◉GEMINI LABEN
●OMNI 1.2 — Gemini Omni 1.2 Flash が GA になりました(11/5)。最長15秒の動画生成と会話での編集に対応し、1.1 Flash は 12/3 に自動で 1.2 へ振り替わります●COMPUTER — Computer Use が Interactions / GenerateContent API で GA になりました(10/30)●LIVE — Live と TTS のプレビュー版は最短 11/17 に停止します(残り7日)。移行先は gemini-3.8-live と 3.8 系 TTS です●CLI — Gemini API CLI(gemini-api)がベータで登場(10/27)。エージェントやCI向けのゼロ依存クライアントです●2.5 PRO — gemini-2.5-pro と 2.5-flash は 12/1 から自動で振り替えられます(残り21日)。移行先は 3.8 Flash と 3.5 Flash-Lite です●NEW — クラッシュ報告を毎回ゼロから読ませない — 既知バグ早見表を先に grep し…●OMNI 1.2 — Gemini Omni 1.2 Flash が GA になりました(11/5)。最長15秒の動画生成と会話での編集に対応し、1.1 Flash は 12/3 に自動で 1.2 へ振り替わります●COMPUTER — Computer Use が Interactions / GenerateContent API で GA になりました(10/30)●LIVE — Live と TTS のプレビュー版は最短 11/17 に停止します(残り7日)。移行先は gemini-3.8-live と 3.8 系 TTS です●CLI — Gemini API CLI(gemini-api)がベータで登場(10/27)。エージェントやCI向けのゼロ依存クライアントです●2.5 PRO — gemini-2.5-pro と 2.5-flash は 12/1 から自動で振り替えられます(残り21日)。移行先は 3.8 Flash と 3.5 Flash-Lite です●NEW — クラッシュ報告を毎回ゼロから読ませない — 既知バグ早見表を先に grep し…
記事一覧/API / SDK
◈ API / SDK/2026-05-02上級

Gemini API × Cloudflare Vectorize で完全エッジ RAG を構築する — 低レイテンシ・低コスト・グローバル配信の本番設計

Gemini Embedding と Cloudflare Vectorize を組み合わせ、Workers ランタイム上で完結する低レイテンシ・低コストの本番エッジ RAG を実装します。サブリクエスト制限の回避、リトライ、フォールバック、コスト試算まで踏み込みます。

gemini-api293cloudflare4vectorizerag21edgeworkersproduction105

✦ プレミアム記事

東京から見ると 200ms で返ってくる RAG が、ニューヨークやベルリンから触ると 1 秒近くかかる。最初にこの差を計測したとき、原因がアプリのコードではなくインフラの位置にあると気付くまで、私は数日を消費しました。Cloud Run(東京リージョン)+ マネージド Vector DB という構成では、海外ユーザーが世界の裏側にあるリージョンへ往復する以上、どうしても物理的な遅延が乗ってしまいます。

ここではその課題に対する一つの答えとして、Gemini Embedding と Cloudflare Vectorize を組み合わせた「完全エッジ RAG」の本番構成を共有します。Workers のサブリクエスト制限や JSON ボディ上限のような、ドキュメントには書かれていないけれど実装するとぶつかる落とし穴を中心に、コピペで動くコードと運用設計までまとめました。検証は本記事執筆時点(2026 年 5 月)の API バージョンで行っています。

なぜエッジ RAG なのか — 「速度」だけが目的ではありません

エッジ RAG というと、まず頭に浮かぶのは「グローバル低レイテンシ」だと思います。これは確かに大きな利点ですが、私が本番で運用してみて感じている価値は、それ以外にも 3 つあります。

1 つ目は コスト構造 です。Cloudflare Vectorize はインデックス料金とクエリ料金が極めて安く(後述しますが、500 万ベクトルでも月額 $1 弱)、無料枠も寛大です。マネージド Vector DB の固定インスタンス料金(月額 $70 から)と比べると、個人開発の規模では一桁から二桁の差になります。

2 つ目は 冷起動問題からの解放 です。Workers は基本的に冷起動を意識しなくて良い設計で、世界中のエッジで動的にスケールします。Lambda や Cloud Run のように初回呼び出しで数秒待たされる、という現象が起きません。RAG のような対話的な用途では、これが体感品質を大きく左右します。

3 つ目は デプロイの単純さ です。Vector DB・Embedding・LLM の API 呼び出し・フロントエンドが全て一つの Workers コードベースに入るため、CI/CD や監視の対象が劇的に減ります。個人開発で運用工数を最小化したいときに、この単純さは何より価値があります。

逆にトレードオフとしては、Workers の CPU 制限(1 リクエストあたり最大 50ms〜30 秒、プランによる) や サブリクエスト数の上限(無料 50 / 有料 1000) があります。RAG では Embedding API + Vectorize クエリ + Gemini 生成で最低 3 サブリクエスト消費するため、後段でリランキングや複数クエリ展開を行う場合は注意が必要です。

全体アーキテクチャ — 4 つの構成要素

今回構築する構成は、以下の 4 つだけで完結します。Cloud Run も VM も不要です。

  • Cloudflare Workers(Hono フレームワーク):API エンドポイントとオーケストレーション
  • Cloudflare Vectorize:エッジ分散型のベクトルストア
  • Gemini Embedding API(text-embedding-004、768 次元):クエリと文書の埋め込み生成
  • Gemini 2.5 Flash:取得文書を踏まえた回答生成

データの流れは「クエリ受信 → Embedding 生成 → Vectorize 検索 → 取得文書をプロンプトに差し込んで Gemini で生成 → 回答返却」という標準的な RAG ですが、すべてが Workers ランタイム内で完結する点が肝です。なお関連する基礎は Gemini API を Cloudflare Workers で動かすエッジ AI 入門 と Hono × Cloudflare Workers でエッジ AI を構築するガイド でも触れていますので、Workers 自体に不慣れであれば先にそちらを参照してください。

✦

ここまでお読みいただきありがとうございます。

この記事の続きを読む

この先には、実装コードやベンチマーク結果など、実務でお役に立てる内容をご用意しています。このサイトは広告を掲載しておらず、サーバーや開発にかかる費用はメンバーの皆様のご支援で成り立っています。もしお役に立てていましたら、ご支援いただけますと大変ありがたいです。

この記事で得られること
✦海外ユーザーへの応答が 800ms を超えていた RAG を、Workers + Vectorize の構成で 200ms 台に乗せ替えられる実装をそのまま入手できます
✦Gemini Embedding を Workers から呼び出す際のサブリクエスト制限・タイムアウト・JSON 上限といった『書いてみて初めて分かる落とし穴』を、回避コード付きで習得できます
✦月額数千円の予算でグローバル配信できるエッジ RAG の運用設計(コスト試算・モデル切替・キャッシュ戦略)を、自分のサービスにそのまま移植できるようになります
Stripe による安全な決済 · いつでもキャンセル可能
✦

この記事を購入する

この先の内容をすべてお読みいただけます。一度のご購入で、いつでも何度でもアクセスできます。このサイトは広告を掲載しておらず、皆さまのご支援がサーバー費用などの運営を支えています。

または
メンバーシップなら全記事が読み放題 →
シェア

お読みいただきありがとうございます

Gemini Lab は広告なしで運営しており、サーバー費用などの運営コストはメンバーシップのご支援で賄っています。実装コード・ベンチマーク・本番設計パターンなど、実務でお役立ていただける記事を毎日更新しています。もし読んでよかったと感じていただけましたら、ぜひご覧ください。

  • ✦コピー&ペーストで使える実装コード付き
  • ✦毎日新しい上級ガイドを追加
  • ✦¥580/月 または ¥1,480 の永久アクセス
メンバーシップを見る →

関連記事

◈ API / SDK2026-05-01
Geminiで作る出典付きRAG ― ハルシネーションを止める引用生成と検証パイプラインの設計
Gemini API を使った RAG に「信頼できる出典」を組み込むための実装パターンを、構造化出力・検証アルゴリズム・UI 表示まで通しで解説します。ハルシネーションを定量的に検出する仕組みも含めて、本番投入できる形で紹介します。
◈ API / SDK2026-04-28
Gemini Embeddings × リランカーで本番RAGの精度を底上げする — Vertex AI Ranking と LLM-as-judge の使い分け
Embeddings だけでは取りこぼす「上位3件は当たり前に合うのに5件目以降に正解が埋もれる」問題を、Vertex AI Ranking API と Gemini を使ったリランカーで解決する本番アーキテクチャを実装コード付きで解説します。
◈ API / SDK2026-07-04
Gemini API の英語出力に日本語が『たまに』混ざるとき — 混入率を計測して段階的に締める運用メモ
英語出力を指示したGemini APIが、100回に数回だけ日本語を混ぜてくる——この『たまに』を止められない本当の理由と、混入率をSLOとして計測し、段階的リカバリで本番品質まで締める運用パターンを実装コード付きで整理します。