Vertex AI

Provider vertex. Adapter sobre a Vertex AI da Google Cloud — os mesmos modelos Gemini (e parceiros, como Claude no Vertex), só que dentro do seu projeto GCP, com IAM, billing e residência de dados da Google Cloud. Reaproveita o SDK google-genai em modo Vertex; muda a autenticação (projeto + região, sem GEMINI_API_KEY).

pip install "jangada-ai[gemini]"

• provider=: "vertex"
• Variáveis de ambiente: GOOGLE_CLOUD_PROJECT (ID do projeto), GOOGLE_CLOUD_LOCATION (ex.: us-central1) e GOOGLE_APPLICATION_CREDENTIALS apontando para o JSON da service account (ou ADC já configurado via gcloud auth application-default login).
• Modelo: o nome do modelo Gemini, ex.: gemini-2.5-flash, gemini-2.5-pro.

from jangada_ai import LLM

# usa GOOGLE_CLOUD_PROJECT / GOOGLE_CLOUD_LOCATION / ADC do ambiente
llm = LLM("vertex", "gemini-2.5-flash")
resp = llm.complete("Resuma {{ tema }} em uma frase.", tema="jangadas")
print(resp.text, resp.cost)

Configuração via ambiente

GOOGLE_CLOUD_PROJECT=meu-projeto-123
GOOGLE_CLOUD_LOCATION=us-central1
GOOGLE_APPLICATION_CREDENTIALS=/caminho/para/service-account.json

project e location podem ir explícitos no construtor (via extra=) quando você precisa de outro projeto/região sem mexer no ambiente. A autenticação é por Application Default Credentials — não há chave de API como no Gemini direto.

O que faz

Tudo o que o provider gemini faz, já que compartilham o SDK google-genai:

• Texto, streaming e structured output (parse) com config.response_schema.
• Vision (images=), documentos (files=) e áudio.
• Embeddings (ex.: gemini-embedding-001) para RAG.

Quando escolher Vertex AI

Quando o time já é Google Cloud e precisa dos modelos Gemini sob IAM, billing e governança do GCP (e residência de dados por região), em vez da chave de API do Gemini direto. O código é idêntico ao do Gemini — troque LLM("gemini", ...) por LLM("vertex", ...). Veja Gemini e Providers.

O que mudou na 1.9.0

• Para modelos gemini-3* sem location= explícito, a lib usa location="global" (os modelos 3.x costumam não estar em us-central1); location= explícito sempre vence.
• O Vertex herda as regras de perfil do Gemini (ex.: thinking_budget → thinking_level no 3.x).
• Tools nativas funcionam, mas misturar tool nativa com function tool levanta UnsupportedError (o campo que permite isso só existe na Gemini API).