Gå til indhold

Integration · Udviklerværktøjer

cloud.google.com

Forbind Claude og ChatGPT med Google Vertex AI

Lad din AI arbejde i dit eget Google Cloud-projekt i Vertex AI. Den kan sende prompts til Gemini og andre Google-modeller, tælle tokens før en forespørgsel, lave tekst-embeddings og køre forudsigelser på modeller, du har lagt ud på et endpoint. Den kan også oprette RAG-korpusser og importere filer til dem, styre context caches og følge batch prediction- og tuning-jobs.

Forbind Google Vertex AI gratis

Gratis plan uden kreditkort. Det tager cirka et minut.

Prøv at spørge

  • “Bed gemini-2.5-flash i vores projekt om at opsummere denne kontrakt.”

    AI'en sender teksten til modellen i dit Vertex AI-projekt og din region og viser modellens svar.

  • “Hvor mange tokens bruger denne prompt?”

    Den tæller tokens for den model, du nævner, før der bliver genereret noget.

  • “Lav en embedding af denne produktbeskrivelse.”

    Den laver en tekst-embedding med en af Googles embedding-modeller og returnerer vektoren.

Det kan din AI

Generering og embeddings

Send prompts til Gemini og andre Google-modeller, tæl tokens, lav embeddings, og kør forudsigelser på endpoints.

RAG-korpusser og cache

Opret RAG-korpusser, importer eller upload filer, se deres filer, og opret, ret eller slet context caches.

Jobs og endpoints

Se endpoints, læg modeller ud og tag dem ned igen, og opret, følg, annuller eller slet batch prediction- og tuning-jobs.

  • “Opret et RAG-korpus kaldet Supportdokumenter, og importer vores filer fra Cloud Storage.”

    Den opretter korpusset, starter en import af filerne og giver dig den operation, du kan følge.

  • “Hvilke context caches har vi, og hvornår udløber de?”

    Den viser projektets context caches med model og udløbstidspunkt.

  • “Er vores tuning-job færdigt?”

    Den viser tuning-jobs i projektet og læser status på det, du vælger.

92 værktøjer til Google Vertex AI

Værktøjerne er slået til, når du forbinder. Du kan slå dem fra enkeltvis eller kræve din godkendelse, før de kører.

  • cancel_operationSletterAnnullér en operation (operation-ID). Destructiv handling; kan kræve godkendelse. API oversigt: Starter asynchron annullering af en langvarig operation.
  • cancel_operation_aiplatform_projects_locations_endpoints_operatiSletterAnnullér en operation (operation-ID). Destructiv handling; kan kræve godkendelse. API oversigt: Starter asynchron annullering af en langvarig operation.
  • cancel_operation_aiplatform_projects_locations_tuning_jobs_operaSletterAnnullér en operation (operation-ID). Destructiv handling; kan kræve godkendelse. API oversigt: Starter asynchron annullering af en langvarig operation.
  • cancel_operation_cancelSletterAnnullér en operation (operation-ID). Destructiv handling; kan kræve godkendelse. API oversigt: Starter asynchron annullering af en langvarig operation.
  • cancel_projectSletterAnnullér et projekt (tuning jobs id). Destructive action; may require approval. API summary: Cancels a tuning job.
  • cancel_project_cancelFlytter pengeAnnullér et projekt (batch prediction jobs id). Financial or irreversible action; may require approval. API summary: Cancels a BatchPredictionJob.
  • count_tokensSletterTæl, hvor mange tokens en prompt bruger til en Google-model før den sendes. Overfør `publishers_id`, `models_id` og `contents`.
  • create_cached_contentÆndrer dataOpret en kontekst-cache til et Gemini model med `model`, `contents` og valgfrit `system_instruction`, plus en `ttl` eller `expire_time`. Caches er faktureret for lagring mens de eksisterer.
  • create_compactÆndrer dataOpret en ny kompakt. API summary: Forwards arbitrary HTTP requests for both streaming and non-streaming cases.
  • create_completionÆndrer dataOpret en ny completion. API summary: Exposes an OpenAI-compatible endpoint for chat completions.
  • create_completion_aiplatform_projects_locations_endpoints_openapÆndrer dataOpret en ny completion. API summary: Forwards arbitrary HTTP requests for both streaming and non-streaming cases.
  • create_compute_tokenSletterOpret en ny compute token. Destructive action; may require approval. API summary: Return a list of tokens based on the input text.
  • create_compute_token_aiplatform_projects_locations_endpoints_comSletterOpret en ny compute token. Destructive action; may require approval. API summary: Return a list of tokens based on the input text.
  • create_deploy_modelÆndrer dataOpret en ny deploy model. API summary: Deploys a Model into this Endpoint, creating a DeployedModel within it.
  • create_direct_predictÆndrer dataOpret en ny direct predict. API summary: Perform an unary online prediction request to a gRPC model server for Vertex first-party products and frameworks.
  • create_direct_raw_predictÆndrer dataOpret en ny direct raw predict. API summary: Perform an unary online prediction request to a gRPC model server for custom containers.
  • create_embeddingÆndrer dataOpret en ny embedding. API summary: Forwards arbitrary HTTP requests for both streaming and non-streaming cases.
  • create_explainÆndrer dataOpret en ny explain. API summary: Perform an online explanation.
  • create_generate_content_aiplatform_projects_locations_endpoints_Ændrer dataOpret en ny generate content. API summary: Generate content with multimodal inputs.
  • create_inferenceÆndrer dataOpret en ny inference. API summary: Forwards arbitrary HTTP requests for both streaming and non-streaming cases.
  • create_location_endpointÆndrer dataOpret en ny endpoint for et location. Søg efter endpoints først for at undgå duplikater. API summary: Creates an Endpoint.
  • create_location_projectÆndrer dataOpret et nyt projekt for en placering. Søg først efter projekter for at undgå duplikater. API-overblik: Opretter en justeringsopgave.
  • create_location_project_aiplatform_projects_locations_batch_predSynligt for andreOpret et nyt projekt for en placering. Søg først efter projekter for at undgå duplikater. Har effekter synlige uden for dette system. API-overblik: Opretter en BatchPredictionJob.
  • create_location_tuning_jobs_rebase_tuned_modelÆndrer dataOpret en ny justeringsopgave til at genbasse en justeret model for en placering. API-overblik: Genbasér en justeret model.
  • create_mutate_deployed_modelÆndrer dataOpret en ny mutation af en udleveret model. API-overblik: Opdaterer en eksisterende udleveret model.
  • create_predict_aiplatform_projects_locations_endpoints_predictÆndrer dataOpret en ny forudsigelse.
  • create_predict_long_runningÆndrer dataOpret en ny langvarig forudsigelse.
  • create_predict_long_running_aiplatform_projects_locations_endpoiÆndrer dataOpret en ny langvarig forudsigelse.
  • create_rag_corpora_document_aiplatform_projects_locations_rag_coÆndrer dataOpret et nyt dokument for et RAG-korpus. API-overblik: Importér filer fra Google Cloud Storage eller Google Drive i en RagCorpus.
  • create_rag_corpusÆndrer dataOpret et nyt RAG-korpus med en `display_name` og valgfrit `description`. Returnerer en langvarig operation.
  • create_raw_predictÆndrer dataOpret en ny rå forudsigelse. API-overblik: Udfør en online forudsigelse med en vilkårlig HTTP-belastning.
  • create_raw_predict_aiplatform_projects_locations_endpoints_raw_pÆndrer dataOpret en ny rå forudsigelse. API-overblik: Udfør en online forudsigelse med en vilkårlig HTTP-belastning.
  • create_responseÆndrer dataOpret et nyt svar. API-overblik: Omdirigerer vilkårlige HTTP-anmodninger til både streaming- og ikke-streaming-scenarier.
  • create_response_aiplatform_projects_locations_endpoints_openapi_Ændrer dataOpret et nyt svar. API-overblik: Omdirigerer vilkårlige HTTP-anmodninger til både streaming- og ikke-streaming-scenarier.
  • create_server_streaming_predictÆndrer dataOpret en ny server-side streaming forudsigelse. API-overblik: Udfør en server-side streaming online forudsigselsanmodning til Vertex LLM streaming.
  • create_server_streaming_predict_aiplatform_projects_locations_enÆndrer dataOpret en ny server-side streaming forudsigelse. API-overblik: Udfør en server-side streaming online forudsigselsanmodning til Vertex LLM streaming.
  • create_stream_generate_contentÆndrer dataOpret en ny stream-generering af indhold. API-overblik: Generér indhold med multimodale inputter med understøttelse af streaming.
  • create_stream_generate_content_aiplatform_projects_locations_endÆndrer dataOpret en ny stream-generering af indhold. API-overblik: Generér indhold med multimodale inputter med understøttelse af streaming.
  • create_stream_raw_predictÆndrer dataOpret en ny stream-rå forudsigelse. API-overblik: Udfør en streaming online forudsigelse med en vilkårlig HTTP-belastning.
  • create_stream_raw_predict_aiplatform_projects_locations_endpointÆndrer dataOpret en ny stream-rå forudsigelse. API-overblik: Udfør en streaming online forudsigelse med en vilkårlig HTTP-belastning.
  • create_undeploy_modelÆndrer dataOpret en ny udskaffet model. API-overblik: Udskaffer en Model fra et Endpoint, fjerner en DeployedModel fra den og frigiver alle ressourcer den bruger.
  • create_updateÆndrer dataOpret en ny opdatering. API-overblik: Opdaterer et Endpoint med en langvarig operation.
  • create_waitÆndrer dataOpret en ny vent. API-overblik: Venter, indtil den specifikke langvarige operation er færdig eller når den når højst en angivet tidsgrænse, og returnerer den seneste tilstand.
  • create_wait_aiplatform_projects_locations_endpoints_operations_wÆndrer dataOpret en ny vent. API-overblik: Venter, indtil den specifikke langvarige operation er færdig eller når den når højst en angivet tidsgrænse, og returnerer den seneste tilstand.
  • create_wait_aiplatform_projects_locations_rag_corpora_rag_files_Ændrer dataOpret en ny vent. API-overblik: Venter, indtil den specifikke langvarige operation er færdig eller når den når højst en angivet tidsgrænse, og returnerer den seneste tilstand.
  • create_wait_aiplatform_projects_locations_tuning_jobs_operationsÆndrer dataOpret en ny vent. API-overblik: Venter, indtil den specifikke langvarige operation er færdig eller når den når højst en angivet tidsgrænse, og returnerer den seneste tilstand.
  • delete_cached_contentSletterSlet permanent en kontekstcache ved `cached_contents_id`.
  • delete_endpoint_operationSletterSlet permanent en operation ved operations id. Destructive action; may require approval. API summary: Deletes a long-running operation.
  • delete_endpoint_responseSletterSlet permanent en svar ved responses id. Destructiv handling; kan kræve godkendelse. API-overblik: Sletter svaret fra endpointet.
  • delete_location_endpointSletterSlet permanent et endpoint ved endpoints id. Destructiv handling; kan kræve godkendelse. API-overblik: Sletter et Endpoint.
  • delete_location_projectFlytter pengeSlet permanent et projekt ved batch prediction jobs id. Finansiell eller ireversibel handling; kan kræve godkendelse. API-overblik: Sletter en BatchPredictionJob.
  • delete_location_rag_corporaSletterSlet permanent en RAG korpus ved rag corpora id. Destructiv handling; kan kræve godkendelse. API-overblik: Sletter en RagCorpus.
  • delete_project_operationSletterSlet permanent en operation ved operations id. Destructive action; may require approval. API summary: Deletes a long-running operation.
  • delete_rag_corpora_operationSletterSlet permanent en operation ved operations id. Destructive action; may require approval. API summary: Deletes a long-running operation.
  • delete_rag_fileSletterFjern permanent én fil fra en RAG korpus ved `rag_corpora_id` og `rag_files_id`.
  • delete_rag_file_operationSletterSlet permanent en operation ved operations id. Destructive action; may require approval. API summary: Deletes a long-running operation.
  • delete_responseSletterSlet permanent et svar ved responses id. Destructiv handling; kan kræve godkendelse. API-overblik: Sletter svaret fra endpointet.
  • embed_contentÆndrer dataOpret et tekst-embedding med et Google embedding model. Brug `publishers_id` (google), modellens navn i `models_id` og `content` med tekstdelene; valgfrit `task_type`.
  • generate_content_on_endpointÆndrer dataGenerer et svar fra et model der er deployet på dit eget endpoint (f.eks. en justeret Gemini model). Brug `endpoints_id` og `contents`; valgfrit `system_instruction` og `generation_config`.
  • get_batch_prediction_jobHent én batch prediction job ved `batch_prediction_jobs_id`, inklusive dens tilstand og outputplads.
  • get_cached_contentHent én kontekstcache ved `cached_contents_id`, inklusive dens model og udløbstid.
  • get_endpointHent ét endpoint ved `endpoints_id`, inklusive de udskaffede modeller og trafikfordeling.
  • get_endpoint_operationHent én operation for et endpoint ved operations id. API-overblik: Henter den seneste tilstand af en langvarig operation.
  • get_endpoint_predict_operationÆndrer dataHent ét endpoint ved endpoints id. API-overblik: Henter en asynkron online-prediktionsoperation.
  • get_endpoint_responseHent et svar for et endpoint ved responses id. API-overblik: Henter svaret fra endpointet.
  • get_location_project_aiplatform_projects_locations_batch_predictHent et projekt for en placering ved batch prediction jobs id. API-overblik: Henter en BatchPredictionJob.
  • get_model_predict_operationÆndrer dataHent én model ved models id. API-overblik: Henter en asynkron online-prediktionsoperation.
  • get_project_operationHent én operation for et projekt ved operations id. API-overblik: Henter den seneste tilstand af en langvarig operation.
  • get_rag_corpusHent én RAG korpus ved `rag_corpora_id`, inklusive dens status og indstillinger.
  • get_rag_corpus_operationTjek fremskridtet med en RAG korpus-operation (f.eks. filimport) ved `rag_corpora_id` og `operations_id`.
  • get_rag_fileHent én fil i en RAG korpus ved `rag_corpora_id` og `rag_files_id`.
  • get_rag_file_operationHent én operation for en rag fil ved operations id. API-overblik: Henter den seneste tilstand af en langvarig operation.
  • get_responseHent et svar ved responses id. API-overblik: Henter svaret fra endpointet.
  • import_rag_filesÆndrer dataImportér filer i et RAG-korpus via `rag_corpora_id` fra Cloud Storage, Google Drive, Slack, Jira eller SharePoint, indstillet i `import_rag_files_config`. Returnerer en operation til kontrol med get_rag_corpus_operation.
  • list_batch_prediction_jobsVis batch-forudsigsjob i projektet, med et valgfrit `filter`.
  • list_cached_contentsVis liste kontekst-cache (gempe prompt-indhold genbrugt over Gemini-anmodninger) i projektet.
  • list_endpointsVis projekts Vertex AI-endpoints (udførte modeller), med valgfrie `filter` og `order_by`.
  • list_rag_corporaVis projekts RAG-korpus (dokumentsamlinger brugt til opslag).
  • list_rag_filesVis filer i et RAG-korpus ved hjælp af `rag_corpora_id`.
  • predict_on_endpointÆndrer dataKør en online forudsigelse på en model, der er udleveret til din endpoint via `endpoints_id`, med `instances` og valgfrit `parameters`.
  • search_endpoint_operationsSøg efter operationer for en endpoint baseret på delvis succes eller filtre. Brug dette til at finde eksisterende operationer før du opretter en ny. Resultaterne er pagineret. API-overblik: Lister operationer, der matcher det angivne filter i anmodningen.
  • search_location_projects_aiplatform_projects_locations_batch_preSøg efter projekter for en placning baseret på læsemask eller filter. Brug dette til at finde eksisterende projekter før du opretter et nyt. Resultaterne er pagineret. API-overblik: Lister BatchPredictionJobs i en placning.
  • search_project_operationsSøg efter operationer for et projekt baseret på filtre eller delvis succes. Brug dette til at finde eksisterende operationer før du opretter en ny. Resultaterne er pagineret. API-overblik: Lister operationer, der matcher det angivne filter i anmodningen.
  • search_rag_corpora_operationsSøg efter operationer for et RAG-korpus baseret på delvis succes eller filtre. Brug dette til at finde eksisterende operationer før du opretter en ny. Resultaterne er pagineret. API-overblik: Lister operationer, der matcher det angivne filter i anmodningen.
  • search_rag_file_operationsSøg efter operationer for et RAG-fil baseret på filtre eller delvis succes. Brug dette til at finde eksisterende operationer før du opretter en ny. Resultaterne er pagineret. API-overblik: Lister operationer, der matcher det angivne filter i anmodningen.
  • submit_endpoint_tokensSletterTæl en endpoint (endpoints id). Destructive handling; kan kræve godkendelse. API-overblik: Udfør et token-tælling.
  • update_deployed_model_invokeÆndrer dataOpdater en eksisterende invocation identificeret ved invocations-id. API-overblik: Fremskriver vilkårlige HTTP-anmodninger for både streaming- og ikke-streaming-fald.
  • update_endpoint_invokeÆndrer dataOpdater en eksisterende invocation identificeret ved invocations-id. API-overblik: Fremskriver vilkårlige HTTP-anmodninger for både streaming- og ikke-streaming-fald.
  • update_location_cached_contentÆndrer dataOpdater en eksisteret gempe indhold identificeret ved gempe-indholds-id. Kun feltene, du overfører, ændres. API-overblik: Opdaterer konfigurationer af gempe indhold.
  • update_location_endpointÆndrer dataOpdater en eksisterende endpoint identificeret ved endpoints-id. Kun feltene, du overfører, ændres. API-overblik: Opdaterer en Endpoint.
  • update_location_rag_corporaÆndrer dataOpdater en eksisterende RAG-korpus identificeret ved korpus-id. Kun feltene, du overfører, ændres. API-overblik: Opdaterer et RagCorpus.
  • update_model_invokeÆndrer dataOpdater en eksisterende invocation identificeret ved invocations-id. API-overblik: Fremskriver vilkårlige HTTP-anmodninger for både streaming- og ikke-streaming-scenarier.

Klar i tre trin

  1. 1

    Vælg systemet

    Opret en gratis HeyMyApps-konto, og vælg Google Vertex AI på listen.

  2. 2

    Indsæt din nøgle

    Indsæt OAuth client ID og client secret fra dit eget Google Cloud-projekt samt projekt-ID og Vertex AI-region (for eksempel us-central1), og log derefter ind med Google én gang. I Google Cloud console opretter du et projekt med fakturering og slår Vertex AI API til. Sæt OAuth consent screen op, og opret under Credentials et OAuth client ID af typen Web application med redirect-URI'en https://heymyapps.com/oauth/callback.

  3. 3

    Tilføj linket i din AI

    Du får et personligt MCP-link. Tilføj det i Claude, ChatGPT eller Cursor:

    1. Klik på dit navn, og vælg Settings › Connectors › Add custom connector.
    2. Indsæt dit link som Remote MCP server URL.
    3. Slå det til fra +-menuen i en chat.

Spørgsmål

Hvad kan AI'en gøre i Google Vertex AI?

Den kan generere indhold med Gemini og andre Google-modeller, tælle tokens, lave embeddings og køre forudsigelser på endpoints. Den kan oprette og styre RAG-korpusser og deres filer, context caches, endpoints, batch prediction-jobs og tuning-jobs, og annullere eller slette dem, hvis du slår de værktøjer til.

Kan AI'en se mine Google Vertex AI-oplysninger?

Nej. Dine Google Vertex AI-oplysninger gemmes krypteret og vises aldrig for AI'en. Når du har gemt dem, bliver de ikke vist igen, heller ikke for dig. AI'en ser kun resultaterne af de værktøjer, den bruger.

Kan jeg styre, hvad AI'en må?

Ja. Du vælger, hvilke værktøjer der er slået til, så du kan starte med at generere indhold og læse jobs. Sletning af et RAG-korpus, en cache eller et endpoint er permanent, og et annulleret eller slettet batch prediction-job kan ikke gøres om. Derfor kan de handlinger kræve din godkendelse, før de udføres, og alle kald bliver logget.

Virker det med ChatGPT?

Ja. I ChatGPT går du til Settings › Apps & Connectors › Advanced og slår Developer mode til. Derefter tilføjer du dit HeyMyApps-link. Developer mode kræver et betalt ChatGPT-abonnement: Plus, Pro, Business eller Enterprise. Samme link virker også i Claude (Settings › Connectors › Add custom connector), Cursor og andre MCP-klienter.

Hvad koster det?

Google Vertex AI forbindes med OAuth, og denne OAuth-forbindelse kræver HeyMyApps Pro. HeyMyApps har også en gratis plan uden betalingskort, men den dækker ikke denne forbindelse. På de betalte planer betaler du pr. gennemført opgave. Du skal også selv have et Google Cloud-projekt med Vertex AI API slået til.

Hvilket projekt og hvilken region bruger AI'en?

Den bruger det Google Cloud-projekt-ID og den region, du angiver, når du forbinder, for eksempel us-central1 eller europe-west4. Modeller, caches, korpusser og jobs bliver oprettet og læst i det projekt og den region, og al brug af Vertex AI afregnes på din egen Google Cloud-konto.

Lignende integrationer

Lad din AI arbejde i Google Vertex AI i dag.

Kom gratis i gang. Din nøgle gemmes krypteret, og du bestemmer, hvad AI’en må.

Forbind Google Vertex AI gratis

HeyMyApps er ikke tilknyttet Google Vertex AI. Produktnavne tilhører deres respektive ejere.