Python LangChain集成google_vertexai/google_genai的认证配置与选型

解决认证错误的配置方法 #

通用认证基础配置 #

不管用Vertex AI还是GenAI，都需要先解决凭证和项目ID的问题，以下是通用方案：

• 环境变量方式
  1. 从Google Cloud控制台下载服务账号密钥JSON文件
  2. 设置凭证和项目ID环境变量：

     export GOOGLE_APPLICATION_CREDENTIALS="/path/to/your/service-account-key.json"
     export GOOGLE_CLOUD_PROJECT="your-project-id"
     

• gcloud命令行配置
  1. 登录gcloud账号：gcloud auth login
  2. 设置默认项目：gcloud config set project your-project-id
  3. 生成应用默认凭证：gcloud auth application-default login

Google Vertex AI 具体配置 #

1. 安装依赖：

   pip install langchain-google-vertexai vertexai
   

2. 代码中初始化并调用：

   import vertexai
   from langchain_google_vertexai import VertexAI
   
   # 初始化Vertex AI（可直接用环境变量，也可手动指定参数）
   vertexai.init(project="your-project-id", location="us-central1")
   
   # 创建模型实例
   llm = VertexAI(model_name="gemini-pro")
   # 调用示例
   response = llm.invoke("Hello, world!")
   print(response)
   

Google GenAI 具体配置 #

1. 安装依赖：

   pip install langchain-google-genai google-generativeai
   

2. 两种配置方式：
   • API密钥方式（快速简单）
     在Google Cloud控制台创建API密钥后，直接在代码或环境变量中配置：

     export GOOGLE_API_KEY="your-api-key"
     

     from langchain_google_genai import GoogleGenerativeAI
     
     llm = GoogleGenerativeAI(model="gemini-pro")
     response = llm.invoke("Hello, world!")
     print(response)
     

   • 服务账号凭证方式（企业级）
     沿用通用认证的环境变量配置，代码无需额外指定密钥：

     from langchain_google_genai import GoogleGenerativeAI
     
     llm = GoogleGenerativeAI(model="gemini-pro")
     response = llm.invoke("Hello, world!")
     print(response)
     

Vertex AI vs GenAI：哪个更适合？ #

• 选Vertex AI的场景
  • 需要端到端的ML工作流：比如模型训练、部署、监控、自定义模型托管等全链路能力
  • 企业级需求：依赖Google Cloud的IAM权限控制、合规审计、多服务集成（如Vision/Speech API）
• 选GenAI的场景
  • 仅需快速调用Gemini系列大模型：专注于文本生成、聊天、多模态等基础AI能力
  • 快速原型或个人项目：SDK轻量，API密钥配置简单，无需复杂的Cloud平台操作

内容的提问来源于stack exchange，提问作者khteh