Ανάπτυξη Μοντέλων OpenAI στο GCP με Ασφάλεια Εταιρικού Επιπέδου

import os
from google.cloud import secretmanager
from openai import OpenAI

# 1. Ασφαλής ανάκτηση του OpenAI API Key από το GCP Secret Manager
def get_openai_secret(project_id: str, secret_id: str, version_id: str = "latest") -> str:
    client = secretmanager.SecretManagerServiceClient()
    name = f"projects/{project_id}/secrets/{secret_id}/versions/{version_id}"
    response = client.access_secret_version(request={"name": name})
    return response.payload.data.decode("UTF-8")

# 2. Αρχικοποίηση OpenAI Client με δρομολόγηση μέσω GCP Private Service Connect (PSC)
GCP_PROJECT_ID = os.getenv("GCP_PROJECT_ID", "my-enterprise-gcp-project")
api_key = get_openai_secret(GCP_PROJECT_ID, "openai-enterprise-api-key")

client = OpenAI(
    api_key=api_key,
    # Ιδιωτικό PSC Endpoint εντός του GCP VPC
    base_url="https://openai-psc.internal.mycompany.gcp/v1" 
)

# 3. Εκτέλεση αιτήματος στο GPT-4o με Structured Outputs
response = client.chat.completions.create(
    model="gpt-4o",
    messages=[
        {"role": "system", "content": "Είστε ένας εταιρικός βοηθός ανάλυσης δεδομένων στο GCP."},
        {"role": "user", "content": "Ανάλυσε τα μηνιαία έξοδα Cloud BigQuery."}
    ],
    temperature=0.2,
    max_tokens=1000
)

print("Απάντηση Μοντέλου:", response.choices[0].message.content)

import { SecretManagerServiceClient } from '@google-cloud/secret-manager';
import OpenAI from 'openai';

const secretClient = new SecretManagerServiceClient();

async function getSecret(secretName: string): Promise<string> {
  const [version] = await secretClient.accessSecretVersion({ name: secretName });
  return version.payload?.data?.toString() || '';
}

async function runEnterpriseApp() {
  const apiKey = await getSecret('projects/my-gcp-project/secrets/openai-key/versions/latest');

  const openai = new OpenAI({
    apiKey: apiKey,
    baseURL: 'https://openai-psc.internal.mycompany.gcp/v1'
  });

  const completion = await openai.chat.completions.create({
    model: 'o3-mini',
    messages: [{ role: 'user', content: 'Βελτιστοποίησε το ακόλουθο SQL Query για BigQuery.' }],
    reasoning_effort: 'medium'
  });

  console.log(completion.choices[0].message);
}

runEnterpriseApp();

# Κλήση API μέσω GCP Private Service Connect Endpoint
curl -X POST https://openai-psc.internal.mycompany.gcp/v1/chat/completions \
  -H "Authorization: Bearer $(gcloud secrets versions access latest --secret=openai-enterprise-api-key)" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-4o",
    "messages": [
      {
        "role": "system",
        "content": "GCP Enterprise Proxy Mode"
      },
      {
        "role": "user",
        "content": "Έλεγχος συνδεσιμότητας ιδιωτικού δικτύου."
      }
    ],
    "temperature": 0.1
  }'

from langchain_openai import ChatOpenAI, OpenAIEmbeddings
from langchain_google_community import VertexAISearchRetriever

# 1. Αρχικοποίηση OpenAI Embeddings μέσω GCP PSC
embeddings = OpenAIEmbeddings(
    model="text-embedding-3-large",
    openai_api_base="https://openai-psc.internal.mycompany.gcp/v1"
)

# 2. Σύνδεση με Vertex AI Vector Search Retriever
retriever = VertexAISearchRetriever(
    project_id="my-gcp-project",
    data_store_id="enterprise-docs-store",
    location_id="us-central1",
    engine_data_type=0
)

# 3. LLM Orchestration με GPT-4o
llm = ChatOpenAI(
    model="gpt-4o",
    temperature=0,
    openai_api_base="https://openai-psc.internal.mycompany.gcp/v1"
)

# 4. RAG Execution Query
query = "Ποιες είναι οι πολιτικές ασφαλείας πρόσβασης στο GCP BigQuery;"
docs = retriever.invoke(query)
print("Ανακτημένα Έγγραφα:", len(docs))