firebase setting

Firebase cloud function

Create folder

// e.g. 
mkdir recommand_youtube

Firebase 프로젝트 생성 on Firebase console

로그인 - Google 계정

Firebase CLI 설치 및 초기화

npm install -g firebase-tools

Firebase 프로젝트 초기화 설정

// login
firebase login

// login 변경
firebase logout
firebase login

// check project list
firebase projects:list

// result
✔ Preparing the list of your Firebase projects
Project Display Name: recommand-youtube, Project ID: recommand-5e127, Project Number: 155670260747, Resource Location ID: [Not specified]

Project Display Name: refacter, Project ID: refacter, Project Number: 192701994501, Resource Location ID: [Not specified]

// initialize functions 
firebase init functions

// Python은 로컬에서 테스트하기가 어려움 
// 그래서 nodejs는 활용하는 것이 지속적으로 유지보수가 편할 것으로 생각 됨

functions을 초기화 하면 프로젝트를 선택할 수 있다.

그러나 필요하다면 프로젝트 선택

// select the project
firebase use <프로젝트ID>

(Optional)Google Cloud Platform(GCP) API 활성화

1. Google Cloud Console (https://console.cloud.google.com) 접속
2. 해당 프로젝트 선택
3. 좌측 메뉴에서 “API 및 서비스” > “Youtube Data API v3” 활성화 > “사용자 인증 정보” (Credentials) 이동
4. “API 키” 섹션에 생성된 API 키가 표시됨

// GCP secret manager에 key 저장
firebase functions:secrets:set YOUR_SECRET_NAME

// result
firebase functions:secrets:set youtube_key
⚠  By convention, secret key must be in UPPER_SNAKE_CASE.
? Would you like to use YOUTUBE_KEY as key instead? Yes
? Enter a value for YOUTUBE_KEY [hidden]
✔  Created a new secret version projects/155670260747/secrets/YOUTUBE_KEY/versions/1

5. Firebase functions에 접근하는 PROJECT_ID@appspot.gserviceaccount.com 에 권한 설정

(Optional) OAuth 2.0 설정

1. OAuth 동의 화면
2. 클라이언트 만들기
   1. redirect-uri
      1. • OAuth Playground용: https://developers.google.com/oauthplayground
      2. 자체 애플리케이션 용: 귀하의 애플리케이션 콜백 URL

• Id, 보호 비밀번호 저장

3. 대상 > 테스트 사용자 등록
4. RefreshToken 가져오기 OAuth 2.0 Playground 에서 RefreshToken 가져오기

Google OAuth 2.0 리프레시 토큰 획득 완벽 가이드 2024 - 최신 UI 업데이트 반영

IDE 환경 구성

Nodejs 환경일 때만 유효

Run and Debug 설정

9229 포트 설정

별도로 포트를 지정하려면 Node.js inspect 옵션인 --inspect=포트번호 사용법을 참고해야 하지만 현재 Firebase CLI는 고정으로 9229 포트를 사용합니다. by GPT

"configurations": [
	// ...
	{
		"type": "node",
		"request": "attach",
		"name": "Attach to Functions Emulator",
		"port": 9229,
		"restart": true,
	}
]

Break point 설정

설정 후 확인

에뮬레이터 실행 & VS Code 실행

// Emulator
firebase emulators:start --inspect-functions

// VS Code
Run "Attach to Functions Emulator"

Firebase hosting

호스팅 중단

firebase hosting:disable

Google cloud

// login
gcloud auth login

// 현재 로그인 계정 리스트
gcloud auth list

// 프로젝트 설정
gcloud config set project PROJECT_ID

Vertex AI RAG

1. 코퍼스 생성
   1. 코퍼스란? 말뭉치, 자연언어 연구를 위해 특정한 목적을 가지고 언어의 표본을 추출한 집합
2. 데이터 선택 후 생성
   1. 로컬 파일 업로드: 로컬 파일을 통해 RAG 설정, 이후 로컬에서 파일 삭제되도 무방
   2. Google Drive 파일 선택: 계속 업데이트 가능할 것
3. 데이터 가져오기, 설정
   1. service-<프로젝트 넘버>@gcp-sa-vertex-rag.iam.gserviceaccount.com
4. Vertex AI Studio에서 테스트 - 3번 첫번째 그림에 있는 버튼

Cloud function with RAG

1. Google Cloud 프로젝트 설정

# 프로젝트 설정
PROJECT_ID=carenote-ai-474805
LOCATION=europe-west4
gcloud config set project ${PROJECT_ID}

2. 필요한 API 활성화 Vertex AI, Cloud Functions, Cloud Build 등 필요한 API 활성화

gcloud services enable \
    aiplatform.googleapis.com \
    cloudfunctions.googleapis.com \
    cloudbuild.googleapis.com \
    artifactregistry.googleapis.com \
    run.googleapis.com

3. Vertex AI RAG Corpus 설정

# RAG Corpus는 이미 생성되어 있음
  RAG_CORPUS_ID=2305843009213693952
  RAG_CORPUS_RESOURCE_NAME="projects/${PROJECT_ID}/locations/${LOCATION}/ragCorpora/${RAG_CORPUS_ID}"

4. 환경 변수 설정 (.env 파일)

PROJECT_ID=carenote-ai-474805
PROJECT_NUMBER=16801581551
LOCATION=europe-west4
RAG_CORPUS_ID=2305843009213693952
MODEL_ID=gemini-2.5-flash-lite

5. Node.js 프로젝트 구성

package.json:
  {
    "name": "carenote-ai",
    "version": "1.0.0",
    "main": "index.js",
    "type": "module",  // ES6 모듈 사용
    "dependencies": {
      "@google-cloud/functions-framework": "^4.0.0",
      "@google-cloud/vertexai": "^1.10.0",
      "dotenv": "^17.2.3"
    }
  }

기본 코드 구조: // index.js - Cloud Functions 엔트리포인트 import functions from ‘@google-cloud/functions-framework’;

// generateDiary 함수 정의 functions.http(‘generateDiary’, async (req, res) ⇒ { // CORS, 인증, 검증 처리 // RAG 호출 및 응답 });

// ragQuery 함수 정의
functions.http(‘ragQuery’, async (req, res) ⇒ { // 일반 RAG 쿼리 처리 });

Vertex AI RAG 호출 핵심 코드: import { VertexAI } from ‘@google-cloud/vertexai’;

const vertexAI = new VertexAI({ project: PROJECT_ID, location: LOCATION, });

const generativeModel = vertexAI.preview.getGenerativeModel({ model: MODEL_ID, generationConfig: { responseMimeType: ‘application/json’ } });

// RAG 요청 const ragRequest = { contents: [{ role: ‘user’, parts: [{ text: query }] }], tools: [{ retrieval: { vertexRagStore: { ragResources: [{ ragCorpus: RAG_CORPUS_RESOURCE_NAME }], similarityTopK: 5, vectorDistanceThreshold: 0.8 } } }] };

6. Cloud Functions 배포

generateDiary 함수 배포

gcloud functions deploy generateDiary
—gen2
—runtime nodejs20
—region europe-west4
—source .
—entry-point generateDiary
—trigger-http
—timeout 300s
—memory 512MB
—min-instances 0
—max-instances 10
—set-env-vars PROJECT_ID=$PROJEC{T}_{I}D,LOCATION=${LOCATION},RAG_CORPUS_ID=${RAG_CORPUS_ID},MODEL_ID=gemini-2.5-flash-lite
—no-allow-unauthenticated

gcloud functions deploy generate-diary \
  --gen2 \
  --runtime nodejs20 \
  --region europe-west4 \
  --source . \
  --entry-point generateDiary \
  --trigger-http \
  --timeout 300s \
  --memory 512MB \
  --min-instances 0 \
  --max-instances 10 \
  --set-env-vars PROJECT_ID=carenote-ai-474805,LOCATION=europe-west4,RAG_CORPUS_ID=2305843009213693952,MODEL_ID=gemini-2.5-flash-lite \
  --no-allow-unauthenticated

ragQuery 함수도 동일한 방식으로 배포 가능

7. 배포 후 설정

IAM 권한 설정 (Cloud Functions Invoker)

gcloud functions add-invoker-policy-binding generateDiary
—member=“user:email@domain.com”
—region=europe-west4

배포된 함수 URL

FUNCTION_URL=“https://europe-west4-${PROJECT_ID}.cloudfunctions.net/generateDiary”

8. 필수 파일 구성

project/ ├── index.js # Cloud Functions 엔트리포인트 ├── package.json # 의존성 정의 ├── .env # 환경변수 (로컬 테스트용) ├── .gcloudignore # 배포 제외 파일 └── src/ ├── config/ # Vertex AI 설정 ├── services/ # RAG 호출 로직 └── controllers/ # HTTP 요청 처리

9. 주요 환경 설정 요약

• Region: europe-west4 (RAG Corpus와 동일 지역)
• Runtime: nodejs20
• Memory: 512MB
• Timeout: 300s (RAG 응답 시간 고려)
• Authentication: IAM 기반 (no-allow-unauthenticated)

이 설정으로 Vertex AI RAG를 Cloud Functions를 통해 서비스할 수 있습니다.

주기적인 토큰 업데이트 필요 gcloud auth print-identity-token