Vertex AI is het samengevoegde (unified) platform van Google Cloud om AI- en machine learning-modellen te bouwen, te testen en op schaal in te zetten. Voor de meeste organisaties is het startpunt de generatieve AI: je stuurt een prompt naar een Gemini-model en krijgt een antwoord terug. Vertex AI biedt daarbij zakelijke garanties zoals toegangsbeheer, dataregio's en integratie met de rest van Google Cloud.
Sinds 2026 zijn de diensten van Vertex AI ondergebracht onder het Gemini Enterprise Agent Platform. In de praktijk kom je beide namen tegen: de console en onderdelen zoals Vertex AI Studio en Model Garden dragen nog grotendeels de Vertex AI-naam, terwijl de overkoepelende productpagina's de nieuwe naam gebruiken. De stappen hieronder werken hetzelfde, ongeacht welke naam je tegenkomt.
Dit artikel beschrijft de eerste stappen: een project klaarzetten, de API inschakelen en je eerste prompt sturen. Wat je precies in beeld krijgt, kan per regio en per versie van de console verschillen. Gebruik dit als leidraad, niet als exacte klikinstructie.
Wat je vooraf nodig hebt
Vertex AI draait binnen Google Cloud, niet binnen de gewone Workspace Admin console. Je hebt nodig:
- Een Google Cloud-project. Alles wat je in Vertex AI doet, hangt aan zo'n project.
- Facturering (billing) gekoppeld aan dat project. Zonder gekoppeld factureringsaccount kun je de meeste modellen niet aanroepen.
- Voldoende rechten (IAM-rollen) om API's in te schakelen en Vertex AI te gebruiken, bijvoorbeeld de rol Vertex AI User of Vertex AI Administrator.
Google Cloud is niet de Workspace-console
Google Cloud en Google Workspace zijn aparte producten met een eigen console. Vertex AI beheer je via console.cloud.google.com, niet via de Workspace-beheeromgeving.
Stap 1: project en API klaarzetten
Project en Vertex AI API activeren
- Open de Google Cloud-console en selecteer bovenaan het project waarin je wilt werken, of maak een nieuw project aan.
- Controleer dat er een factureringsaccount aan het project is gekoppeld via Billing.
- Schakel de Vertex AI API in via de API-bibliotheek, of open Vertex AI in het menu en bevestig de activering die de console voorstelt.
- Wacht tot de activering is afgerond. Vertex AI verschijnt daarna in het navigatiemenu onder de AI-onderdelen van Google Cloud.
Stap 2: een prompt sturen in Vertex AI Studio
Vertex AI Studio is de interactieve omgeving in de console waarin je zonder code prompts kunt uitproberen. Het is de snelste manier om een gevoel te krijgen voor wat de modellen kunnen.
- Open Vertex AI Studio binnen Vertex AI.
- Kies een Gemini-model. De modelfamilie kent varianten die een afweging maken tussen snelheid en redeneerkracht, bijvoorbeeld een lichtere Flash-variant voor snelheid en een Pro-variant voor zwaardere redeneertaken.
- Typ je prompt in het invoerveld en verstuur die. Je krijgt direct een antwoord terug.
- Pas eventueel instellingen aan, zoals de hoeveelheid creativiteit (temperatuur) of de maximale lengte van het antwoord.
Begin klein en breid daarna uit
Begin met een concrete, afgebakende prompt en breid pas daarna uit. Zo zie je goed welk effect een wijziging aan je instructie of aan de instellingen heeft op het antwoord.
Stap 3: van uitproberen naar code
Werkt je prompt naar wens, dan wil je die vaak in een toepassing gebruiken. Google biedt hiervoor de Gen AI SDK (google-genai) voor onder andere Python, Node.js, Java en Go. De Python-bibliotheek installeer je met:
pip install --upgrade google-genai
In code wijs je de SDK naar je project en regio en geef je aan dat je Vertex AI als backend gebruikt. Dat gebeurt doorgaans via omgevingsvariabelen:
export GOOGLE_GENAI_USE_VERTEXAI=True
export GOOGLE_CLOUD_PROJECT=jouw-project-id
export GOOGLE_CLOUD_LOCATION=us-central1
Daarna maak je in Python een client aan zonder verdere parameters:
from google import genai
client = genai.Client()
Authenticatie verloopt via Application Default Credentials (ADC), zodat je geen wachtwoorden of sleutels in je code hoeft te zetten. Lokaal stel je ADC in met gcloud auth application-default login.
De oude vertexai-SDK is uitgefaseerd
De generatieve AI-modules van de oudere vertexai Python-SDK (zoals vertexai.generative_models) zijn vervangen door de Gen AI SDK (google-genai). Gebruik voor nieuwe projecten meteen google-genai. Controleer modelnamen, versies en exacte instellingen altijd in de officiële Google Cloud-documentatie voordat je ze in productie vastlegt, want die veranderen regelmatig.
Modellen verkennen via Model Garden
Naast Gemini biedt Vertex AI een Model Garden: een catalogus met honderden modellen, waaronder Google's eigen modellen, partnermodellen en openbronmodellen. Je gebruikt Model Garden om te zien welke modellen beschikbaar zijn en welke het beste bij je taak passen, zoals tekst, beeld of code. Naast de algemeen beschikbare Gemini-modellen vind je hier ook nieuwere modellen die nog in preview staan.
Kosten en beheer in de gaten houden
Gebruik van Vertex AI brengt kosten met zich mee, doorgaans op basis van verbruik (bijvoorbeeld per verwerkte token). Houd dit bij via de factureringssectie van Google Cloud en stel waar mogelijk budgetwaarschuwingen in. Beperk daarnaast met IAM wie modellen mag aanroepen, zodat verbruik en toegang beheersbaar blijven.
Met een werkend project, een ingeschakelde API en een eerste prompt in Vertex AI Studio heb je de basis te pakken. Vanaf hier kun je verder met het verfijnen van prompts, het verbinden van eigen data of het inbouwen van de modellen in je eigen applicaties.
Wat is het verschil tussen Vertex AI en Google AI Studio?
Google AI Studio is een lichtgewicht omgeving om snel met de Gemini API te experimenteren, vooral gericht op ontwikkelaars en prototypes. Vertex AI is het volledige bedrijfsplatform in Google Cloud met toegangsbeheer (IAM), dataregio's, governance en integratie met de rest van je cloudomgeving. Voor productie en zakelijke eisen kies je doorgaans Vertex AI.
Heb ik per se een creditcard of facturering nodig om te starten?
Voor de meeste Gemini-modellen in Vertex AI moet er een factureringsaccount aan je project gekoppeld zijn, ook als je nog binnen gratis tegoed of een proefperiode werkt. Zonder gekoppelde facturering krijg je bij het aanroepen van modellen meestal een foutmelding.
Welke regio (location) moet ik kiezen?
Kies een regio die past bij je vereisten voor latency en datalocatie. Een veelgebruikte standaard is us-central1, maar voor Europese data kun je een Europese regio nemen. Niet elk model is in elke regio beschikbaar, dus controleer dit in de documentatie of in Model Garden.
Moet ik de oude vertexai-SDK of de nieuwe google-genai-SDK gebruiken?
Voor nieuwe projecten gebruik je de Gen AI SDK (google-genai). De generatieve modules van de oudere vertexai-SDK zijn uitgefaseerd. Bestaande code op de oude SDK migreer je via de officiële migratiegids van Google.
Hoe houd ik de kosten onder controle?
Stel budgetwaarschuwingen in via de factureringssectie van Google Cloud, beperk met IAM wie modellen mag aanroepen en kies een passend model: een lichtere Flash-variant is goedkoper en sneller voor eenvoudige taken, een Pro-variant gebruik je voor zwaardere redeneertaken.