本頁面的部分或所有資訊可能不適用於 S3NS 的 Cloud de Confiance。詳情請參閱「與 Google Cloud 的差異」。

Google 會運用 AI 技術將內容翻譯成你偏好的語言，但可能會出錯。

記錄及分享要求和回覆

Gemini Enterprise Agent Platform 可記錄 Gemini 和支援的合作夥伴模型要求和回覆樣本。記錄會儲存至 BigQuery 資料表，方便查看及分析。此外，Agent Platform 可與特定 MaaS 合作夥伴共用特定進階 AI 模型的請求/回覆記錄，協助您履行對這些 MaaS 合作夥伴的義務。

本頁面說明如何設定基礎模型和微調模型的要求/回覆記錄。

支援的記錄 API 方法

所有使用 generateContent 或 streamGenerateContent 的 Gemini 模型都支援要求/回應記錄。

此外，也支援下列使用 rawPredict 或 streamrawPredict 的合作夥伴模型：

Anthropic Claude

基礎模型的要求/回覆記錄

您可以使用 REST API 或 Python SDK，設定基礎模型的請求/回覆記錄。記錄設定可能需要幾分鐘才會生效。

啟用要求/回覆記錄功能

選取下列其中一個分頁標籤，查看如何為基礎模型啟用要求/回應記錄。

Anthropic 模型僅支援透過 REST 設定記錄。如要透過 REST API 啟用記錄設定，請將發布者設為 anthropic，並將模型名稱設為支援的 Claude 模型之一。

Python SDK

這個方法可用於建立或更新PublisherModelConfig。

# Specify the preview version of GenerativeModel
import vertexai
from vertexai.preview.generative_models import(
    GenerativeModel,
    )

PROJECT_ID = "PROJECT_ID"
LOCATION = "LOCATION"

vertexai.init(project=PROJECT_ID, location=LOCATION)

publisher_model = GenerativeModel("gemini-2.5-flash")

# Set logging configuration
publisher_model.set_request_response_logging_config(
    enabled=True,
    sampling_rate=1.0,
    bigquery_destination="bq://PROJECT_ID.DATASET_NAME.TABLE_NAME",
    enable_otel_logging=True
    )

REST API

使用 setPublisherModelConfig 建立或更新 PublisherModelConfig：

使用任何要求資料之前，請先修改下列項目的值：

ENDPOINT_PREFIX：模型資源的區域，後面加上 -。例如：us-central1-。如果使用全域端點，請留空。模型支援的所有區域都支援要求-回應記錄。
PROJECT_ID：專案 ID。
LOCATION：模型資源的區域。如果使用全域端點，請輸入 global。
PUBLISHER：發布者名稱。例如：google。
MODEL：基礎模型名稱。例如：gemini-2.0-flash-001。
SAMPLING_RATE：如要降低儲存空間費用，您可以設定 0 到 1 之間的數字，定義要記錄的要求比例。舉例來說，如果值為 1，系統會記錄所有要求；如果值為 0.1，則會記錄 10% 的要求。
BQ_URI：用於記錄的 BigQuery 資料表 URI。例如：bq://PROJECT_ID.DATASET_NAME.TABLE_NAME。如果使用全域端點 (LOCATION 設為 global)，則必須指定現有的 BigQuery 資料集，例如 bq://PROJECT_ID.DATASET_NAME 或 bq://PROJECT_ID.DATASET_NAME.TABLE_NAME。如果您使用區域端點，且僅指定專案 ID (bq://PROJECT_ID)，系統會建立名為 publishers_PUBLISHER_models_MODEL_ENDPOINT_ID 的資料集，其中 PUBLISHER 和 MODEL 遵循 BigQuery 命名規則。如未指定資料表名稱，系統會建立名為 request_response_logging 的資料表。

HTTP 方法和網址：

POST https://ENDPOINT_PREFIXaiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/PUBLISHER/models/MODEL:setPublisherModelConfig

JSON 要求內文：

{
  "publisherModelConfig": {
     "loggingConfig": {
       "enabled": true,
       "samplingRate": SAMPLING_RATE,
       "bigqueryDestination": {
         "outputUri": "bq://BQ_URI"
       },
       "enableOtelLogging": true
     }
   }
 }

如要傳送要求，請選擇以下其中一個選項：

curl

注意：下列指令假設您已執行 gcloud init 或 gcloud auth login 透過使用者帳戶登入 gcloud CLI，或是使用 Cloud Shell 自動登入 gcloud CLI。您可以執行 gcloud auth list，查看目前使用的帳戶。

將要求主體儲存在名為 request.json 的檔案中，然後執行下列指令：

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://ENDPOINT_PREFIXaiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/PUBLISHER/models/MODEL:setPublisherModelConfig"

PowerShell

注意：下列指令假設您已執行 gcloud init 或 gcloud auth login，透過使用者帳戶登入 gcloud CLI。您可以執行 gcloud auth list，查看目前使用的帳戶。

將要求主體儲存在名為 request.json 的檔案中，然後執行下列指令：

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://ENDPOINT_PREFIXaiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/PUBLISHER/models/MODEL:setPublisherModelConfig" | Select-Object -Expand Content

您應該會收到如下的 JSON 回覆：

回應

{
  "name": "projects/PROJECT_ID/locations/LOCATION/operations/OPERATION_ID",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.aiplatform.v1beta1.SetPublisherModelConfigOperationMetadata",
    "genericMetadata": {
      "createTime": "2025-03-11T22:42:54.283184Z",
      "updateTime": "2025-03-11T22:42:54.283184Z"
    }
  }
}

取得記錄設定

使用 REST API 取得基礎模型的「要求-回應」記錄設定。

REST API

使用 fetchPublisherModelConfig 取得要求/回應記錄設定：

使用任何要求資料之前，請先修改下列項目的值：

PROJECT_ID：專案 ID。
LOCATION：模型資源的位置。
PUBLISHER：發布者名稱。例如：google。
MODEL：基礎模型名稱。例如：gemini-2.0-flash-001。

HTTP 方法和網址：

GET https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/PUBLISHER/models/MODEL:fetchPublisherModelConfig

如要傳送要求，請選擇以下其中一個選項：

curl

執行下列指令：

curl -X GET \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     "https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/PUBLISHER/models/MODEL:fetchPublisherModelConfig"

PowerShell

注意：下列指令假設您已執行 gcloud init 或 gcloud auth login，透過使用者帳戶登入 gcloud CLI。您可以執行 gcloud auth list，查看目前使用的帳戶。

執行下列指令：

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method GET `
    -Headers $headers `
    -Uri "https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/PUBLISHER/models/MODEL:fetchPublisherModelConfig" | Select-Object -Expand Content

您應該會收到如下的 JSON 回覆：

回應

{
  "loggingConfig": {
    "enabled": true,
    "samplingRate": 1,
    "bigqueryDestination": {
      "outputUri": "bq://output-uri"
    },
    "enableOtelLogging": true
  }
}

停用記錄

使用 REST API 或 Python SDK，停用基礎模型的請求/回覆記錄功能。

Python SDK

# Specify the preview version of GenerativeModel
import vertexai
from vertexai.preview.generative_models import(
    GenerativeModel,
    )

PROJECT_ID = "PROJECT_ID"
LOCATION = "LOCATION"

vertexai.init(project=PROJECT_ID, location=LOCATION)

publisher_model = GenerativeModel("gemini-2.5-flash")

# Disable logging
publisher_model.set_request_response_logging_config(
    enabled=False,
    sampling_rate=1.0,
    bigquery_destination="bq://PROJECT_ID.DATASET_NAME.TABLE_NAME"
    )

REST API

使用 setPublisherModelConfig 停用記錄功能：

使用任何要求資料之前，請先修改下列項目的值：

PROJECT_ID：專案 ID。
LOCATION：模型資源的位置。
PUBLISHER：發布者名稱。例如：google。
MODEL：基礎模型名稱。例如：gemini-2.0-flash-001。

HTTP 方法和網址：

POST https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/PUBLISHER/models/MODEL:setPublisherModelConfig

JSON 要求內文：

{
  "publisherModelConfig": {
     "loggingConfig": {
       "enabled": false
     }
  }
}

如要傳送要求，請選擇以下其中一個選項：

curl

將要求主體儲存在名為 request.json 的檔案中，然後執行下列指令：

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/PUBLISHER/models/MODEL:setPublisherModelConfig"

PowerShell

注意：下列指令假設您已執行 gcloud init 或 gcloud auth login，透過使用者帳戶登入 gcloud CLI。您可以執行 gcloud auth list，查看目前使用的帳戶。

將要求主體儲存在名為 request.json 的檔案中，然後執行下列指令：

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/PUBLISHER/models/MODEL:setPublisherModelConfig" | Select-Object -Expand Content

您應該會收到如下的 JSON 回覆：

回應

{
  "name": "projects/PROJECT_ID/locations/LOCATION/operations/OPERATION_ID",
  "metadata": {
    "@type": "type.googleapis.com/google.cloud.aiplatform.v1beta1.SetPublisherModelConfigOperationMetadata",
    "genericMetadata": {
      "createTime": "2025-03-11T22:42:54.283184Z",
      "updateTime": "2025-03-11T22:42:54.283184Z"
    }
  }
}

微調模型的要求/回覆記錄

您可以使用 REST API 或 Python SDK，為微調模型設定要求/回應記錄。

啟用要求/回覆記錄

選取下列其中一個分頁標籤，查看如何為微調模型啟用要求/回應記錄。

Python SDK

這個方法可用於更新端點的要求/回應記錄設定。

# Specify the preview version of GenerativeModel
import vertexai
from vertexai.preview.generative_models import(
    GenerativeModel,
    )

PROJECT_ID = "PROJECT_ID"
LOCATION = "LOCATION"

vertexai.init(project=PROJECT_ID, location=LOCATION)

tuned_model = GenerativeModel(f"projects/{PROJECT_ID}/locations/{LOCATION}/endpoints/ENDPOINT_ID")

# Set logging configuration
tuned_model.set_request_response_logging_config(
    enabled=True,
    sampling_rate=1.0,
    bigquery_destination=f"bq://{PROJECT_ID}.DATASET_NAME.TABLE_NAME",
    enable_otel_logging=True,
    )

REST API

只有在使用 projects.locations.endpoints.create 建立端點，或使用 projects.locations.endpoints.patch 修補現有端點時，才能啟用要求/回應記錄功能。

要求和回應會在端點層級記錄，因此傳送至相同端點下任何已部署模型的要求都會記錄。

建立或修補端點時，請在端點資源的 predictRequestResponseLoggingConfig 欄位填入下列項目：

enabled：設為 True，啟用要求/回應記錄功能。
samplingRate：如要降低儲存空間費用，您可以設定 0 到 1 之間的數字，定義要記錄的要求比例。舉例來說，如果值為 1，系統會記錄所有要求；如果值為 0.1，則會記錄 10% 的要求。
BigQueryDestination：用於記錄的 BigQuery 資料表。如果只指定專案 ID，系統會建立名為 ENDPOINT_DISPLAYNAMEENDPOINT_ID 的資料集，其中 ENDPOINT_DISPLAY_NAME 遵循 BigQuery 命名規則。如未指定資料表名稱，系統會建立名稱為 request_response_logging 的資料表。
enableOtelLogging：設為 true，除了預設的要求/回應記錄，還會啟用 OpenTelemetry (OTEL) 記錄。

如要查看 BigQuery 資料表結構定義，請參閱「Logging 資料表結構定義」。

以下是設定範例：

{
  "predictRequestResponseLoggingConfig": {
    "enabled": true,
    "samplingRate": 0.5,
    "bigqueryDestination": {
      "outputUri": "bq://PROJECT_ID.DATASET_NAME.TABLE_NAME"
    },
    "enableOtelLogging": true
  }
}

取得記錄設定

使用 REST API，取得微調模型的請求/回覆記錄設定。

REST API

使用任何要求資料之前，請先修改下列項目的值：

PROJECT_ID：專案 ID。
LOCATION：端點資源的位置。
MODEL：基礎模型名稱。例如：gemini-2.0-flash-001。
ENDPOINT_ID：端點 ID。

HTTP 方法和網址：

GET https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/endpoints/ENDPOINT_ID

如要傳送要求，請選擇以下其中一個選項：

curl

執行下列指令：

curl -X GET \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     "https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/endpoints/ENDPOINT_ID"

PowerShell

注意：下列指令假設您已執行 gcloud init 或 gcloud auth login，透過使用者帳戶登入 gcloud CLI。您可以執行 gcloud auth list，查看目前使用的帳戶。

執行下列指令：

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method GET `
    -Headers $headers `
    -Uri "https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/endpoints/ENDPOINT_ID" | Select-Object -Expand Content

您應該會收到如下的 JSON 回覆：

回應

{
  "loggingConfig": {
    "enabled": true,
    "samplingRate": 1,
    "bigqueryDestination": {
      "outputUri": "bq://output-uri"
    },
    "enableOtelLogging": true
  }
}

停用記錄設定

停用端點的要求/回應記錄設定。

Python SDK

# Specify the preview version of GenerativeModel
import vertexai
from vertexai.preview.generative_models import(
    GenerativeModel,
    )

PROJECT_ID = "PROJECT_ID"
LOCATION = "LOCATION"

vertexai.init(project=PROJECT_ID, location=LOCATION)

tuned_model = GenerativeModel(f"projects/{PROJECT_ID}/locations/{LOCATION}/endpoints/ENDPOINT_ID")

# Disable logging
tuned_model.set_request_response_logging_config(
    enabled=False,
    sampling_rate=1.0,
    bigquery_destination="bq://PROJECT_ID.DATASET_NAME.TABLE_NAME"
    )

REST API

{
"predictRequestResponseLoggingConfig": {
  "enabled": false
}
}

記錄資料表結構定義

在 BigQuery 中，系統會使用下列結構定義記錄：

欄位名稱	類型	附註
endpoint	STRING	部署調整後模型的端點資源名稱。
deployed_model_id	STRING	部署至端點的調整後模型 ID。
logging_time	TIMESTAMP	執行記錄的時間。這大約是傳回回應的時間。
request_id	NUMERIC	根據 API 要求自動生成的整數要求 ID。
request_payload	STRING	用於記錄合作夥伴模型，以及與 Agent Platform 端點要求/回覆記錄的回溯相容性。
response_payload	STRING	用於記錄合作夥伴模型，以及與 Agent Platform 端點要求/回覆記錄的回溯相容性。
模型	STRING	模型資源名稱。
model_version	STRING	模型版本。Gemini 模型的這個值通常是「default」。
api_method	STRING	generateContent、streamGenerateContent、rawPredict、streamRawPredict
full_request	JSON	完整的`GenerateContentRequest`。
full_response	JSON	完整的`GenerateContentResponse`。
中繼資料	JSON	呼叫的任何中繼資料，包含要求延遲時間。
otel_log	JSON	OpenTelemetry 結構定義格式的記錄。只有在記錄設定中啟用 `otel_logging` 時，才能使用這項功能。

請注意，如果要求/回應組合超過 BigQuery Write API 的 10 MB 資料列限制，系統就不會記錄。

針對特定進階 AI 模型，部分 MaaS 合作夥伴會要求以防竄改的方式，與其信任與安全團隊分享提示和回覆記錄，以便監控潛在的濫用行為。舉例來說，使用 Anthropic Advanced AI 時，須遵守 Anthropic《服務專屬條款》的 F 節規定。dataSharingEnabledProvider 功能啟用期間，系統會根據《進階 AI 安全附加條款》，即時與 MaaS 合作夥伴共用記錄的要求和回覆。

如要啟用防竄改要求/回應記錄共用功能，請使用 setPublisherModelConfig API，詳情請參閱下列各節。

下表列出支援分享要求和回覆的 MaaS 合作夥伴和模型：

支援的 MaaS 合作夥伴	支援的模型
Anthropic	Claude Mythos 預先發布版 Claude Mythos 5 Google Cloud 上的 Anthropic Claude Fable 5

MaaS 合作夥伴和模型必須相符。要求和回覆記錄只能與發布模型的 MaaS 合作夥伴共用。

Google 必須先取得這項專案的《進階 AI 安全性附加條款》同意聲明，才能啟用資料共用功能。如要進一步瞭解附加條款，請參閱「進階 AI 安全性」。

您不需要為 BigQuery 啟用要求/回應記錄功能，即可使用要求/回應記錄共用功能。

根據預設，受 VPC Service Controls 保護的專案無法與 MaaS 合作夥伴共用資料。不支援設定 VPC Service Controls 輸出規則。如要為受 VPC Service Controls 保護的專案啟用資料共用功能，請提交客服案件。

請執行下列步驟：

REST API

使用任何要求資料之前，請先修改下列項目的值：

ENDPOINT_PREFIX：模型端點位置的適當前置字串。請使用下列值：
- 如果是 global 端點，請使用 aiplatform。
- 如果是 us 或 eu 等多區域端點，請使用 aiplatform.LOCATION.rep
- 如果是 us-central1 等區域端點，請使用 LOCATION-aiplatform。
PROJECT_ID：專案 ID。
LOCATION：模型端點的位置。例如：global、us、eu 或 us-central1。
PUBLISHER：模型發布者的名稱，以小寫表示。例如：anthropic。
MODEL：基礎模型名稱。例如：claude-fable-5。
MAAS_PARTNER：模型發布商名稱，以大寫表示。MaaS 合作夥伴必須是上述 MODEL 的大寫版本。例如：ANTHROPIC。

HTTP 方法和網址：

POST https://ENDPOINT_PREFIX.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/PUBLISHER/models/MODEL:setPublisherModelConfig

JSON 要求內文：

{
  "publisherModelConfig": {
    "dataSharingEnabledProvider": "ANTHROPIC"
  }
}

如要傳送要求，請選擇以下其中一個選項：

curl

將要求主體儲存在名為 request.json 的檔案中，然後執行下列指令：

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://ENDPOINT_PREFIX.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/PUBLISHER/models/MODEL:setPublisherModelConfig"

PowerShell

注意：下列指令假設您已執行 gcloud init 或 gcloud auth login，透過使用者帳戶登入 gcloud CLI。您可以執行 gcloud auth list，查看目前使用的帳戶。

將要求主體儲存在名為 request.json 的檔案中，然後執行下列指令：

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://ENDPOINT_PREFIX.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/PUBLISHER/models/MODEL:setPublisherModelConfig" | Select-Object -Expand Content

您應該會收到執行成功的狀態碼 (2xx) 和空白回應。

請執行下列步驟：

REST API

使用任何要求資料之前，請先修改下列項目的值：

ENDPOINT_PREFIX：模型端點位置的適當前置字串。請使用下列值：
- 如果是 global 端點，請使用 aiplatform。
- 如果是 us 或 eu 等多區域端點，請使用 aiplatform.LOCATION.rep
- 如果是 us-central1 等區域端點，請使用 LOCATION-aiplatform。
PROJECT_ID：專案 ID。
LOCATION：模型端點的位置。例如：global、us、eu 或 us-central1。
PUBLISHER：模型發布者的名稱，以小寫表示。例如：anthropic。
MODEL：基礎模型名稱。例如：claude-fable-5。

HTTP 方法和網址：

GET https://ENDPOINT_PREFIX.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/PUBLISHER/models/MODEL:fetchPublisherModelConfig

如要傳送要求，請選擇以下其中一個選項：

curl

執行下列指令：

curl -X GET \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     "https://ENDPOINT_PREFIX.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/PUBLISHER/models/MODEL:fetchPublisherModelConfig"

PowerShell

注意：下列指令假設您已執行 gcloud init 或 gcloud auth login，透過使用者帳戶登入 gcloud CLI。您可以執行 gcloud auth list，查看目前使用的帳戶。

執行下列指令：

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method GET `
    -Headers $headers `
    -Uri "https://ENDPOINT_PREFIX.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/PUBLISHER/models/MODEL:fetchPublisherModelConfig" | Select-Object -Expand Content

您應該會收到如下的 JSON 回覆：

{
  "loggingConfig": {},
  "dataSharingEnabledProvider": "ANTHROPIC"
}

請執行下列步驟：

REST API

使用任何要求資料之前，請先修改下列項目的值：

ENDPOINT_PREFIX：模型端點位置的適當前置字串。請使用下列值：
- 如果是 global 端點，請使用 aiplatform。
- 如果是 us 或 eu 等多區域端點，請使用 aiplatform.LOCATION.rep
- 如果是 us-central1 等區域端點，請使用 LOCATION-aiplatform。
PROJECT_ID：專案 ID。
LOCATION：模型端點的位置。例如：global、us、eu 或 us-central1。
PUBLISHER：模型發布者的名稱，以小寫表示。例如：anthropic。
MODEL：基礎模型名稱。例如：claude-fable-5。

HTTP 方法和網址：

POST https://ENDPOINT_PREFIX.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/PUBLISHER/models/MODEL:setPublisherModelConfig

JSON 要求內文：

{
  "publisherModelConfig": {
    "dataSharingEnabledProvider": "MODEL_PROVIDER_UNSPECIFIED"
  }
}

如要傳送要求，請選擇以下其中一個選項：

curl

將要求主體儲存在名為 request.json 的檔案中，然後執行下列指令：

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://ENDPOINT_PREFIX.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/PUBLISHER/models/MODEL:setPublisherModelConfig"

PowerShell

注意：下列指令假設您已執行 gcloud init 或 gcloud auth login，透過使用者帳戶登入 gcloud CLI。您可以執行 gcloud auth list，查看目前使用的帳戶。

將要求主體儲存在名為 request.json 的檔案中，然後執行下列指令：

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://ENDPOINT_PREFIX.googleapis.com/v1beta1/projects/PROJECT_ID/locations/LOCATION/publishers/PUBLISHER/models/MODEL:setPublisherModelConfig" | Select-Object -Expand Content

您應該會收到執行成功的狀態碼 (2xx) 和空白回應。

如要避免與 MaaS 合作夥伴共用要求和回應記錄，專案管理員可以採取下列任一做法：

強制執行組織政策服務自訂限制：在 aiplatform.googleapis.com/Endpoint 上建立並強制執行組織政策服務自訂限制，禁止為任何合作夥伴模型供應商設定 dataSharingEnabledProvider。詳情請參閱「強制執行自訂限制，防止資料共用」。
建立 VPC Service Controls 範圍：建立 VPC Service Controls service perimeter，其中包含專案和 aiplatform.googleapis.com 做為受限制的服務。根據預設，受 VPC Service Controls 保護的專案無法與合作夥伴模型共用資料。
停用 Model Garden 模型的存取權：停用支援資料共用的 Model Garden 模型存取權。
強制執行最小權限：限制 aiplatform.endpoints.setPublisherModelConfig 權限，防止未經授權的使用者啟用記錄或記錄共用功能。

強制執行自訂限制，防止資料共用

如要建立並強制執行組織政策服務自訂限制，禁止與合作夥伴模型供應商共用要求和回應記錄，請按照下列步驟操作：

建立自訂限制 YAML 檔案，並命名為 prevent_data_sharing.yaml，類似於下列範例。

name: organizations/ORGANIZATION_ID/customConstraints/custom.denyPartnerModelDataSharing
resourceTypes:

- aiplatform.googleapis.com/Endpoint
methodTypes:

- CREATE
- UPDATE
condition: "has(resource.publisherModelConfig.dataSharingEnabledProvider)"
actionType: DENY
displayName: Prevent partner model data sharing
description: Prohibits enabling request and response log sharing with any partner model provider.

將 ORGANIZATION_ID 替換為您的 Cloud de Confiance 組織 ID。

使用 gcloud org-policies 指令建立自訂限制：

gcloud org-policies set-custom-constraint prevent_data_sharing.yaml

建立組織政策強制執行檔案，強制執行政策。檔案名稱為 enforce_policy.yaml，類似於以下範例：

name: organizations/ORGANIZATION_ID/policies/custom.denyPartnerModelDataSharing
spec:
  rules:

  - enforce: true

套用組織政策：

gcloud org-policies set-policy enforce_policy.yaml

後續步驟

預估線上預測記錄的價格。
使用 Cloud de Confiance 控制台或使用 Agent Platform API 部署模型。
瞭解如何建立 BigQuery 資料表。
如要進一步瞭解要求回應記錄的相關政策，請參閱下列文章：
- 瞭解負責任的 AI 技術
- 監控濫用情形
- 零資料保留

記錄及分享要求和回覆

支援的記錄 API 方法

基礎模型的要求/回覆記錄

啟用要求/回覆記錄功能

Python SDK

REST API

curl

PowerShell

回應

取得記錄設定

REST API

curl

PowerShell

回應

停用記錄

Python SDK

REST API

curl

PowerShell

回應

微調模型的要求/回覆記錄

啟用要求/回覆記錄

Python SDK

REST API

取得記錄設定

REST API

curl

PowerShell

回應

停用記錄設定

Python SDK

REST API

記錄資料表結構定義

與 MaaS 合作夥伴分享要求和回應

支援的模型

必要條件

限制

啟用資料共用功能

REST API

curl

PowerShell

取得共用設定

REST API

curl

PowerShell

停用資料共用功能

REST API

curl

PowerShell

禁止資料共用要求

強制執行自訂限制，防止資料共用

後續步驟