本文介绍如何将已部署在 vertex ai model registry 中的自定义预测例程（cpr）无缝接入 kubeflow pipelines，通过官方预构建组件完成端-to-end批量预测任务，避免手动构造模型对象导致的类型不匹配问题。
在 Vertex AI 中使用自定义预测例程（Custom Prediction Routine, CPR）时，模型逻辑被封装在容器镜像中，并注册至 Model Registry（而非存储于 GCS），因此无法通过常规 ImporterComponent（依赖 artifact_uri）引入 Pipeline。直接编写自定义 importer 并返回 aiplatform.Model 实例会导致类型错误——因为 ModelBatchPredictOp 期望的是符合 KFP 类型系统规范的 Model Artifact，而非原始 Python SDK 对象。
✅ 正确做法是：从 Model Registry 中以声明式方式获取已注册模型的 Artifact，推荐使用 ModelGetOp（v1.2.0+ 版本推荐）或兼容旧版的 GetVertexModelOp。
✅ 推荐方案：使用 ModelGetOp
该组件会根据模型资源名称（model_name）从 Vertex AI Model Registry 中检索模型，并输出标准 Model Artifact，与 ModelBatchPredictOp 完全兼容：
