Vorhersagen mit Claude-Modellen anfordern

Sie können das SDK von Anthropic oder curl-Befehle verwenden, um Anfragen mit den folgenden Modellnamen an den Endpunkt der Gemini Enterprise Agent Platform zu senden:

  • Verwenden Sie für Claude Sonnet 5.5 in Google Cloud claude-sonnet-5-5.
  • Für Claude Fable 5.1 in Google Cloud verwenden Sie claude-fable-5-1.
  • Verwenden Sie für Claude Sonnet 5 in Google Cloud claude-sonnet-5.
  • Verwenden Sie für Claude Opus 5.5 in Google Cloud claude-opus-5-5.
  • Für Claude Opus 5 in Google Cloud verwenden Sie claude-opus-5.
  • Für Claude Fable 5 in Google Cloud verwenden Sie claude-fable-5.
  • Für Claude Opus 4.8 in Google Cloud verwenden Sie claude-opus-4-8.
  • Für Claude Opus 4.7 in Google Cloud verwenden Sie claude-opus-4-7.
  • Für Claude Opus 4.6 in Google Cloud verwenden Sie claude-opus-4-6.
  • Für Claude Sonnet 4.6 in Google Cloud verwenden Sie claude-sonnet-4-6.
  • Verwenden Sie für Claude Opus 4.5 in Google Cloud claude-opus-4-5.
  • Verwenden Sie für Claude Opus 4.1 in Google Cloud claude-opus-4-1.
  • Für Claude Opus 4 in Google Cloud verwenden Sie claude-opus-4.
  • Verwenden Sie für Claude Sonnet 4.5 in Google Cloud claude-sonnet-4-5.
  • Für Claude Sonnet 4 in Google Cloud verwenden Sie claude-sonnet-4.
  • Für Claude 3.7 Sonnet in Google Cloud verwenden Sie claude-3-7-sonnet.
  • Für Claude 3.5 Sonnet v2 in Google Cloud verwenden Sie claude-3-5-sonnet-v2.
  • Für Claude Haiku 5.5 in Google Cloud verwenden Sie claude-haiku-5-5.
  • Für Claude Haiku 4.5 in Google Cloud verwenden Sie claude-haiku-4-5.
  • Für Claude 3.5 Haiku in Google Cloud verwenden Sie claude-3-5-haiku.
  • Für Claude 3.5 Sonnet in Google Cloud verwenden Sie claude-3-5-sonnet.
  • Für Claude 3 Opus in Google Cloud verwenden Sie claude-3-opus.
  • Für Claude 3 Haiku in Google Cloud verwenden Sie claude-3-haiku.

Hinweis

Anthropic setzt Richtlinien durch, die bestimmten Resellern den Weiterverkauf ihrer Produkte untersagen. Wenn Ihr Cloud de Confiance by S3NS Abrechnungskonto von einem unzulässigen Reseller verwaltet wird, können Sie die Nutzungsbedingungen nicht akzeptieren und keine Claude-Modelle aktivieren. Wenden Sie sich in diesem Fall bitte direkt an Ihren Reseller.

Wenn Sie die Anthropic Claude-Modelle mit der Gemini Enterprise Agent Platform verwenden möchten, müssen Sie die folgenden Schritte ausführen. Die Agent Platform API (aiplatform.googleapis.com) muss aktiviert sein, um die Gemini Enterprise Agent Platform nutzen zu können. Wenn Sie bereits ein Projekt mit aktivierter Agent Platform API haben, können Sie dieses Projekt verwenden, anstatt ein neues Projekt zu erstellen.

Sie müssen die erforderlichen Berechtigungen zum Aktivieren und Verwenden von Partnermodellen haben. Weitere Informationen finden Sie unter Erforderliche Berechtigungen erteilen.

  1. In the Cloud de Confiance console, on the project selector page, select or create a Cloud de Confiance project.

    Roles required to select or create a project

    • Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
    • Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

    Go to project selector

  2. Verify that billing is enabled for your Cloud de Confiance project.

  3. Enable the Gemini Enterprise Agent Platform API, if it is not already enabled.

    Roles required to enable APIs

    To enable APIs, you need the serviceusage.services.enable permission. If you created the project, then you likely already have this permission through the Owner role (roles/owner). Otherwise, you can get this permission through the Service Usage Admin role (roles/serviceusage.serviceUsageAdmin). Learn how to grant roles.

    Enable the API

  4. Rufen Sie eine der folgenden Model Garden-Modellkarten auf und klicken Sie auf Aktivieren:

Anthropic empfiehlt, das 30-Tage-Logging Ihrer Prompt- und Vervollständigungsaktivitäten zu aktivieren, um jeglichen Missbrauch des Modells aufzuzeichnen. Informationen zum Aktivieren des Loggings finden Sie unter Anfragen und Antworten protokollieren.

Anthropic SDK verwenden

Sie können API-Anfragen an die Anthropic Claude-Modelle mit dem Anthropic Claude SDK senden. Weitere Informationen finden Sie unter:

Mit dem Anthropic Vertex SDK einen Streaming-Aufruf an ein Claude-Modell senden

Im folgenden Codebeispiel wird das Anthropic Vertex SDK verwendet, um einen Streaming-Aufruf an ein Claude-Modell zu senden.

Python

Informationen zur Installation des Vertex AI SDK for Python finden Sie unter Vertex AI SDK for Python installieren. Weitere Informationen finden Sie in der Referenzdokumentation zur Python API.

Im folgenden Beispiel werden regionale Endpunkte verwendet. Informationen zur Verwendung des multiregionalen oder globalen Endpunkts finden Sie unter Multiregionalen Endpunkt angeben oder Globalen Endpunkt angeben. 
# TODO(developer): Vertex AI SDK - uncomment below & run
# pip3 install --upgrade --user google-cloud-aiplatform
# gcloud auth application-default login
# pip3 install -U 'anthropic[vertex]'

# TODO(developer): Update and un-comment below line
# PROJECT_ID = "your-project-id"

from anthropic import AnthropicVertex

client = AnthropicVertex(project_id=PROJECT_ID, region="us-east5")
result = []

with client.messages.stream(
    model="claude-3-5-sonnet-v2@20241022",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": "Send me a recipe for banana bread.",
        }
    ],
) as stream:
    for text in stream.text_stream:
        print(text, end="", flush=True)
        result.append(text)

# Example response:
# Here's a simple recipe for delicious banana bread:
# Ingredients:
# - 2-3 ripe bananas, mashed
# - 1/3 cup melted butter
# ...
# ...
# 8. Bake for 50-60 minutes, or until a toothpick inserted into the center comes out clean.
# 9. Let cool in the pan for a few minutes, then remove and cool completely on a wire rack.

Mit dem Anthropic Vertex SDK einen unären Aufruf an ein Claude-Modell senden

Im folgenden Codebeispiel wird das Anthropic Vertex SDK verwendet, um einen unären Aufruf an ein Claude-Modell zu senden.

Python

Informationen zur Installation des Vertex AI SDK for Python finden Sie unter Vertex AI SDK for Python installieren. Weitere Informationen finden Sie in der Referenzdokumentation zur Python API.

Im folgenden Beispiel werden regionale Endpunkte verwendet. Informationen zur Verwendung des multiregionalen oder globalen Endpunkts finden Sie unter Multiregionalen Endpunkt angeben oder Globalen Endpunkt angeben. 
# TODO(developer): Vertex AI SDK - uncomment below & run
# pip3 install --upgrade --user google-cloud-aiplatform
# gcloud auth application-default login
# pip3 install -U 'anthropic[vertex]'

# TODO(developer): Update and un-comment below line
# PROJECT_ID = "your-project-id"

from anthropic import AnthropicVertex

client = AnthropicVertex(project_id=PROJECT_ID, region="us-east5")
message = client.messages.create(
    model="claude-3-5-sonnet-v2@20241022",
    max_tokens=1024,
    messages=[
        {
            "role": "user",
            "content": "Send me a recipe for banana bread.",
        }
    ],
)
print(message.model_dump_json(indent=2))
# Example response:
# {
#   "id": "msg_vrtx_0162rhgehxa9rvJM5BSVLZ9j",
#   "content": [
#     {
#       "text": "Here's a simple recipe for delicious banana bread:\n\nIngredients:\n- 2-3 ripe bananas...
#   ...

curl-Befehl verwenden

Sie können einen curl-Befehl verwenden, um eine Anfrage an den Endpunkt der Gemini Enterprise Agent Platform zu senden. Mit dem curl-Befehl wird angegeben, welches unterstützte Claude-Modell Sie verwenden möchten.

Im folgenden Thema wird beschrieben, wie Sie einen curl-Befehl erstellen. Außerdem ist ein Beispiel für einen curl-Befehl enthalten.

REST

Senden Sie zum Testen eines Text-Prompts mit der Agent Platform API eine POST-Anfrage an den Endpunkt des Publisher-Modells.

Im folgenden Beispiel werden regionale Endpunkte verwendet. Informationen zur Verwendung des multiregionalen oder globalen Endpunkts finden Sie unter Multiregionalen Endpunkt angeben oder Globalen Endpunkt angeben.

Ersetzen Sie diese Werte in den folgenden Anfragedaten:

  • LOCATION: Eine Region, die Anthropic Claude-Modelle unterstützt. Informationen zur Verwendung des globalen Endpunkts finden Sie unter Globalen Endpunkt angeben.
  • MODEL: Der Modellname, den Sie verwenden möchten.
  • ROLE: Die einer Nachricht zugeordnete Rolle. Sie können user oder assistant angeben. Für die erste Nachricht muss die Rolle user verwendet werden. Claude-Modelle arbeiten mit abwechselnden user- und assistant-Runden. Wenn die endgültige Nachricht die Rolle assistant verwendet, wird der Antwortinhalt direkt vom Inhalt dieser Nachricht aus fortgesetzt. Damit können Sie einen Teil der Antwort des Modells einschränken.
  • STREAM ist ein boolescher Wert, mit dem angegeben wird, ob die Antwort gestreamt wird oder nicht. Streamen Sie Ihre Antwort, um die vom Endnutzer wahrgenommene Latenz zu reduzieren. Legen Sie true fest, um die Antwort zu streamen, und false, um die Antwort auf einmal zurückzugeben.
  • CONTENT: Der Inhalt, z. B. Text der user- oder assistant-Nachricht.
  • MAX_TOKENS: Maximale Anzahl an Tokens, die in der Antwort generiert werden können. Ein Token besteht aus etwa 3,5 Zeichen. 100 Tokens entsprechen etwa 60–80 Wörtern.

    Geben Sie kürzere Werte für kürzere Antworten und höhere Werte für längere Antworten an.

  • TOP_P (Optional): Der Wert „Top-P“ ändert, wie das Modell Tokens für die Ausgabe auswählt. Tokens werden vom wahrscheinlichsten bis zum am wenigsten wahrscheinlichen Token ausgewählt, bis die Summe ihrer Wahrscheinlichkeiten dem Wert von „Top-P“ entspricht. Beispiel: Wenn die Tokens A, B und C eine Wahrscheinlichkeit von 0,3, 0,2 und 0,1 haben und der „Top-P“-Wert 0.5 ist, wählt das Modell anhand der Temperatur entweder A oder B als das nächste Token und C als Kandidaten ausschließen.

    Geben Sie einen niedrigeren Wert für weniger zufällige Antworten und einen höheren Wert für zufälligere Antworten an.

  • TOP_K (Optional): Der Wert „Top-K“ ändert, wie das Modell Tokens für die Ausgabe auswählt. Ein „Top-K“ von 1 bedeutet, dass das nächste ausgewählte Token unter den Tokens im Modell-Vokabular (auch als gierige Decodierung bezeichnet) am wahrscheinlichsten ist, während ein „Top-K“ von3 bedeutet, dass das nächste Token mithilfe der Temperatur aus den drei wahrscheinlichsten Tokens ausgewählt wird.

    Für jeden Tokenauswahlschritt werden die „Top-K“-Tokens mit den höchsten Wahrscheinlichkeiten stichprobenartig erfasst. Anschließend werden Tokens weiter auf der Grundlage von „Top-P“ gefiltert, wobei das endgültige Token mithilfe von Temperaturproben ausgewählt wird.

    Geben Sie einen niedrigeren Wert für weniger zufällige Antworten und einen höheren Wert für zufälligere Antworten an.

  • TYPE: Für Claude 3.7 Sonnet in Google Cloud und spätere Claude-Modelle geben Sie enabled an, um den erweiterten Denkmodus zu aktivieren.
  • BUDGET_TOKENS: Wenn Sie die erweiterte Denkweise aktivieren, müssen Sie die Anzahl der Tokens angeben, die das Modell für seine interne Argumentation als Teil der Ausgabe verwenden kann. Größere Budgets ermöglichen eine gründlichere Analyse komplexer Probleme und verbessern die Qualität der Antworten. Sie müssen einen Wert angeben, der größer oder gleich 1024, aber kleiner als MAX_TOKENS ist.

HTTP-Methode und URL: 

POST https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/anthropic/models/MODEL:streamRawPredict

JSON-Text der Anfrage:

{
  "anthropic_version": "vertex-2023-10-16",
  "messages": [
   {
    "role": "ROLE",
    "content": "CONTENT"
   }],
  "max_tokens": MAX_TOKENS,
  "stream": STREAM,
  "thinking": {
    "type": "TYPE",
    "budget_tokens": BUDGET_TOKENS
  }
}

Wenn Sie die Anfrage senden möchten, wählen Sie eine der folgenden Optionen aus:

curl

Speichern Sie den Anfragetext in einer Datei mit dem Namen request.json und führen Sie den folgenden Befehl aus: 

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/v1/projects/PROJECT_ID/locations/LOCATION/publishers/anthropic/models/MODEL:streamRawPredict"

PowerShell

Speichern Sie den Anfragetext in einer Datei mit dem Namen request.json und führen Sie den folgenden Befehl aus: 

$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/v1/projects/PROJECT_ID/locations/LOCATION/publishers/anthropic/models/MODEL:streamRawPredict" | Select-Object -Expand Content

Sie sollten eine JSON-Antwort ähnlich wie diese erhalten:

Beispiel: cURL-Befehls

MODEL_ID="MODEL"
LOCATION="us-central1"
PROJECT_ID="PROJECT_ID"

curl \
-X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json" \
https://${LOCATION}-aiplatform.googleapis.com/v1/projects/${PROJECT_ID}/locations/${LOCATION}/publishers/anthropic/models/${MODEL_ID}:streamRawPredict -d \
'{
  "anthropic_version": "vertex-2023-10-16",
  "messages": [{
    "role": "user",
    "content": "Hello!"
  }],
  "max_tokens": 50,
  "stream": true}'

Toolnutzung (Funktionsaufrufe)

Die Anthropic Claude-Modelle unterstützen Tools und Funktionsaufrufe, um die Funktionen eines Modells zu verbessern. Weitere Informationen finden Sie in der Anthropic-Dokumentation unter Tool Use Overview (Übersicht zur Verwendung von Tools). Claude-Modelle auf der Gemini Enterprise Agent Platform unterstützen Client-Tools, aber keine Server-Tools.

Die folgenden Beispiele zeigen, wie Sie Tools mit einem SDK oder einem curl-Befehl verwenden. In den Beispielen wird nach Restaurants in der Nähe in San Francisco gesucht, die geöffnet sind.

Python

Informationen zur Installation des Vertex AI SDK for Python finden Sie unter Vertex AI SDK for Python installieren. Weitere Informationen finden Sie in der Referenzdokumentation zur Python API.

Im folgenden Beispiel werden regionale Endpunkte verwendet. Informationen zur Verwendung des multiregionalen oder globalen Endpunkts finden Sie unter Multiregionalen Endpunkt angeben oder Globalen Endpunkt angeben. 
# TODO(developer): Vertex AI SDK - uncomment below & run
# pip3 install --upgrade --user google-cloud-aiplatform
# gcloud auth application-default login
# pip3 install -U 'anthropic[vertex]'
from anthropic import AnthropicVertex

# TODO(developer): Update and un-comment below line
# PROJECT_ID = "your-project-id"

client = AnthropicVertex(project_id=PROJECT_ID, region="us-east5")
message = client.messages.create(
    model="claude-3-5-sonnet-v2@20241022",
    max_tokens=1024,
    tools=[
        {
            "name": "text_search_places_api",
            "description": "returns information about a set of places based on a string",
            "input_schema": {
                "type": "object",
                "properties": {
                    "textQuery": {
                        "type": "string",
                        "description": "The text string on which to search",
                    },
                    "priceLevels": {
                        "type": "array",
                        "description": "Price levels to query places, value can be one of [PRICE_LEVEL_INEXPENSIVE, PRICE_LEVEL_MODERATE, PRICE_LEVEL_EXPENSIVE, PRICE_LEVEL_VERY_EXPENSIVE]",
                    },
                    "openNow": {
                        "type": "boolean",
                        "description": "whether those places are open for business.",
                    },
                },
                "required": ["textQuery"],
            },
        }
    ],
    messages=[
        {
            "role": "user",
            "content": "What are some affordable and good Italian restaurants open now in San Francisco??",
        }
    ],
)
print(message.model_dump_json(indent=2))
# Example response:
# {
#   "id": "msg_vrtx_018pk1ykbbxAYhyWUdP1bJoQ",
#   "content": [
#     {
#       "text": "To answer your question about affordable and good Italian restaurants
#       that are currently open in San Francisco....
# ...

REST

Im folgenden Beispiel werden regionale Endpunkte verwendet. Informationen zur Verwendung des multiregionalen oder globalen Endpunkts finden Sie unter Multiregionalen Endpunkt angeben oder Globalen Endpunkt angeben.

Ersetzen Sie diese Werte in den folgenden Anfragedaten:

  • LOCATION: Eine Region, die Anthropic Claude-Modelle unterstützt. Informationen zur Verwendung des globalen Endpunkts finden Sie unter Globalen Endpunkt angeben.
  • MODEL: Der Modellname, der verwendet werden soll.
  • ROLE: Die einer Nachricht zugeordnete Rolle. Sie können user oder assistant angeben. Für die erste Nachricht muss die Rolle user verwendet werden. Claude-Modelle arbeiten mit abwechselnden user- und assistant-Runden. Wenn die endgültige Nachricht die Rolle assistant verwendet, wird der Antwortinhalt direkt vom Inhalt dieser Nachricht aus fortgesetzt. Damit können Sie einen Teil der Antwort des Modells einschränken.
  • STREAM: Ein boolescher Wert, mit dem angegeben wird, ob die Antwort gestreamt wird oder nicht. Streamen Sie Ihre Antwort, um die vom Endnutzer wahrgenommene Latenz zu reduzieren. Legen Sie true fest, um die Antwort zu streamen, und false, um die Antwort auf einmal zurückzugeben.
  • CONTENT: Der Inhalt, z. B. Text der user- oder assistant-Nachricht.
  • MAX_TOKENS: Maximale Anzahl an Tokens, die in der Antwort generiert werden können. Ein Token besteht aus etwa 3,5 Zeichen. 100 Tokens entsprechen etwa 60–80 Wörtern.

    Geben Sie kürzere Werte für kürzere Antworten und höhere Werte für längere Antworten an.

HTTP-Methode und URL:

POST https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/anthropic/models/MODEL:rawPredict

JSON-Text der Anfrage:


{
  "anthropic_version": "vertex-2023-10-16",
  "max_tokens": MAX_TOKENS,
  "stream": STREAM,
  "tools": [
    {
      "name": "text_search_places_api",
      "description": "Returns information about a set of places based on a string",
      "input_schema": {
        "type": "object",
        "properties": {
          "textQuery": {
            "type": "string",
            "description": "The text string on which to search"
          },
          "priceLevels": {
            "type": "array",
            "description": "Price levels to query places, value can be one of [PRICE_LEVEL_INEXPENSIVE, PRICE_LEVEL_MODERATE, PRICE_LEVEL_EXPENSIVE, PRICE_LEVEL_VERY_EXPENSIVE]",
          },
          "openNow": {
            "type": "boolean",
            "description": "Describes whether a place is open for business at
            the time of the query."
          },
        },
        "required": ["textQuery"]
      }
    }
  ],
  "messages": [
    {
      "role": "user",
      "content": "What are some affordable and good Italian restaurants that are open now in San Francisco??"
    }
  ]
}

Wenn Sie die Anfrage senden möchten, wählen Sie eine der folgenden Optionen aus:

curl

Speichern Sie den Anfragetext in einer Datei mit dem Namen request.json und führen Sie den folgenden Befehl aus: 

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/v1/projects/PROJECT_ID/locations/LOCATION/publishers/anthropic/models/MODEL:rawPredict"

PowerShell

Speichern Sie den Anfragetext in einer Datei mit dem Namen request.json und führen Sie den folgenden Befehl aus: 

$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/v1/projects/PROJECT_ID/locations/LOCATION/publishers/anthropic/models/MODEL:rawPredict" | Select-Object -Expand Content

Sie sollten eine JSON-Antwort ähnlich wie diese erhalten:

Agent Studio auf der Gemini Enterprise Agent Platform verwenden

Für einige der Anthropic Claude-Modelle können Sie Agent Studio auf der Gemini Enterprise Agent Platform verwenden, um schnell Prototypen für generative KI-Modelle in der Cloud de Confiance Console zu erstellen und zu testen. Sie können beispielsweise Agent Studio auf der Gemini Enterprise Agent Platform verwenden, um Claude-Modellantworten mit anderen unterstützten Modellen wie Google Gemini zu vergleichen.

Weitere Informationen finden Sie unter Kurzanleitung: Text-Prompts mit Agent Studio auf der Gemini Enterprise Agent Platform an Gemini senden.