| 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":"💎","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
| Variable | Descripción |
|---|
GOOGLE_API_KEY_RICK_UMBRAL | API key de Google AI Studio |
GOOGLE_CLOUD_PROJECT_RICK_UMBRAL | Proyecto GCP para Vertex AI |
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
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
Modelos de embedding disponibles
| Modelo | Dims | Notas |
|---|
gemini-embedding-001 | 3072 | State-of-the-art, multilingüe |
text-embedding-005 | 768 | Inglés/código |
text-multilingual-embedding-002 | 768 | Multilingüe |
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
| Modelo | Caso de uso |
|---|
gemini-2.5-pro | Razonamiento complejo, coding |
gemini-2.5-flash | Rápido y barato, tareas simples |
gemini-2.5-flash-lite | Ultra-rápido, latencia mínima |
Notas
