Skip to main content
Open In ColabOpen on GitHub

ChatVertexAI

本页面概述了如何开始使用 VertexAI 聊天模型。如需了解所有 ChatVertexAI 功能和配置的详细文档，请访问 API 参考。

ChatVertexAI 暴露了 Google Cloud 中提供的所有基础模型，例如 gemini-1.5-pro、gemini-1.5-flash 等。如需可用模型列表的完整且最新更新，请访问 VertexAI 文档。

Google Cloud VertexAI vs Google PaLM

Google Cloud VertexAI 集成独立于 Google PaLM 集成。Google 选择通过 GCP 提供 PaLM 的企业版，并且此版本支持通过此处提供的模型。

概览​

集成详情​

类包本地可序列化JS 支持包下载量包最新版本
ChatVertexAIlangchain-google-vertexai❌beta✅PyPI - DownloadsPyPI - Version

模型功能​

工具调用结构化输出JSON 模式图像输入音频输入视频输入Token 级流式输出原生异步Token 使用量跟踪Logprobs
✅✅❌✅✅✅✅✅✅❌

设置​

要访问 VertexAI 模型，您需要创建一个 Google Cloud Platform 账户，设置凭据，并安装 langchain-google-vertexai 集成包。

凭据​

要使用该集成，您必须：

  • 为您的环境配置凭据（gcloud、工作负载身份等）
  • 将指向服务账户 JSON 文件的路径存储在 GOOGLE_APPLICATION_CREDENTIALS 环境变量中

此代码库使用 google.auth 库，该库首先查找上述应用程序凭据变量，然后查找系统级别的身份验证。

更多信息，请参阅：

如需启用模型调用的自动化跟踪，请设置您的 LangSmith API 密钥：

# os.environ["LANGSMITH_API_KEY"] = getpass.getpass("Enter your LangSmith API key: ")
# os.environ["LANGSMITH_TRACING"] = "true"

安装​

LangChain VertexAI 集成位于 langchain-google-vertexai 包中：

%pip install -qU langchain-google-vertexai
Note: you may need to restart the kernel to use updated packages.

实例化​

现在我们可以实例化我们的模型对象并生成聊天补全：

from langchain_google_vertexai import ChatVertexAI

llm = ChatVertexAI(
    model="gemini-1.5-flash-001",
    temperature=0,
    max_tokens=None,
    max_retries=6,
    stop=None,
    # other params...
)
API Reference:ChatVertexAI

调用​

messages = [
    (
        "system",
        "You are a helpful assistant that translates English to French. Translate the user sentence.",
    ),
    ("human", "I love programming."),
]
ai_msg = llm.invoke(messages)
ai_msg
AIMessage(content="J'adore programmer. \n", response_metadata={'is_blocked': False, 'safety_ratings': [{'category': 'HARM_CATEGORY_HATE_SPEECH', 'probability_label': 'NEGLIGIBLE', 'blocked': False}, {'category': 'HARM_CATEGORY_DANGEROUS_CONTENT', 'probability_label': 'NEGLIGIBLE', 'blocked': False}, {'category': 'HARM_CATEGORY_HARASSMENT', 'probability_label': 'NEGLIGIBLE', 'blocked': False}, {'category': 'HARM_CATEGORY_SEXUALLY_EXPLICIT', 'probability_label': 'NEGLIGIBLE', 'blocked': False}], 'usage_metadata': {'prompt_token_count': 20, 'candidates_token_count': 7, 'total_token_count': 27}}, id='run-7032733c-d05c-4f0c-a17a-6c575fdd1ae0-0', usage_metadata={'input_tokens': 20, 'output_tokens': 7, 'total_tokens': 27})
print(ai_msg.content)
J'adore programmer.

内置工具​

Gemini 支持一系列在服务器端执行的工具。

Google 搜索​

需要 langchain-google-vertexai>=2.0.11

Gemini 可以执行 Google 搜索，并使用搜索结果来巩固其响应：

from langchain_google_vertexai import ChatVertexAI

llm = ChatVertexAI(model="gemini-2.0-flash-001").bind_tools([{"google_search": {}}])

response = llm.invoke("What is today's news?")
API Reference:ChatVertexAI

代码执行​

需要 langchain-google-vertexai>=2.0.25

Gemini 可以生成和执行 Python 代码：

from langchain_google_vertexai import ChatVertexAI

llm = ChatVertexAI(model="gemini-2.0-flash-001").bind_tools([{"code_execution": {}}])

response = llm.invoke("What is 3^3?")
API Reference:ChatVertexAI

链式调用​

我们可以像这样将模型与提示模板进行链式调用：

from langchain_core.prompts import ChatPromptTemplate

prompt = ChatPromptTemplate.from_messages(
    [
        (
            "system",
            "You are a helpful assistant that translates {input_language} to {output_language}.",
        ),
        ("human", "{input}"),
    ]
)

chain = prompt | llm
chain.invoke(
    {
        "input_language": "English",
        "output_language": "German",
        "input": "I love programming.",
    }
)
API Reference:ChatPromptTemplate
AIMessage(content='Ich liebe Programmieren. \n', response_metadata={'is_blocked': False, 'safety_ratings': [{'category': 'HARM_CATEGORY_HATE_SPEECH', 'probability_label': 'NEGLIGIBLE', 'blocked': False}, {'category': 'HARM_CATEGORY_DANGEROUS_CONTENT', 'probability_label': 'NEGLIGIBLE', 'blocked': False}, {'category': 'HARM_CATEGORY_HARASSMENT', 'probability_label': 'NEGLIGIBLE', 'blocked': False}, {'category': 'HARM_CATEGORY_SEXUALLY_EXPLICIT', 'probability_label': 'NEGLIGIBLE', 'blocked': False}], 'usage_metadata': {'prompt_token_count': 15, 'candidates_token_count': 8, 'total_token_count': 23}}, id='run-c71955fd-8dc1-422b-88a7-853accf4811b-0', usage_metadata={'input_tokens': 15, 'output_tokens': 8, 'total_tokens': 23})

API 参考​

如需了解 ChatVertexAI 所有功能和配置的详细文档，例如如何发送多模态输入和配置安全设置，请前往 API 参考：https://python.langchain.com/api_reference/google_vertexai/chat_models/langchain_google_vertexai.chat_models.ChatVertexAI.html