nano-banana-2 automatizacion-de-flujos google-ia

Guía paso a paso para Nano Banana 2 de Google

MidassAI Team · 11 de julio de 2026 · 5 min read

Requisitos previos

Asegúrese de tener un proyecto de Google Cloud con facturación activada y la API de Vertex AI (no solo la de AI Platform) habilitada. Instale la CLI nanobanana-cli v2.1+ mediante pip install nanobanana-cli==2.1.0.

Paso 1: Autenticación y configuración

Ejecute nb-auth login y siga el flujo OAuth. Luego configure su región predeterminada y nivel de modelo:

nb-config set region us-central1
cb-config set tier nano-pro

Start using Nano Banana 2

Paso 2: Definir su flujo de trabajo

Cree el archivo workflow.yaml con una tarea mínima activada por HTTP:

name: text-summarize-v2
trigger: http
steps:
  - model: banana-summarizer-v3
    input: "{{ request.body.text }}"
    output: summary

Paso 3: Desplegar y probar

Despliegue con nb-deploy --file workflow.yaml, luego invóquelo:

curl -X POST https://us-central1-myproject.cloudfunctions.net/text-summarize-v2 \
  -H "Content-Type: application/json" \
  -d '{"text":"Nano Banana 2 ofrece latencia inferior a 100 ms y precisión del 99,98 % en tareas de texto corto."}'

Paso 4: Supervisar e iterar

Use nb-logs --tail para ver en tiempo real los registros de ejecución. Ajuste max-concurrency o timeout-ms en workflow.yaml según los picos de latencia observados.

Feature	Benefit
Speed	Up to 3.2x faster than Nano Banana 1
Quality	+4.7% F1-score on multilingual summarization

Quick Takeaways

Best forCreators building low-latency, stateless micro-workflows

Requisitos previos y configuración

Antes de lanzar su primer flujo de trabajo con Nano Banana 2, verifique tres capas fundamentales: herramientas, infraestructura en la nube y disponibilidad de modelos. Necesitará nanobanana-cli v2.1.0 o posterior (instálelo con pip install nanobanana-cli==2.1.0), Python 3.9+, y la CLI gcloud v425.0.0+ autenticada mediante gcloud auth login. Su proyecto de Google Cloud debe tener habilitada la facturación y la API Vertex AI (no solo la de AI Platform): Nano Banana 2 depende de los puntos finales optimizados de inferencia de Vertex. Es fundamental que el modelo banana-summarizer-v3 esté desplegado en su región (us-central1, europe-west3 o asia-east1) y registrado en el Registro de Modelos de su proyecto con la etiqueta de versión v3.2.1 o superior. Las versiones anteriores carecen de las optimizaciones de latencia y la validación de esquema JSON necesarias para el enlace estricto de entradas de Nano Banana 2.

Los permisos a nivel de cuenta también son clave: su cuenta de servicio requiere los roles roles/aiplatform.user, roles/cloudfunctions.developer y roles/storage.objectAdmin —no basta con el rol editor. Si usa una cuenta de servicio personalizada (recomendado frente a la predeterminada de Compute), ejecute gcloud projects add-iam-policy-binding YOUR_PROJECT_ID --member="serviceAccount:YOUR_SA@YOUR_PROJECT_ID.iam.gserviceaccount.com" --role="roles/aiplatform.user" para evitar fallos silenciosos durante el despliegue en el Paso 2.

Flujo de trabajo extendido con prompts

Nano Banana 2 admite flujos de trabajo multi-paso, condicionales y con plantillas, más allá de los desencadenadores HTTP básicos. Así puede extender su workflow.yaml inicial hacia una canalización lista para producción:

Enrutamiento dinámico: Inserte un paso condicional que dirija las entradas según su longitud o detección de idioma. Por ejemplo, bajo steps, agregue:
```
- name: route-by-length
  type: condition
  condition: "{{ len(request.body.text) <= 256 }}"
  true: summarizer-short
  false: summarizer-long
```
Encadenamiento de salidas entre modelos: Haga referencia a las salidas de pasos anteriores usando {{ steps.summarizer-short.output.summary }}. Para enriquecer el resumen con análisis de sentimiento:
```
- model: banana-sentiment-v2
  input: "{{ steps.summarizer-short.output.summary }}"
  output: sentiment_score
```

Parámetros adaptados al entorno: Use variables gestionadas por nb-config en lugar de valores codificados. Establezca nb-config set env staging localmente, luego haga referencia en YAML:

- model: banana-ner-v4
  input: "{{ request.body.text }}"
  parameters:
    confidence_threshold: "{{ env == 'staging' ? 0.7 : 0.85 }}"
    max_entities: "{{ env == 'staging' ? 3 : 10 }}"

Validación previa de entradas: Agregue un validador previo para rechazar cargas mal formadas desde el inicio:

- name: validate-input
  type: validator
  schema:
    type: object
    required: [text]
    properties:
      text:
        type: string
        minLength: 1
        maxLength: 2000

Lógica de reintento para servicios externos inestables: Si llama a una API externa (p. ej., traducción), envuélvala en un paso resistente:
```
- model: banana-translate-v1
  input: "{{ steps.summarizer-short.output.summary }}"
  retries: 2
  backoff: exponential
  timeout-ms: 800
```

Errores comunes

Usar etiquetas obsoletas de versión de modelo: Desplegar banana-summarizer-v3 sin especificar version: v3.2.1 en el YAML del flujo de trabajo implica usar v3.0.0 por defecto, versión que carece de la limitación de velocidad por token bucket de Nano Banana 2 y devuelve HTTP 422 ante ráfagas de alto volumen. Solución: declare explícitamente model: [email protected] en cada paso.
Sobrescribir configuraciones de nb-config por despliegue: Ejecutar nb-deploy --region europe-west3 anula su configuración global pero no la persiste; comandos posteriores como nb-logs fallan porque leen desde us-central1. Solución: ejecute nb-config set region europe-west3 antes del despliegue y verifique con nb-config get region.
Ignorar límites de tamaño de carga en desencadenadores HTTP: Nano Banana 2 aplica un límite estricto de 1,5 MB para el cuerpo de las solicitudes HTTP. Enviar un JSON de 2 MB con imágenes en base64 falla silenciosamente con HTTP 400 y sin registro. Solución: comprima las cargas grandes en el cliente (p. ej., gzip -c payload.json | curl -H "Content-Encoding: gzip" ...) o use desencadenadores Pub/Sub para datos superiores a 1 MB.

Pruébelo en MidassAI

Puede replicar e iterar este mismo flujo de trabajo —incluyendo enrutamiento condicional, encadenamiento multi-modelo y parámetros adaptados al entorno— sin instalar ninguna herramienta CLI ni gestionar roles IAM de Google Cloud. Abra MidassAI Studio en https://www.midassai.com/studio/nano/, seleccione «Nano Banana 2» en el menú desplegable de runtime, pegue el contenido de su workflow.yaml en el editor visual y haga clic en «Run Test». Studio aprovisiona automáticamente un punto final aislado de Vertex AI, valida su YAML en tiempo real contra las reglas de esquema de Nano Banana 2 y muestra mapas térmicos de latencia y trazas de errores directamente en la interfaz. No se requiere ID de proyecto, cuenta de servicio ni configuración de facturación: solo pegue, ajuste y despliegue en menos de 90 segundos.