼叫模型 API。今天換到 Google Cloud Vertex AI，體驗如何透過 API 與 Google 的 GenAI 模型互動。

1️⃣ 為什麼要用 Vertex AI API？

和 Azure 一樣，Playground 方便用來測試，但實務上：

我們需要把 AI 整合到系統或服務

自動化內容生成或數據處理

串接資料庫與應用（BigQuery、Dataflow、App Engine）

👉 API 呼叫就是實戰專案的必備工具。

2️⃣ 啟用與設定

登入 Google Cloud Console

確認已啟用 Vertex AI API

建立或使用現有的 服務帳號 (Service Account)

下載 金鑰檔 (JSON key file)，用於程式呼叫驗證

3️⃣ API 呼叫範例（Python）

以下用 Python 呼叫 Gemini Pro 模型的範例：

from google.cloud import aiplatform

# 初始化 Vertex AI
aiplatform.init(project="YOUR_PROJECT_ID", location="us-central1")

# 指定模型
model = aiplatform.ChatModel.from_pretrained("chat-bison@001")

# 建立 Chat Session
chat = model.start_chat()

# 呼叫模型
response = chat.send_message("請幫我寫一封會議邀請信")

print(response.text)

👉 記得先安裝套件：

pip install google-cloud-aiplatform

4️⃣ API 呼叫流程圖

使用者輸入需求

程式透過 Service Account 驗證

呼叫 Vertex AI 模型（Gemini / PaLM / Imagen）

API 返回生成結果

系統整合結果（例如顯示在 App 或報表）

5️⃣ 延伸思考

Vertex AI 的 API 適合搭配 BigQuery，能直接對資料進行自然語言查詢

也能和 Google Workspace API（Docs、Sheets、Gmail） 整合，形成智慧辦公流程

相比 Azure，Google 給了更多 模型選擇與調整空間

小結

今天我們完成了 第一次程式呼叫 GCP Vertex AI，正式打通了 Google 平台的 GenAI 應用。
到這裡，無論是 Azure 還是 GCP，我們都已經能從 Playground 操作邁向 實際應用開發 🚀

接下來（Day 8），我們會做一個 Azure vs GCP API 使用體驗比較，幫助大家更清楚判斷在專案中應該選哪一個平台。