已部署至Google Vertex AI的ML模型能否通过浏览器发送HTTP请求获取预测结果？

当然可以实现从浏览器向你部署在Vertex AI上的ML模型发送预测请求，但直接用你提到的那种简单URL参数形式（http://myapp.cloud.google.com/input="features of an example"）是行不通的——因为Vertex AI的预测API有特定的请求规范，而且直接在浏览器端处理认证会带来严重的安全风险。下面给你两种实用的实现方式：

一、通过中间层服务调用（推荐用于生产环境） #

这是最安全且通用的方案，核心思路是用一个轻量的后端服务（比如Cloud Functions或Cloud Run）作为桥梁，帮你处理认证、请求格式转换，以及和Vertex AI模型的交互。

具体步骤： #

• 1. 编写中间层服务：创建一个Cloud Functions或Cloud Run服务，接收浏览器传来的URL参数（比如/predict?features=xxx），将参数转换成Vertex AI要求的输入格式（通常是JSON数组的instances字段）。
• 2. 处理认证与预测请求：在中间层服务中使用Vertex AI的客户端库（Python/Node.js等）或者直接调用REST API，通过服务账号密钥完成认证，向模型Endpoint发送预测请求。
• 3. 返回结果：将模型返回的预测结果处理后，返回给浏览器。

示例代码（Cloud Functions Python版）： #

import functions_framework
from google.cloud import aiplatform

# 初始化Vertex AI客户端（建议在函数外部初始化以提升性能）
aiplatform.init(project="你的项目ID", location="你的区域（如us-central1）")
endpoint = aiplatform.Endpoint("你的Endpoint ID")

@functions_framework.http
def predict(request):
    # 获取浏览器传来的features参数
    features = request.args.get('features')
    if not features:
        return "缺少必填参数：features", 400
    
    # 转换为模型要求的输入格式（根据你的模型输入结构调整）
    instances = [{"input_text": features}]
    # 发送预测请求
    prediction = endpoint.predict(instances=instances)
    
    # 返回预测结果
    return {"prediction": prediction.predictions[0]}

部署这个Cloud Function后，你就可以在浏览器中访问类似 https://你的函数域名/predict?features=你的示例特征 的URL，直接获取JSON格式的预测结果了。

二、直接在浏览器调用Vertex AI API（仅用于测试） #

如果你只是做本地测试，不想搭建中间层，也可以直接在浏览器中调用Vertex AI的预测API，但绝对不能在生产环境使用这种方式——因为需要暴露API密钥或认证令牌，极易被滥用，导致不必要的成本损失。

测试用实现（JavaScript Fetch API）： #

async function fetchPrediction() {
    const inputFeatures = "features of an example";
    // 替换为你的项目、区域和Endpoint信息
    const apiUrl = "https://你的区域-aiplatform.googleapis.com/v1/projects/你的项目ID/locations/你的区域/endpoints/你的Endpoint ID:predict";
    // 替换为你的API密钥（在Cloud控制台创建并限制仅用于Vertex AI）
    const apiKey = "你的API密钥";

    try {
        const response = await fetch(`${apiUrl}?key=${apiKey}`, {
            method: 'POST',
            headers: {
                'Content-Type': 'application/json'
            },
            body: JSON.stringify({
                instances: [{"input_text": inputFeatures}] // 匹配你的模型输入结构
            })
        });
        const result = await response.json();
        console.log("预测结果：", result);
        // 在这里处理并展示结果给用户
    } catch (error) {
        console.error("请求出错：", error);
    }
}

注意事项： #

• 必须在Cloud控制台创建API密钥，并严格限制其使用范围（仅允许调用Vertex AI的预测API），降低泄露后的风险。
• 这种方式只适合短期测试，生产环境一定要用中间层方案。

内容的提问来源于stack exchange，提问作者Sanyo Mn