google-cloud-vertex

name: google-cloud-vertex description: >- Use Google Cloud Vertex AI and the Gemini API for text generation, embeddings, multimodal inputs, model tuning, and deployment via Python SDK. Use when "vertex ai", "gemini api", "google cloud ai", "embeddings vertex", "imagen", "gemini model", "google ai studio", "vertex deploy". metadata: openclaw: emoji: "\U0001F48E" requires: env: - GOOGLE_API_KEY_RICK_UMBRAL - GOOGLE_CLOUD_PROJECT_RICK_UMBRAL

Google Cloud / Vertex AI Skill

Generar texto, embeddings e imágenes con Gemini y Vertex AI, tanto desde Google AI Studio (API key) como desde Vertex AI (proyecto GCP).

Requisitos

Instalación

pip install google-genai google-cloud-aiplatform
gcloud auth application-default login
gcloud config set project $GOOGLE_CLOUD_PROJECT_RICK_UMBRAL

Nota: google-cloud-aiplatform será deprecado en mayo 2026. Google recomienda migrar a google-genai.

1. Google AI Studio — Gemini con API key

La forma más rápida de usar Gemini. No requiere proyecto GCP.

from google import genai

client = genai.Client(api_key=GOOGLE_API_KEY)

response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents="Explicá qué es Vertex AI en 3 líneas.",
)
print(response.text)

Streaming

for chunk in client.models.generate_content_stream(
    model="gemini-2.5-flash",
    contents="Escribí un poema sobre la nube.",
):
    print(chunk.text, end="")

2. Vertex AI — Gemini con proyecto GCP

Para uso enterprise con IAM, VPC, logging y billing por proyecto.

from google import genai

client = genai.Client(
    vertexai=True,
    project="mi-proyecto",
    location="us-central1",
)

response = client.models.generate_content(
    model="gemini-2.5-pro",
    contents="Analizá este dataset de ventas.",
)
print(response.text)

SDK Legacy (google-cloud-aiplatform)

import vertexai
from vertexai.generative_models import GenerativeModel

vertexai.init(project="mi-proyecto", location="us-central1")
model = GenerativeModel("gemini-2.5-pro")
response = model.generate_content("Tu prompt aquí")
print(response.text)

3. Embeddings

Con google-genai

result = client.models.embed_content(
    model="gemini-embedding-001",
    contents="Texto a embeddear",
)
vector = result.embeddings[0].values  # list[float], hasta 3072 dims

Con Vertex AI SDK legacy

from vertexai.language_models import TextEmbeddingModel

model = TextEmbeddingModel.from_pretrained("text-embedding-005")
embeddings = model.get_embeddings(["Texto a embeddear"])
vector = embeddings[0].values  # 768 dims

Modelos de embedding disponibles

4. Multimodal — Imagen + Texto

import PIL.Image

img = PIL.Image.open("plano.png")
response = client.models.generate_content(
    model="gemini-2.5-pro",
    contents=[img, "Describí qué ves en esta imagen."],
)
print(response.text)

5. Imagen — Generación de imágenes

Task del Worker relacionada: google.image.generate

from vertexai.preview.vision_models import ImageGenerationModel

model = ImageGenerationModel.from_pretrained("imagen-3.0-generate-002")
images = model.generate_images(
    prompt="Logo minimalista de un agente AI",
    number_of_images=1,
    aspect_ratio="1:1",
)
images[0].save("logo.png")

6. gcloud CLI — Comandos útiles

gcloud ai models list --region=us-central1
gcloud ai endpoints list --region=us-central1
gcloud ai endpoints predict ENDPOINT_ID --region=us-central1 --json-request=input.json
gcloud services enable aiplatform.googleapis.com

Modelos Gemini disponibles

Notas

• Rick ya tiene GOOGLE_API_KEY_RICK_UMBRAL y GOOGLE_CLOUD_PROJECT_RICK_UMBRAL configurados.
• AI Studio es para prototyping rápido; Vertex AI es para producción con controles enterprise.
• El alias gemini_vertex en llm.generate de Rick enruta automáticamente a Vertex AI.
• Docs: https://cloud.google.com/vertex-ai/docs | https://ai.google.dev/gemini-api/docs