◈ API / SDK/2026-03-14上級

Gemini Code Execution API — AIにコードを書かせて実行する

Gemini Code Execution APIの使い方。AIが生成したコードを安全に実行し、数学計算、データ処理、複雑な分析をAIに任せる方法を解説します。

Gemini API²⁰⁷ Code Execution Python³⁸ AI¹⁰ 計算

✦ プレミアム記事

Gemini Code Execution API 完全ガイド — AIにコードを書かせて実行する

背景と前提

Gemini Code Execution APIは、AIが生成したPythonコードを安全に実行できる革新的な機能です。従来は「AIが数学問題を解く」といえば、テキストベースの説明だけでしたが、このAPIを使うと、AIが実際にコードを書いて実行し、その結果をリアルタイムで取得できます。

データ分析、複雑な計算、シミュレーション、画像処理など、計算集約的なタスクをAIに任せることで、開発の効率化と精度向上が実現します。ここで整理するのは実装からベストプラクティスまで、全てを解説します。

Code Execution APIとは

基本的な仕組み

Code Execution APIは、以下のフローで動作します：

ユーザーが問題や要件をAIに提示
AIが解決方法をPythonコードで生成
GoogleのセキュアなSandbox環境でコードが実行
実行結果がユーザーに返される
AIがその結果を解釈して説明を提供

このプロセス全体がAPIを通じてシームレスに動作するため、開発者は複雑なコード実行管理を気にする必要がありません。

対応環境と制限事項

Code Executionは以下の環境で利用可能です：

対応言語: Python（現在のところPythonのみ対応）
実行環境: GoogleのセキュアなSandbox
実行時間制限: 1リクエストあたり最大90秒
メモリ上限: 1GBまで
ネットワーク: 外部への通信は不可（セキュリティ考慮）

✦

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

✦Gemini Code Execution APIによる動的コード実行の安全な実装

✦実行環境の制御とセキュリティベストプラクティス

✦複雑な計算タスクの自動化

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 →

セットアップと基本的な使い方

SDKのインストール

pip install google-genai

基本的なCode Executionの実装

最もシンプルなCode Execution APIの使用例を見てみましょう：

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)
 
# Code Executionを有効にしたリクエスト
response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents=[{
        "role": "user",
        "parts": [{
            "text": "10から100までの素数を全て求めて、その個数と合計を教えてください"
        }]
    }],
    tools=[{"google_search": {}}, {"code_execution": {}}]
)
 
# 結果の表示
for part in response.content.parts:
    if hasattr(part, 'text'):
        print("AI応答:", part.text)
    elif hasattr(part, 'executable_code'):
        print("実行されたコード:", part.executable_code.code)
    elif hasattr(part, 'code_execution_result'):
        print("実行結果:", part.code_execution_result.output)

実行結果:

実行されたコード:
import math

def is_prime(n):
    if n < 2:
        return False
    for i in range(2, int(math.sqrt(n)) + 1):
        if n % i == 0:
            return False
    return True

primes = [n for n in range(10, 101) if is_prime(n)]
print(f"10から100までの素数: {primes}")
print(f"個数: {len(primes)}")
print(f"合計: {sum(primes)}")

実行結果:
10から100までの素数: [11, 13, 17, 19, 23, 29, 31, 37, 41, 43, 47, 53, 59, 61, 67, 71, 73, 79, 83, 89, 97]
個数: 21
合計: 1043

実践的な使用シーン

データ分析とグラフ生成

データ分析はCode Executionの最も実用的なユースケースです。複雑な計算とビジュアライゼーションをAIに任せられます：

from google import genai
import os
 
api_key = os.getenv("GEMINI_API_KEY")
client = genai.Client(api_key=api_key)
 
# 複雑なデータ分析タスク
response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents=[{
        "role": "user",
        "parts": [{
            "text": """
            以下の売上データを分析してください：
            - 2024年Q1: 150万円、Q2: 180万円、Q3: 165万円、Q4: 210万円
 
            次の情報を計算してください：
            1. 四半期ごとの成長率（前期比）
            2. 平均売上と標準偏差
            3. 最も好調な四半期と最低の四半期
            4. 年間売上の合計と平均
            """
        }]
    }],
    tools=[{"code_execution": {}}]
)
 
# 結果の表示
for part in response.content.parts:
    if hasattr(part, 'code_execution_result'):
        print(part.code_execution_result.output)

複雑な数学計算と統計

統計分析や数値計算も、Code Executionで精度高く実現できます：

# フィボナッチ数列と黄金比の関係を分析
response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents=[{
        "role": "user",
        "parts": [{
            "text": """
            フィボナッチ数列の最初の30項を生成し、
            連続する2つの項の比率から黄金比への収束を確認してください。
            小数第10位まで表示してください。
            """
        }]
    }],
    tools=[{"code_execution": {}}]
)

高度な活用テクニック

マルチターンでのCode Execution

複数のターンにわたるインタラクティブな分析も可能です：

from google import genai
import os
 
api_key = os.getenv("GEMINI_API_KEY")
client = genai.Client(api_key=api_key)
 
# マルチターン会話でCode Executionを活用
messages = [
    {
        "role": "user",
        "parts": [{
            "text": "正規分布に従う100個のランダムデータを生成してください"
        }]
    }
]
 
response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents=messages,
    tools=[{"code_execution": {}}]
)
 
# AIの応答を表示
print("1ターン目:")
for part in response.content.parts:
    if hasattr(part, 'text'):
        print(part.text)
 
# 2ターン目：データの平均と分散を計算
messages.append({
    "role": "model",
    "parts": response.content.parts
})
 
messages.append({
    "role": "user",
    "parts": [{
        "text": "このデータの平均値、分散、標準偏差、歪度を計算してください"
    }]
})
 
response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents=messages,
    tools=[{"code_execution": {}}]
)
 
print("\n2ターン目:")
for part in response.content.parts:
    if hasattr(part, 'text'):
        print(part.text)

出力例:

1ターン目:
実行されたコード:
import numpy as np
np.random.seed(42)
data = np.random.normal(loc=50, scale=15, size=100)
print(f"生成されたデータ（最初の10個）: {data[:10]}")
print(f"全データ数: {len(data)}")

実行結果:
生成されたデータ（最初の10個）: [53.24 47.35 62.48 45.12 ...]
全データ数: 100

2ターン目:
実行されたコード:
from scipy import stats
mean = np.mean(data)
variance = np.var(data)
std_dev = np.std(data)
skewness = stats.skew(data)
print(f"平均値: {mean:.4f}")
print(f"分散: {variance:.4f}")
print(f"標準偏差: {std_dev:.4f}")
print(f"歪度: {skewness:.4f}")

実行結果:
平均値: 50.2341
分散: 224.5623
標準偏差: 14.9854
歪度: 0.1523

エラーハンドリングとリトライロジック

Code Executionが失敗する場合もあります。堅牢な実装にはエラーハンドリングが必須です：

from google import genai
import os
from google.api_core import exceptions
 
api_key = os.getenv("GEMINI_API_KEY")
client = genai.Client(api_key=api_key)
 
def execute_code_safely(prompt, max_retries=3):
    """エラーハンドリング付きCode Execution"""
    for attempt in range(max_retries):
        try:
            response = client.models.generate_content(
                model="gemini-2.5-flash",
                contents=[{"role": "user", "parts": [{"text": prompt}]}],
                tools=[{"code_execution": {}}]
            )
            return response
        except exceptions.DeadlineExceeded:
            print(f"タイムアウト (試行 {attempt + 1}/{max_retries})")
            if attempt < max_retries - 1:
                continue
            else:
                raise
        except Exception as e:
            print(f"エラー発生: {type(e).__name__}: {str(e)}")
            raise
 
# 使用例
try:
    result = execute_code_safely("1から1000までの数値で、各数字の出現回数を数えてください")
    print(result)
except Exception as e:
    print(f"処理失敗: {e}")

ベストプラクティス

1. セキュリティを意識した設計

# ❌ 悪い例：ユーザー入力をそのまま使用
user_input = request.get("prompt")
response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents=user_input,
    tools=[{"code_execution": {}}]
)
 
# ✅ 良い例：入力の検証とサニタイズ
def sanitize_prompt(prompt):
    # 入力の長さチェック
    if len(prompt) > 5000:
        raise ValueError("プロンプトが長すぎます")
 
    # 危険なキーワードのチェック
    dangerous_keywords = ["import os", "exec(", "eval("]
    for keyword in dangerous_keywords:
        if keyword.lower() in prompt.lower():
            raise ValueError(f"不許可のコマンドが含まれています: {keyword}")
 
    return prompt.strip()
 
user_input = request.get("prompt")
try:
    safe_prompt = sanitize_prompt(user_input)
    response = client.models.generate_content(
        model="gemini-2.5-flash",
        contents=safe_prompt,
        tools=[{"code_execution": {}}]
    )
except ValueError as e:
    return {"error": str(e)}

2. レート制限とクォータ管理

import time
from functools import wraps
 
class RateLimiter:
    def __init__(self, calls_per_minute=60):
        self.calls_per_minute = calls_per_minute
        self.calls = []
 
    def __call__(self, func):
        @wraps(func)
        def wrapper(*args, **kwargs):
            now = time.time()
            # 1分以内のコールを記録
            self.calls = [call_time for call_time in self.calls if now - call_time < 60]
 
            if len(self.calls) >= self.calls_per_minute:
                sleep_time = 60 - (now - self.calls[0])
                print(f"レート制限に達しました。{sleep_time:.1f}秒待機します")
                time.sleep(sleep_time)
 
            self.calls.append(now)
            return func(*args, **kwargs)
        return wrapper
 
@RateLimiter(calls_per_minute=30)
def call_code_execution(prompt):
    response = client.models.generate_content(
        model="gemini-2.5-flash",
        contents=prompt,
        tools=[{"code_execution": {}}]
    )
    return response

3. 結果のキャッシング

import hashlib
import json
from datetime import datetime, timedelta
 
class ExecutionCache:
    def __init__(self, ttl_minutes=60):
        self.cache = {}
        self.ttl = timedelta(minutes=ttl_minutes)
 
    def _get_cache_key(self, prompt):
        return hashlib.md5(prompt.encode()).hexdigest()
 
    def get(self, prompt):
        key = self._get_cache_key(prompt)
        if key in self.cache:
            cached_result, timestamp = self.cache[key]
            if datetime.now() - timestamp < self.ttl:
                return cached_result
            else:
                del self.cache[key]
        return None
 
    def set(self, prompt, result):
        key = self._get_cache_key(prompt)
        self.cache[key] = (result, datetime.now())
 
cache = ExecutionCache(ttl_minutes=30)
 
def cached_execute(prompt):
    # キャッシュを確認
    cached = cache.get(prompt)
    if cached:
        print("キャッシュから返却します")
        return cached
 
    # キャッシュにない場合は実行
    response = client.models.generate_content(
        model="gemini-2.5-flash",
        contents=prompt,
        tools=[{"code_execution": {}}]
    )
    cache.set(prompt, response)
    return response