Gemini API クイックスタート — Python/TypeScriptで始める

Gemini API で最初のレスポンスを受け取るまでは、実のところ数分です。迷うとすればAPIキーの取得先とSDKの選び方くらいで、詰まるのはその先——ストリーミングやエラー処理を足していく段階になります。

Python と TypeScript/JavaScript の両方で、キーの取得から最初のリクエスト、そして実用に耐える形に整えるまでを順番に進めます。

前提条件

本ガイドを進める前に、以下の準備が必要です：

Googleアカウント
APIキー（Google AI Studioから取得可能）
Python 3.9以上またはNode.js 16以上
テキストエディタまたはIDE

ステップ1：APIキーの取得

Google AI Studioからのキー取得

aistudio.google.comにアクセス
左側メニューから「APIキー」を選択
「新しいAPIキーを作成」をクリック
プロジェクトを選択（または新規作成）
生成されたキーをコピーして安全に保管

キーの環境変数設定

取得したAPIキーを環境変数に設定することで、ソースコード内にキーを埋め込まずに管理できます。

Linux/Mac:

export GEMINI_API_KEY="your-api-key-here"

Windows (PowerShell):

$env:GEMINI_API_KEY="your-api-key-here"

Python環境変数設定（.envファイル）:

GEMINI_API_KEY=your-api-key-here

ステップ2：Python SDKのセットアップ

インストール

pip install google-genai

このコマンドで、Google GenAI SDK for Pythonがインストールされます。

必要なライブラリのインポート

from google import genai
import os

ステップ3：Python での基本実装

シンプルなテキスト生成

最も基本的な例として、テキストプロンプトに対する応答を生成します：

from google import genai
import os
 
# APIキーの設定
api_key = os.getenv("GEMINI_API_KEY")
client = genai.Client(api_key=api_key)
 
# テキスト生成
response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents="日本の首都は？"
)
 
print(response.text)

実行すると、AIから「日本の首都は東京です。」といった応答が返されます。

モデルの選択

複数のモデルから選択できます：

# 高精度が必要な場合
response = client.models.generate_content(
    model="gemini-2.5-pro",
    contents="複雑なコード設計について相談したい"
)
 
# 高速レスポンスが必要な場合
response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents="簡単な質問です"
)

ストリーミング対応

長い応答を部分ごとに取得する場合、ストリーミングを使用します：

response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents="日本の歴史について1000字で説明してください",
    stream=True
)
 
for chunk in response:
    print(chunk.text, end="", flush=True)

ストリーミングを使用することで、ユーザーが長く待つ必要がなくなり、より良いUX体験が提供できます。

Temperature と Top P の設定

生成テキストの創造性や確定性を制御できます：

from google.genai import types
 
response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents="面白いジョークを5個作成してください",
    config=types.GenerateContentConfig(
        temperature=1.0,  # 創造的
        top_p=0.95,       # 核サンプリング
        max_output_tokens=1000
    )
)

Safety Settings

不適切なコンテンツの生成を制限できます：

from google.genai import types
 
response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents="プログラミング学習ガイド",
    config=types.GenerateContentConfig(
        safety_settings=[
            types.SafetySetting(
                category=types.HarmCategory.HARM_CATEGORY_HATE_SPEECH,
                threshold=types.HarmBlockThreshold.BLOCK_ONLY_HIGH
            ),
            types.SafetySetting(
                category=types.HarmCategory.HARM_CATEGORY_VIOLENCE,
                threshold=types.HarmBlockThreshold.BLOCK_MEDIUM_AND_ABOVE
            )
        ]
    )
)

エラーハンドリング

APIの呼び出しは失敗する可能性があります。適切なエラーハンドリングは必須です：

from google import genai
import os
 
api_key = os.getenv("GEMINI_API_KEY")
client = genai.Client(api_key=api_key)
 
try:
    response = client.models.generate_content(
        model="gemini-2.5-flash",
        contents="テスト"
    )
    print(response.text)
except genai.APIError as e:
    print(f"APIエラーが発生しました: {e}")
except Exception as e:
    print(f"予期しないエラー: {e}")

ステップ4：TypeScript/JavaScript SDK のセットアップ

インストール

npm install @google/generative-ai

または yarn を使用：

yarn add @google/generative-ai

ステップ5：TypeScript での基本実装

シンプルなテキスト生成

import { GoogleGenerativeAI } from "@google/generative-ai";
 
const apiKey = process.env.GEMINI_API_KEY;
const genAI = new GoogleGenerativeAI(apiKey!);
 
async function generateText() {
  const model = genAI.getGenerativeModel({
    model: "gemini-2.5-flash"
  });
 
  const prompt = "日本の首都は？";
  const result = await model.generateContent(prompt);
  const response = result.response;
  console.log(response.text());
}
 
generateText();

ストリーミング対応（TypeScript）

async function streamGenerateText() {
  const model = genAI.getGenerativeModel({
    model: "gemini-2.5-flash"
  });
 
  const prompt = "日本の歴史について1000字で説明してください";
  const result = await model.generateContentStream(prompt);
 
  for await (const chunk of result.stream) {
    const chunkText = chunk.text();
    process.stdout.write(chunkText);
  }
}
 
streamGenerateText();

Configuration オプション（TypeScript）

async function generateWithConfig() {
  const model = genAI.getGenerativeModel({
    model: "gemini-2.5-pro"
  });
 
  const result = await model.generateContent({
    contents: [
      {
        role: "user",
        parts: [
          {
            text: "面白いアイデアを10個提案してください"
          }
        ]
      }
    ],
    generationConfig: {
      temperature: 1.0,
      topP: 0.95,
      maxOutputTokens: 2000
    },
    safetySettings: [
      {
        category: "HARM_CATEGORY_HATE_SPEECH",
        threshold: "BLOCK_ONLY_HIGH"
      }
    ]
  });
 
  console.log(result.response.text());
}
 
generateWithConfig();

エラーハンドリング（TypeScript）

async function generateWithErrorHandling() {
  const model = genAI.getGenerativeModel({
    model: "gemini-2.5-flash"
  });
 
  try {
    const result = await model.generateContent("テスト");
    console.log(result.response.text());
  } catch (error) {
    if (error instanceof Error) {
      console.error(`エラーが発生しました: ${error.message}`);
    } else {
      console.error("予期しないエラーが発生しました");
    }
  }
}
 
generateWithErrorHandling();

画像入力の処理

Python での画像処理

from google import genai
import base64
import os
 
api_key = os.getenv("GEMINI_API_KEY")
client = genai.Client(api_key=api_key)
 
# ファイルパスから画像を読み込む
image_path = "sample_image.jpg"
with open(image_path, "rb") as f:
    image_data = base64.standard_b64encode(f.read()).decode("utf-8")
 
response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents=[
        "この画像について詳しく説明してください",
        {
            "inline_data": {
                "mime_type": "image/jpeg",
                "data": image_data
            }
        }
    ]
)
 
print(response.text)

TypeScript での画像処理

import fs from "fs";
import path from "path";
 
async function analyzeImage() {
  const model = genAI.getGenerativeModel({
    model: "gemini-2.5-flash"
  });
 
  const imagePath = "sample_image.jpg";
  const imageBuffer = fs.readFileSync(imagePath);
  const base64Image = imageBuffer.toString("base64");
 
  const result = await model.generateContent([
    "この画像について詳しく説明してください",
    {
      inlineData: {
        mimeType: "image/jpeg",
        data: base64Image
      }
    }
  ]);
 
  console.log(result.response.text());
}
 
analyzeImage();

マルチターン会話

Python でのチャット実装

def chat_with_gemini():
    client = genai.Client(api_key=os.getenv("GEMINI_API_KEY"))
    model = client.models.get_model("models/gemini-2.5-flash")
    chat = model.start_chat()
 
    while True:
        user_input = input("あなた: ")
        if user_input.lower() == "終了":
            break
 
        response = chat.send_message(user_input)
        print(f"Gemini: {response.text}\n")
 
chat_with_gemini()

TypeScript でのチャット実装

async function chatWithGemini() {
  const model = genAI.getGenerativeModel({
    model: "gemini-2.5-flash"
  });
 
  const chat = model.startChat();
 
  const readline = require("readline");
  const rl = readline.createInterface({
    input: process.stdin,
    output: process.stdout
  });
 
  const prompt = () => {
    rl.question("あなた: ", async (input: string) => {
      if (input.toLowerCase() === "終了") {
        rl.close();
        return;
      }
 
      const result = await chat.sendMessage(input);
      console.log(`Gemini: ${result.response.text()}\n`);
      prompt();
    });
  };
 
  prompt();
}
 
chatWithGemini();

レート制限への対応

APIには使用制限があります。適切な対応を実装しましょう：

import time
 
def call_with_retry(client, model, contents, max_retries=3):
    for attempt in range(max_retries):
        try:
            response = client.models.generate_content(
                model=model,
                contents=contents
            )
            return response
        except Exception as e:
            if "429" in str(e):  # Rate limit
                wait_time = 2 ** attempt
                print(f"レート制限中。{wait_time}秒待機します...")
                time.sleep(wait_time)
            else:
                raise
 
response = call_with_retry(
    client,
    "gemini-2.5-flash",
    "テストプロンプト"
)

ベストプラクティス

APIキーの管理：絶対にソースコードにキーを埋め込まない
エラーハンドリング：すべての API 呼び出しを try-catch で囲む
ストリーミングの活用：長い応答ではストリーミングを使用
キャッシング：同じプロンプトの繰り返し呼び出しを避ける
タイムアウト設定：無限待機を防ぐ

まとめ

Gemini APIは、シンプルながら強力なAPIです。PythonとTypeScriptの両方で簡単に統合でき、プロトタイプから本番運用まで幅広い用途に対応します。

本ガイドで基本を習得したら、より高度な機能や特定用途への最適化に進むことをお勧めします。次のステップとして、Function Callingなどの高度な機能については、本サイトの関連記事をご参照ください。

Gemini API クイックスタート — Python/TypeScriptで始める

Gemini API クイックスタート — Python/TypeScriptで始める

前提条件

ステップ1：APIキーの取得

Google AI Studioからのキー取得

キーの環境変数設定

ステップ2：Python SDKのセットアップ

インストール

必要なライブラリのインポート

ステップ3：Python での基本実装

シンプルなテキスト生成

モデルの選択

ストリーミング対応

Temperature と Top P の設定

Safety Settings

エラーハンドリング

ステップ4：TypeScript/JavaScript SDK のセットアップ

インストール

ステップ5：TypeScript での基本実装

シンプルなテキスト生成

ストリーミング対応（TypeScript）

Configuration オプション（TypeScript）

エラーハンドリング（TypeScript）

画像入力の処理

Python での画像処理

TypeScript での画像処理

マルチターン会話

Python でのチャット実装

TypeScript でのチャット実装

レート制限への対応

ベストプラクティス

まとめ

お読みいただきありがとうございます

関連記事