Gemini 実践テクニック集【前編】— API基礎・プロンプト設計・マルチモーダル入門

取り組みの背景 — この記事シリーズについて

このシリーズは、Gemini Lab のプレミアム会員向けコンテンツから得られた知見を、無料・有料両方のユーザーに実用的な形で提供する試みです。

前編の目的： Gemini API を実際のプロジェクトに組み込むための基本スキルを習得 後編の目的： 本番グレードのシステム構築、音声 AI、収益化パイプライン

このガイドは Python 3.10+ を前提としていますが、REST API の概念は言語に依らず応用可能です。

Gemini API の基本設計パターン

テキスト生成の基本構造

最小限の実装から始めます：

import google.generativeai as genai
import os
 
# API キーの設定
api_key = os.getenv("GEMINI_API_KEY")
genai.configure(api_key=api_key)
 
# モデルの初期化
model = genai.GenerativeModel("gemini-2.5-pro")
 
# シンプルなテキスト生成
response = model.generate_content("日本の経済成長率を 3 文で説明してください")
print(response.text)

ポイント：

GenerativeModel でモデルを指定（"gemini-2.5-pro"、"gemini-2.5-flash" など）
generate_content() にプロンプトを渡すだけで実行
応答は response.text で文字列として取得

より詳細な設定

実際のプロジェクトでは、以下のパラメータを制御します：

from google.generativeai.types import GenerationConfig, SafetySetting, HarmCategory, HarmBlockThreshold
 
response = model.generate_content(
    contents="Python で Web API を設計する際のベストプラクティスは？",
    generation_config=GenerationConfig(
        temperature=0.7,           # 創造性（0.0～2.0）
        top_p=0.95,               # 多様性制御
        top_k=40,                 # 候補の絞り込み
        max_output_tokens=1024,   # 応答の最大トークン数
        stop_sequences=["---"],   # 出力終了トリガー
    ),
    safety_settings=[
        SafetySetting(
            category=HarmCategory.HARM_CATEGORY_UNSPECIFIED,
            threshold=HarmBlockThreshold.BLOCK_NONE,
        )
    ]
)
 
print(response.text)

パラメータの解説：

temperature: 0 に近いほど決定的、2 に近いほどランダム。通常は 0.5～0.9
top_p: 核サンプリング。高確率な選択肢に絞り込む。通常は 0.8～0.95
max_output_tokens: API のトークン制限内で設定。1024～100000

ストリーミング応答の実装

長い応答は部分的に返してユーザー体験を向上させます：

model = genai.GenerativeModel("gemini-2.5-pro")
 
# ストリーミングを有効化
response = model.generate_content(
    contents="AI の歴史を 1000 単語で説明してください",
    stream=True
)
 
# テキストを部分的に出力
for chunk in response:
    if chunk.text:
        print(chunk.text, end="", flush=True)
 
print()  # 改行

活用例： Web アプリケーションで Server-Sent Events (SSE) 経由でクライアントにリアルタイム配信。ユーザーは AI が「考えている」過程を見ることができます。

マルチターン会話の管理

複数の質問・回答を一つの会話として管理します：

model = genai.GenerativeModel("gemini-2.5-pro")
 
# チャット履歴の初期化
chat = model.start_chat(history=[])
 
# 1 ターン目
user_input_1 = "Python で非同期プログラミングについて教えてください"
response_1 = chat.send_message(user_input_1)
print(f"User: {user_input_1}")
print(f"AI: {response_1.text}\n")
 
# 2 ターン目（前の応答を参照可能）
user_input_2 = "asyncio.gather() の使用例を 3 つ挙げてください"
response_2 = chat.send_message(user_input_2)
print(f"User: {user_input_2}")
print(f"AI: {response_2.text}\n")
 
# 3 ターン目
user_input_3 = "その中で最も実用的なのはどれですか？"
response_3 = chat.send_message(user_input_3)
print(f"User: {user_input_3}")
print(f"AI: {response_3.text}\n")

重要： 会話コンテキストは model.start_chat() で自動管理されます。各ターンを history に追加する手動作業は不要です。

Function Calling の基本

Function Calling により、AI が必要に応じて外部ツール（API、データベース、計算関数）を呼び出せます。

ツール定義と呼び出しパターン

import json
 
# ツール（関数）の定義
tools = [
    {
        "name": "get_product_info",
        "description": "商品 ID から商品情報（価格、在庫）を取得",
        "input_schema": {
            "type": "object",
            "properties": {
                "product_id": {
                    "type": "string",
                    "description": "商品 ID（例：PROD-12345）"
                },
                "include_reviews": {
                    "type": "boolean",
                    "description": "レビュー情報を含めるか（デフォルト：false）"
                }
            },
            "required": ["product_id"]
        }
    },
    {
        "name": "update_inventory",
        "description": "在庫数を更新",
        "input_schema": {
            "type": "object",
            "properties": {
                "product_id": {"type": "string"},
                "quantity_change": {"type": "integer", "description": "増減量"}
            },
            "required": ["product_id", "quantity_change"]
        }
    }
]
 
# 実際のツール実装
def get_product_info(product_id: str, include_reviews: bool = False) -> dict:
    """実際のビジネスロジック"""
    products_db = {
        "PROD-001": {"name": "ノート PC", "price": 150000, "stock": 5},
        "PROD-002": {"name": "マウス", "price": 3000, "stock": 50},
    }
    if product_id not in products_db:
        return {"error": "商品が見つかりません"}
 
    info = products_db[product_id]
    if include_reviews:
        info["reviews"] = "平均 4.5 星（100 件）"
    return info
 
def update_inventory(product_id: str, quantity_change: int) -> dict:
    """在庫更新（実際はデータベース操作）"""
    return {"status": "success", "product_id": product_id, "change": quantity_change}
 
# API 呼び出し
model = genai.GenerativeModel(
    "gemini-2.5-pro",
    tools=tools
)
 
# ユーザーリクエスト
user_message = "PROD-001 の在庫を 3 個減らして、最新情報を教えてください"
response = model.generate_content(user_message)
 
# Function Calling の結果を処理
for content_part in response.content:
    if hasattr(content_part, 'function_call'):
        # AI が呼び出したい関数を取得
        func_call = content_part.function_call
        func_name = func_call.name
        func_args = {k: v for k, v in func_call.args.items()}
 
        print(f"AI が '{func_name}' を呼び出しました：{func_args}")
 
        # 実際の関数を実行
        if func_name == "get_product_info":
            result = get_product_info(**func_args)
        elif func_name == "update_inventory":
            result = update_inventory(**func_args)
        else:
            result = {"error": "未知の関数"}
 
        print(f"実行結果：{result}")
 
        # 結果を AI に返す
        second_response = model.generate_content([
            user_message,
            response,
            {"role": "user", "parts": [{"text": f"関数実行結果：{json.dumps(result)}"}]}
        ])
        print(f"AI の最終回答：{second_response.text}")

フロー図：

ユーザー
  ↓
AI（関数呼び出しが必要と判断）
  ↓
関数定義と引数を指定
  ↓
アプリケーション（実際の関数実行）
  ↓
実行結果を AI に返す
  ↓
AI（結果を文脈に組み込んで回答）
  ↓
ユーザー

構造化出力（responseSchema）の活用

AI の応答を常に JSON 形式で取得したい場合：

from google.generativeai.types import ResponseSchema, GenerateContentResponse
 
# 出力スキーマを定義
schema = [
    ResponseSchema(
        name="analysis_result",
        description="分析結果",
        type="object",
        properties=[
            ResponseSchema(name="title", description="タイトル", type="string"),
            ResponseSchema(name="summary", description="要約（200 字以内）", type="string"),
            ResponseSchema(
                name="key_points",
                description="重要なポイント",
                type="array",
                items=ResponseSchema(name="point", type="string")
            ),
            ResponseSchema(name="confidence", description="確信度（0～100）", type="integer")
        ]
    )
]
 
model = genai.GenerativeModel(
    "gemini-2.5-pro",
    generation_config=GenerationConfig(
        response_mime_type="application/json",
        response_schema=schema,
    )
)
 
prompt = """
以下のテキストを分析してください：
「AI 技術は医療分野で診断精度を向上させ、
  製造業では異常検知を自動化し、
  金融では不正検出を強化しています」
"""
 
response = model.generate_content(prompt)
 
# JSON として直接パース可能
import json
result = json.loads(response.text)
print(json.dumps(result, indent=2, ensure_ascii=False))

出力例：

{
  "analysis_result": {
    "title": "AI の実社会への応用範囲",
    "summary": "AI は医療診断、製造異常検知、金融不正検出など複数の産業で実用化され、各分野で具体的な価値を生み出している。",
    "key_points": [
      "医療：診断精度の向上",
      "製造：異常検知の自動化",
      "金融：不正検出の強化"
    ],
    "confidence": 95
  }
}

マルチモーダル入力の基礎

画像分析の基本

from pathlib import Path
 
# ローカル画像ファイルを読み込み
image_path = Path("screenshot.png")
image_data = image_path.read_bytes()
 
# ファイル MIME タイプの特定
import mimetypes
mime_type, _ = mimetypes.guess_type(str(image_path))
 
# Gemini に送信
model = genai.GenerativeModel("gemini-2.5-pro")
response = model.generate_content([
    "この画像に写っているものを詳しく説明してください。テキストがあれば日本語に翻訳してください。",
    {
        "mime_type": mime_type,
        "data": image_data
    }
])
 
print(response.text)

サポート形式：

画像：PNG、JPEG、GIF、WebP
動画：MP4、MPEG、MOV、AVI、FLV、MKV、WMV、WEBM（25MB 以下）
音声：WAV、MP3、AIFF、AAC、OGG、FLAC

PDF ドキュメント処理

import mimetypes
 
# PDF をアップロード
pdf_path = "technical_report.pdf"
with open(pdf_path, "rb") as pdf_file:
    pdf_data = pdf_file.read()
 
model = genai.GenerativeModel("gemini-2.5-pro")
 
response = model.generate_content([
    {
        "mime_type": "application/pdf",
        "data": pdf_data
    },
    "このドキュメントから以下の情報を抽出してください：\n1. 主なテーマ\n2. 著者\n3. 重要な結論\n4. 参考文献の数"
])
 
print(response.text)

ポイント：

PDF は最大 100 万トークン（全ページ）まで一括処理
テーブル・グラフも認識可能
OCR が必要な画像スキャン PDF にも対応

100万トークンコンテキストの使い方

大規模ファイル複数の分析：

import os
from pathlib import Path
 
# 複数の PDF をロード
pdf_files = list(Path("documents/").glob("*.pdf"))
 
contents = []
 
# プロンプトを先頭に追加
contents.append({
    "text": """以下の 3 つの技術レポートを統合分析してください：
1. 全体の共通テーマを特定
2. 手法の相違点を列挙
3. 結論の矛盾点を指摘
4. 総合的な推奨事項を述べる"""
})
 
# すべての PDF を追加
for pdf_path in pdf_files[:3]:  # 最初の 3 ファイル
    with open(pdf_path, "rb") as f:
        contents.append({
            "mime_type": "application/pdf",
            "data": f.read()
        })
 
model = genai.GenerativeModel("gemini-2.5-pro")
response = model.generate_content(contents)
 
print(response.text)

実用例：

学位論文 5～10 本の比較分析
複数の学術論文から知見を統合
月報・年報の複数年度分を一括分析
法律文書の参照一貫性チェック

Google Workspace 連携のコツ

Docs での自動文書作成パターン

from google.auth.transport.requests import Request
from google.oauth2.service_account import Credentials
from googleapiclient.discovery import build
 
# Google Docs API で document を作成
docs_service = build('docs', 'v1', credentials=credentials)
drive_service = build('drive', 'v3', credentials=credentials)
 
# 新しいドキュメント作成
doc = docs_service.documents().create(body={'title': 'AI Report 2026'}).execute()
doc_id = doc['documentId']
 
# Gemini で本文を生成
model = genai.GenerativeModel("gemini-2.5-pro")
response = model.generate_content(
    "日本の AI 産業の現状と展望について、3000 字のレポートを書いてください。マークダウン形式で出力してください。"
)
 
# Gemini の出力を Docs に挿入
requests = [
    {
        'insertText': {
            'text': response.text,
            'location': {'index': 1}
        }
    }
]
 
docs_service.documents().batchUpdate(
    documentId=doc_id,
    body={'requests': requests}
).execute()
 
print(f"ドキュメント作成完了：https://docs.google.com/document/d/{doc_id}")

Sheets でのデータ分析

# Google Sheets から データを読み込み
sheets_service = build('sheets', 'v4', credentials=credentials)
 
result = sheets_service.spreadsheets().values().get(
    spreadsheetId='SHEET_ID',
    range='Sheet1!A1:Z100'
).execute()
 
data = result.get('values', [])
 
# Gemini でデータを分析
model = genai.GenerativeModel("gemini-2.5-pro")
analysis = model.generate_content(f"""
以下の営業データを分析してください：
{data}
 
分析内容：
1. 売上トップ 3 の商品
2. 地域別の売上シェア
3. 前月比の変化率
4. 改善提案
""")
 
# 分析結果を Sheets に記録
sheets_service.spreadsheets().values().update(
    spreadsheetId='SHEET_ID',
    range='Analysis!A1',
    valueInputOption='USER_ENTERED',
    body={'values': [[analysis.text]]}
).execute()

次のステップ — 後編（プレミアム）で学べること

前編では API の基本と初級テクニックを習得しました。後編では以下のトピックを深掘ります：

並列ツール呼び出し：複数の関数を同時実行でパフォーマンス向上
Live API 音声処理：リアルタイム音声会話インターフェース
本番エージェント構築：Gemini 2.5 Pro を使った自律エージェント
Vertex AI でのファインチューニング：ドメイン特化モデルの構築
コンテキストキャッシング：大規模入力でコスト削減
Veo 3 動画生成 API：テキストから動画を自動生成
SaaS 収益化：Gemini API を使ったビジネスモデル

プレミアム記事では、実際の本番プロジェクトからの事例コード、パフォーマンス最適化のベストプラクティス、トラブルシューティングガイドを掲載予定です。

Gemini Lab コミュニティで次のステップについて詳しくご相談ください。