google Vertex AI 接入

service account 到 API Key 的转换与 `java-openai` 使用说明

在 Google Cloud 生态中，Vertex AI 默认更偏向使用 Service Account 进行认证。但在当前 java-openai 的统一调用体系里，暂不直接支持 Service Account 认证流程，因此在接入 Vertex AI 时，推荐的做法是：

先在 Google Cloud 中为对应服务账号创建 API Key，再通过 API Key 的方式调用 Vertex AI 提供的 Gemini 模型接口。

这意味着，虽然底层目标平台是 Vertex AI，但在业务侧依然可以继续使用 java-openai 的统一抽象：

使用 UniChatRequest 组织请求
使用 UniChatClient 发起调用
使用 UniChatResponse 获取结果

从而保持与前文 OpenAI / Gemini / Claude / OpenRouter 等平台一致的开发体验。

一、背景说明

在实际工程中，Google 的大模型能力有两种常见接入路径：

1. Google AI / Gemini API

更偏向通用 API Key 模式，调用方式相对轻量。

2. Vertex AI

更偏向 Google Cloud 企业体系，通常与以下能力一起使用：

Google Cloud Project
IAM 权限体系
Service Account
区域化部署与企业治理
更完整的云资源管理能力

对于 Java 工程集成来说，如果你的业务已经运行在 Google Cloud 环境中，或者需要与现有的 GCP 权限体系结合，那么 Vertex AI 会是一个很自然的选择。

但当前 java-openai 默认不是走 Google Cloud Service Account 签名认证链路，因此需要把认证方式切换为：

Service Account 绑定的 API Key 调用模式。

二、为什么需要把 Service Account 转成 API Key

java-openai 的统一调用模型，本质上是围绕“平台标识 + 模型标识 + API Key”展开的。例如：

OpenAI → apiKey
OpenRouter → apiKey
Google Gemini → apiKey
Vertex AI（当前在 java-openai 中）→ 也通过 apiKey 方式接入

因此，当目标平台是 Vertex AI 时，如果你手上只有 Service Account，而没有 API Key，那么当前无法直接通过 java-openai 使用它。

所以需要先完成这一步：

为对应的 Google Cloud 服务账号创建 API Key，并在请求中通过 key=API_KEY 参数传递。

三、控制台操作说明

参考 Google Cloud 官方文档：

text

https://docs.cloud.google.com/docs/authentication/api-keys

Alt text 从截图可以看到，Google Cloud 的 Credentials 页面中可以为某个绑定的服务账号创建 API Key。

截图中展示的信息说明了几件事：

已成功创建一个 API Key
该 API Key 绑定到了一个具体的 Service Account
后续请求时，需要通过 key=API_KEY 作为查询参数传入
Google Cloud 控制台也明确提示了 API Key 的管理最佳实践，例如：
- 限制 API Key 的使用范围
- 删除不再使用的 Key
- 定期轮换 Key
- 不要把 Key 提交到代码仓库
- 做好监控与日志记录

这一步完成后，就可以把这个 API Key 配置到 java-openai 的环境变量中，像普通平台一样发起请求。

四、Vertex AI 原生请求示例

下面是一个直接调用 Vertex AI Gemini 模型的原生 HTTP 示例。

bash

curl "https://aiplatform.googleapis.com/v1/publishers/google/models/gemini-2.5-flash-lite:streamGenerateContent?key=${API_KEY}" \
-X POST \
-H "Content-Type: application/json" \
-d '{
  "contents": [
    {
      "role": "user",
      "parts": [
        {
          "text": "Explain how AI works in a few words"
        }
      ]
    }
  ]
}'

这个例子说明了 Vertex AI 在 API Key 模式下的几个关键点：

1. 认证方式

API Key 通过 URL 参数传入：

text

?key=${API_KEY}

2. 请求结构

请求体仍然是 Google Gemini 风格：

contents
role
parts
text

也就是说，Vertex AI 在模型请求结构上仍然沿用 Google/Gemini 协议风格，只是认证与平台入口属于 GCP/Vertex AI 体系。

3. 调用接口

这里使用的是：

text

streamGenerateContent

说明该接口是流式生成接口。如果使用非流式版本，则通常对应普通生成接口。

五、在 `java-openai` 中使用 Vertex AI

虽然底层请求地址是 Vertex AI，协议风格也是 Gemini，但在 java-openai 中，业务侧不需要手工拼接 URL，也不需要自己写 contents / parts 结构。

只需要：

指定平台为 VERTEX_AI
指定模型为 Gemini 模型
配置 API Key
使用统一请求对象发起调用

六、环境变量配置

先在运行环境中配置 API Key。

AIAPI_API_KEY=

这里填入你在 Google Cloud 控制台中创建的 Vertex AI API Key。

在实际项目中，建议通过以下方式管理：

.env
系统环境变量
CI/CD 密钥管理
Kubernetes Secret
云平台 Secret Manager

不要把 API Key 直接写进代码。

七、最小可运行示例

下面是使用 java-openai 调用 Vertex AI 的示例代码。

java

package nexus.io.chat;

import org.junit.Test;

import nexus.io.consts.ModelPlatformName;
import nexus.io.exception.GenerateException;
import nexus.io.gemini.GoogleModels;
import nexus.io.tio.utils.environment.EnvUtils;

public class VertexAiTest {

  @Test
  public void useVertexAi() {
    EnvUtils.load();
    PlatformInput platformInput = new PlatformInput(ModelPlatformName.VERTEX_AI, GoogleModels.GEMINI_2_5_FLASH);

    UniChatRequest request = new UniChatRequest(platformInput);
    request.setUserPrompts("how are you?");

    try {
      UniChatResponse response = UniChatClient.generate(request);
      String content = response.getMessage().getContent();
      System.out.println(content);
    } catch (GenerateException e) {
      String responseBody = e.getResponseBody();
      System.out.println(responseBody);
    }
  }
}

八、代码说明

这段代码虽然目标平台是 Vertex AI，但调用方式仍然完全符合 java-openai 的统一抽象设计。

1. 加载环境配置

java

EnvUtils.load();

用于加载环境变量，例如：

text

AIAPI_API_KEY

2. 指定平台与模型

java

PlatformInput platformInput = new PlatformInput(
    ModelPlatformName.VERTEX_AI,
    GoogleModels.GEMINI_2_5_FLASH
);

这里表达了两个关键信息：

平台是 VERTEX_AI
模型是 GEMINI_2_5_FLASH

这说明在 java-openai 中，Vertex AI 被视为一个平台入口，而 Gemini 模型仍然沿用 Google 模型常量体系。

3. 构造统一请求

java

UniChatRequest request = new UniChatRequest(platformInput);
request.setUserPrompts("how are you?");

业务侧只需要表达自己的意图：

我要发一条用户消息
内容是 "how are you?"

不需要自己构造 Vertex AI 原生 JSON。

4. 发起统一调用

java

UniChatResponse response = UniChatClient.generate(request);

调用入口与前面所有平台一致：

OpenAI 是这样调
OpenRouter 是这样调
Gemini 是这样调
Vertex AI 仍然是这样调

这正体现了 java-openai 的统一抽象价值。

5. 读取结果

java

String content = response.getMessage().getContent();

这里仍然读取统一响应模型中的：

java

response.getMessage().getContent()

而不是去关心 Vertex AI 原生返回里的具体嵌套字段。

6. 异常处理

java

} catch (GenerateException e) {
  String responseBody = e.getResponseBody();
  System.out.println(responseBody);
}

当调用失败时，可以直接读取平台原始响应内容。这在接入 Vertex AI 时尤其有价值，因为常见错误通常来自以下几类问题：

API Key 无效
API Key 没有绑定正确项目
对应服务未启用
模型名不正确
权限不足
请求路径或区域配置问题

通过 GenerateException 提取原始返回，可以更快定位问题。

九、Vertex AI 在统一抽象中的定位

从 java-openai 的设计视角看，Vertex AI 可以理解为：

平台入口是 Vertex AI，协议家族仍然属于 Google/Gemini 风格。

因此它具备两个层面的特点：

1. 平台层面

它和 OpenAI、Anthropic、OpenRouter 一样，是一个独立平台入口：

java

ModelPlatformName.VERTEX_AI

2. 协议层面

它底层很多字段和 Google Gemini 协议保持一致，例如：

contents
parts
text

所以在模型常量上继续使用：

java

GoogleModels.GEMINI_2_5_FLASH

这是合理的，也符合统一适配的分层思想。

十、与前面 Google Gemini 文档的关系

这一篇和前面“Google Gemini 协议自动转换”那篇文档既有联系，也有区别。

相同点

两者最终都面向 Gemini 模型能力，统一抽象都一样：

UniChatRequest
UniChatClient
UniChatResponse

不同点

主要区别在于平台入口与认证方式：

Google Gemini API

更偏向 Google 原生 Gemini API 入口
通常直接走 Gemini 的 API Key 体系

Vertex AI

更偏向 Google Cloud / Vertex AI 企业云体系
默认常见的是 Service Account 认证
在 java-openai 当前实现中，需要转成 API Key 方式使用

所以你可以把 Vertex AI 看成：

同样是 Gemini 模型能力，但运行在 Vertex AI 这个平台通道之上。

十一、适用场景建议

当你满足以下条件之一时，可以优先考虑 Vertex AI 接入：

业务已经部署在 Google Cloud 环境
希望统一纳入 GCP 的 IAM 与资源治理体系
需要和企业级云资源管理结合
需要使用 Vertex AI 体系中的模型访问通道
希望在 java-openai 中继续保持统一调用方式，但平台落在 Vertex AI

如果你的目标只是快速试用 Gemini 模型能力，而没有强依赖 GCP 体系，那么直接使用 Google/Gemini API 入口可能会更轻量。

十二、常见问题说明

1. 为什么不能直接使用 Service Account？

因为当前 java-openai 暂不支持直接走 Service Account 的认证流程，所以需要转换为 API Key 方式调用。

2. Vertex AI 和 Google Gemini 是不是重复的？

不是重复关系，而是：

Gemini 更偏向模型家族 / 协议家族
Vertex AI 更偏向平台入口 / 云服务体系

3. 模型为什么还用 `GoogleModels`？

因为模型本身属于 Gemini 模型体系，所以模型常量仍然定义在 GoogleModels 中，这是协议层与平台层分离后的自然结果。

4. 如何判断调用失败原因？

优先查看：

java

e.getResponseBody()

必要时再结合日志、平台返回状态码、请求配置进行定位。

十三、安全建议

由于 Vertex AI 当前是通过 API Key 方式接入，因此安全管理尤其重要。

建议至少做到以下几点：

不要把 API Key 硬编码到源码中
不要提交到 Git 仓库
使用环境变量或 Secret Manager 管理
对 API Key 做访问限制
定期轮换 API Key
记录调用日志并监控异常请求

你提供的控制台截图中，Google Cloud 也明确给出了类似最佳实践，这些建议在线上环境中都应当严格执行。

十四、小结

java-openai 对 Vertex AI 的支持，可以理解为：

平台入口：VERTEX_AI
模型体系：Gemini
当前认证方式：通过 API Key 使用
当前不直接支持：Service Account 原生认证链路

因此，接入步骤非常清晰：

在 Google Cloud 中为 Service Account 创建 API Key
将 API Key 配置到环境变量
使用 ModelPlatformName.VERTEX_AI
指定对应的 GoogleModels.*
通过 UniChatClient.generate(...) 发起统一调用

这样就能在不破坏 java-openai 统一抽象的前提下，把 Vertex AI 纳入同一套业务调用体系中。

十五、总结

这一篇文档补充说明了 java-openai 在 Vertex AI 场景下的接入方式，核心结论是：

Vertex AI 当前通过 API Key 接入，而不是直接使用 Service Account。

它延续了 java-openai 一贯的设计原则：

业务只关心统一请求与响应
平台差异由底层适配层处理
模型能力继续沿用 Gemini 体系
认证差异通过接入说明补齐

从整体架构上看，Vertex AI 只是 java-openai 多平台统一抽象中的又一个平台入口。这也进一步证明了这套设计的价值：

无论平台入口如何变化，只要统一抽象稳定，业务层代码就可以长期保持一致。

google Vertex AI 接入 ​

service account 到 API Key 的转换与 java-openai 使用说明 ​

一、背景说明 ​

1. Google AI / Gemini API ​

2. Vertex AI ​

二、为什么需要把 Service Account 转成 API Key ​

三、控制台操作说明 ​

四、Vertex AI 原生请求示例 ​

1. 认证方式 ​

2. 请求结构 ​

3. 调用接口 ​

五、在 java-openai 中使用 Vertex AI ​

六、环境变量配置 ​

七、最小可运行示例 ​

八、代码说明 ​

1. 加载环境配置 ​

2. 指定平台与模型 ​

3. 构造统一请求 ​

4. 发起统一调用 ​

5. 读取结果 ​

6. 异常处理 ​

九、Vertex AI 在统一抽象中的定位 ​

1. 平台层面 ​

2. 协议层面 ​

十、与前面 Google Gemini 文档的关系 ​

相同点 ​

不同点 ​

Google Gemini API ​

Vertex AI ​

十一、适用场景建议 ​

十二、常见问题说明 ​

1. 为什么不能直接使用 Service Account？ ​

2. Vertex AI 和 Google Gemini 是不是重复的？ ​

3. 模型为什么还用 GoogleModels？ ​

4. 如何判断调用失败原因？ ​

十三、安全建议 ​

十四、小结 ​

十五、总结 ​

google Vertex AI 接入

service account 到 API Key 的转换与 `java-openai` 使用说明

一、背景说明

1. Google AI / Gemini API

2. Vertex AI

二、为什么需要把 Service Account 转成 API Key

三、控制台操作说明

四、Vertex AI 原生请求示例

1. 认证方式

2. 请求结构

3. 调用接口

五、在 `java-openai` 中使用 Vertex AI

六、环境变量配置

七、最小可运行示例

八、代码说明

1. 加载环境配置

2. 指定平台与模型

3. 构造统一请求

4. 发起统一调用

5. 读取结果

6. 异常处理

九、Vertex AI 在统一抽象中的定位

1. 平台层面

2. 协议层面

十、与前面 Google Gemini 文档的关系

相同点

不同点

Google Gemini API

Vertex AI

十一、适用场景建议

十二、常见问题说明

1. 为什么不能直接使用 Service Account？

2. Vertex AI 和 Google Gemini 是不是重复的？

3. 模型为什么还用 `GoogleModels`？

4. 如何判断调用失败原因？

十三、安全建议

十四、小结

十五、总结