gemini-2.5-pro-latest で始めるAI開発

gemini-2.5-pro-latest とは？

gemini-2.5-pro-latest は、Google が提供する Gemini 2.5 Pro モデルの最新バージョンを自動で参照するモデル識別子です。このモデル文字列を使うことで、Google が 2.5-pro シリーズをアップデートするたびに、コードを変更せずに自動的に最新版が適用されます。

Gemini 2.5 Pro は以下の点で特に優れています。

高度な推論能力: 複雑な数学的推論や多段階の論理問題に強い
100万トークンの巨大コンテキストウィンドウ: 長文文書や大規模コードベースの処理
マルチモーダル対応: テキスト・画像・音声・動画の統合処理
コーディング能力: 複雑なコードの生成・レビュー・デバッグ

このガイドでは、gemini-2.5-pro-latest を使って実際にAIアプリケーションを構築する方法を、動作するコードとともに解説します。

Step 1：APIキーの取得と環境準備

Google AI Studio でAPIキーを取得する

Google AI Studio にアクセスし、Googleアカウントでログイン
左メニューの「Get API key」をクリック
「Create API key」→ 使用するGoogleクラウドプロジェクトを選択
生成されたAPIキーをコピーして安全な場所に保存

⚠️ APIキーは環境変数として管理し、コードにハードコードしないこと。

Python環境のセットアップ

# Google Generative AI ライブラリをインストール
pip install google-generativeai
 
# 環境変数にAPIキーを設定
export GOOGLE_API_KEY="YOUR_GEMINI_API_KEY"

Step 2：最初のAPI呼び出し

import google.generativeai as genai
import os
 
# APIキーを環境変数から読み込む
genai.configure(api_key=os.environ["GOOGLE_API_KEY"])
 
# gemini-2.5-pro-latest モデルを指定
model = genai.GenerativeModel("gemini-2.5-pro-latest")
 
# 最初のリクエスト
response = model.generate_content("Pythonでフィボナッチ数列を生成するコードを書いてください。")
 
print(response.text)

期待する出力（例）:

def fibonacci(n):
    """フィボナッチ数列のn番目の値を返す"""
    if n <= 1:
        return n
    return fibonacci(n - 1) + fibonacci(n - 2)

# 最初の10項を出力
for i in range(10):
    print(f"F({i}) = {fibonacci(i)}")

Step 3：ストリーミング応答

長い応答を待たずに、生成されたテキストをリアルタイムで受け取るにはストリーミングを使います。

import google.generativeai as genai
import os
 
genai.configure(api_key=os.environ["GOOGLE_API_KEY"])
model = genai.GenerativeModel("gemini-2.5-pro-latest")
 
# ストリーミングで応答を取得
response = model.generate_content(
    "量子コンピュータの仕組みを初心者向けに詳しく説明してください。",
    stream=True
)
 
# 逐次的にテキストを表示
for chunk in response:
    print(chunk.text, end="", flush=True)
 
print()  # 改行

Step 4：マルチターン会話（チャット）

start_chat() メソッドを使うことで、会話の文脈を保持した対話型のアプリケーションを構築できます。

import google.generativeai as genai
import os
 
genai.configure(api_key=os.environ["GOOGLE_API_KEY"])
model = genai.GenerativeModel("gemini-2.5-pro-latest")
 
# チャットセッションを開始
chat = model.start_chat(history=[])
 
def chat_with_gemini(user_input: str) -> str:
    """ユーザーの入力をGeminiに送り、応答を返す"""
    response = chat.send_message(user_input)
    return response.text
 
# 会話の例
print("Geminiとの会話を開始します。'終了'と入力で終了。\n")
 
while True:
    user_input = input("あなた: ")
    if user_input == "終了":
        break
    
    response = chat_with_gemini(user_input)
    print(f"Gemini: {response}\n")

Step 5：システム指示の設定

AIの役割・ペルソナ・行動ルールを事前に設定できます。

import google.generativeai as genai
import os
 
genai.configure(api_key=os.environ["GOOGLE_API_KEY"])
 
# システム指示付きでモデルを設定
model = genai.GenerativeModel(
    model_name="gemini-2.5-pro-latest",
    system_instruction="""
    あなたはシニアソフトウェアエンジニアです。
    以下のルールに従って回答してください：
    - コードは必ずPythonで書いてください
    - 各コードブロックにはコメントを付けてください
    - エラーハンドリングを必ず含めてください
    - 実装の注意点を最後にまとめてください
    """
)
 
response = model.generate_content("ファイルを読み込んでCSVに変換する関数を書いてください。")
print(response.text)

Step 6：生成パラメータの調整

応答の品質・長さ・多様性を細かく制御するためのパラメータです。

import google.generativeai as genai
import os
 
genai.configure(api_key=os.environ["GOOGLE_API_KEY"])
 
model = genai.GenerativeModel("gemini-2.5-pro-latest")
 
# 生成設定
generation_config = genai.GenerationConfig(
    temperature=0.7,        # 0.0（決定論的）〜 1.0（創造的）
    top_p=0.9,              # 核サンプリング
    top_k=40,               # 上位K候補から選択
    max_output_tokens=2048, # 最大出力トークン数
    candidate_count=1       # 生成する候補数
)
 
response = model.generate_content(
    "短編小説のアイデアを3つ提案してください。",
    generation_config=generation_config
)
 
print(response.text)

パラメータの目安：

temperature=0.0〜0.3: 事実確認・コーディング・要約など正確さが必要なタスク
temperature=0.5〜0.8: 一般的な文章生成・説明・Q&A
temperature=0.9〜1.0: 創作・アイデア出し・ブレインストーミング

Step 7：レート制限とエラーハンドリング

本番環境で安定稼働させるためのエラーハンドリングを実装します。

import google.generativeai as genai
import os
import time
from google.api_core import exceptions as google_exceptions
 
genai.configure(api_key=os.environ["GOOGLE_API_KEY"])
model = genai.GenerativeModel("gemini-2.5-pro-latest")
 
def safe_generate(prompt: str, max_retries: int = 3) -> str:
    """
    エラーハンドリング・リトライ付きのコンテンツ生成関数
    
    Args:
        prompt: 送信するプロンプト
        max_retries: 最大リトライ回数
    
    Returns:
        生成されたテキスト
    """
    for attempt in range(max_retries):
        try:
            response = model.generate_content(prompt)
            return response.text
            
        except google_exceptions.ResourceExhausted:
            # レートリミット超過
            wait_time = 2 ** attempt  # 指数バックオフ
            print(f"レートリミット超過。{wait_time}秒後にリトライ... (試行 {attempt + 1}/{max_retries})")
            time.sleep(wait_time)
            
        except google_exceptions.InvalidArgument as e:
            # 無効なリクエスト（リトライ不要）
            print(f"無効なリクエスト: {e}")
            raise
            
        except google_exceptions.GoogleAPIError as e:
            # その他のAPIエラー
            print(f"APIエラー: {e}")
            if attempt == max_retries - 1:
                raise
            time.sleep(1)
    
    raise Exception("最大リトライ回数に達しました")
 
# 使用例
result = safe_generate("東京の気候の特徴を教えてください。")
print(result)

全体を振り返って

gemini-2.5-pro-latest を使ったAPI開発の基本ステップをまとめます。

Step 1: Google AI Studio でAPIキーを取得し、環境変数に設定
Step 2: google-generativeai ライブラリをインストール
Step 3: GenerativeModel("gemini-2.5-pro-latest") でモデルを初期化
Step 4: ストリーミング・マルチターン会話・システム指示を組み合わせる
Step 5: 本番環境ではエラーハンドリングと特定バージョン固定を実装

Gemini 2.5 Pro は、長い文書処理・複雑な推論・マルチモーダルタスクに特に強みを持つモデルです。ぜひ自分のプロジェクトに組み込んで、その実力を試してみてください。

より詳しい API 活用方法については、Gemini API Python 高スループット非同期処理ガイドも合わせてご参照ください。

Gemini API の詳細な仕様や活用法を深く

gemini-2.5-pro-latest で始めるAI開発：Google AI Studio & APIクイックスタートガイド