如何向Google机器学习预测端点发起带认证的REST调用及获取有效访问令牌？

我尝试向Google机器学习预测端点发起一个简单的HTTP REST调用，但一直找不到正确的实现方法。根据有限的文档，我需要使用Java或Python库（或者通过REST认证端点完成加密）获取credentials对象，但文档没有说明这个对象的具体用法。

我目前的代码如下：

import urllib2
from google.oauth2 import service_account

# Constants
ENDPOINT_URL = 'ml.googleapis.com/v1/projects/{project}/models/{model}:predict?access_token='
SCOPES = ['https://www.googleapis.com/auth/cloud-platform']
SERVICE_ACCOUNT_FILE = 'service.json'

credentials = service_account.Credentials.from_service_account_file(
    SERVICE_ACCOUNT_FILE, scopes=SCOPES)
access_token=credentials.token

opener = urllib2.build_opener(urllib2.HTTPHandler)
request = urllib2.Request(ENDPOINT_URL + access_token)
request.get_method = lambda: 'POST'
result = opener.open(request).read()
print(str(result))

现在遇到的问题是，打印credentials.valid返回False，我推测凭据对象初始化有问题，但代码没有报错，而且对象内的字段看起来都是正确的，操作完全按照文档步骤来。另外，service.json是移动端团队已经成功用来获取access token的有效文件。请问我该如何获取可以调用机器学习服务预测端点的有效access token？

问题分析与解决办法 #

你踩的坑其实挺常见的——service_account.Credentials对象刚初始化完，并不会自动获取可用的access token，这就是为什么credentials.valid返回False，credentials.token大概率是None或者无效值的原因。下面一步步帮你修复：

1. 先主动刷新凭据拿到有效Token #

你需要调用credentials.refresh()方法来触发token的获取，这里要用到google.auth.transport.requests里的Request类：

from google.auth.transport.requests import Request

# 初始化凭据之后，加这行刷新操作
credentials.refresh(Request())
# 现在再看credentials.valid应该就是True了，token也能用了
access_token = credentials.token

2. 修正Endpoint URL的格式 #

你的URL缺了https://前缀，而且把token拼在URL里不是最佳实践（官方更推荐放在请求头里），正确的URL应该是：

# 记得替换{project}和{model}为你的实际项目ID和模型名
ENDPOINT_URL = 'https://ml.googleapis.com/v1/projects/{project}/models/{model}:predict'

3. 正确构造POST请求（带请求体和认证头） #

Google ML的预测端点需要你传入JSON格式的预测数据，而且要把access token放在Authorization请求头里。完整的修正代码如下：

import urllib2
import json
from google.oauth2 import service_account
from google.auth.transport.requests import Request

# 替换成你的实际信息
PROJECT_ID = "your-project-id-here"
MODEL_ID = "your-model-name-here"
ENDPOINT_URL = f'https://ml.googleapis.com/v1/projects/{PROJECT_ID}/models/{MODEL_ID}:predict'
SCOPES = ['https://www.googleapis.com/auth/cloud-platform']
SERVICE_ACCOUNT_FILE = 'service.json'

# 初始化并刷新凭据
credentials = service_account.Credentials.from_service_account_file(
    SERVICE_ACCOUNT_FILE, scopes=SCOPES)
credentials.refresh(Request())

# 构造预测请求的body，格式要和你的模型输入匹配
predict_payload = {
    "instances": [
        # 示例：如果你的模型接收两个特征，就像这样写
        # {"age": 30, "income": 50000}
    ]
}

# 构建HTTP请求
opener = urllib2.build_opener(urllib2.HTTPHandler)
request = urllib2.Request(
    ENDPOINT_URL,
    data=json.dumps(predict_payload).encode('utf-8')
)
# 添加认证头和Content-Type头
request.add_header('Authorization', f'Bearer {credentials.token}')
request.add_header('Content-Type', 'application/json')

# 发送请求并处理结果
try:
    response = opener.open(request).read()
    print(json.loads(response))
except urllib2.HTTPError as err:
    print(f"请求失败: {err.code} - {json.loads(err.read())}")

4. 更省心的方案：用官方AI Platform库 #

其实Google有现成的库google-cloud-aiplatform，可以完全跳过手动处理token和HTTP请求的步骤，直接调用预测接口，代码更简洁也更可靠：

from google.cloud import aiplatform

# 初始化客户端
aiplatform.init(project=PROJECT_ID)

# 加载你的模型
model = aiplatform.Model(f"projects/{PROJECT_ID}/models/{MODEL_ID}")

# 发起预测
predict_response = model.predict(instances=[
    # 这里放你的输入数据，和上面payload里的格式一致
])

print(predict_response.predictions)

这个库会自动帮你处理认证、token刷新和请求格式，出错概率低很多。

内容的提问来源于stack exchange，提问作者Alex Egli