始める前に
- ラボでは、Google Cloud プロジェクトとリソースを一定の時間利用します
- ラボには時間制限があり、一時停止機能はありません。ラボを終了した場合は、最初からやり直す必要があります。
- 画面左上の [ラボを開始] をクリックして開始します
チェックポイント
Install packages and import libraries
/ 5
Load the Gemini models
/ 5
Run Set system instructions cell in notebook.
/ 5
Run Thinking level cell in notebook
/ 5
Run Configure the temperature parameter cell in notebook
/ 5
Run Generate content stream cell in notebook
/ 5
Run Thought summaries cell in notebook
/ 5
Run Multi-turn chat cell in notebook
/ 5
Run Safety filters cell in notebook
/ 5
Run Send asynchronous requests cell in notebook
/ 5
Run Multimodality cell in notebook
/ 5
Run Media resolution cell in notebook
/ 5
Run Structured output cell in notebook
/ 5
Run Search as a tool cell in notebook
/ 5
Run Code Execution cell in notebook
/ 5
Run URL context cell in notebook
/ 5
Run Function calling cell in notebook
/ 4
Run Streaming function calling cell in notebook
/ 4
Run Multimodal function responses cell in notebook
/ 4
Run Thought signatures cell in notebook
/ 4
Run Count tokens and compute tokens cell in notebook
/ 4
Install packages and import libraries
/ 5
Load the Gemini models
/ 5
Run Set system instructions cell in notebook.
/ 5
Run Thinking level cell in notebook
/ 5
Run Configure the temperature parameter cell in notebook
/ 5
Run Generate content stream cell in notebook
/ 5
Run Thought summaries cell in notebook
/ 5
Run Multi-turn chat cell in notebook
/ 5
Run Safety filters cell in notebook
/ 5
Run Send asynchronous requests cell in notebook
/ 5
Run Multimodality cell in notebook
/ 5
Run Media resolution cell in notebook
/ 5
Run Structured output cell in notebook
/ 5
Run Search as a tool cell in notebook
/ 5
Run Code Execution cell in notebook
/ 5
Run URL context cell in notebook
/ 5
Run Function calling cell in notebook
/ 4
Run Streaming function calling cell in notebook
/ 4
Run Multimodal function responses cell in notebook
/ 4
Run Thought signatures cell in notebook
/ 4
Run Count tokens and compute tokens cell in notebook
/ 4
このラボでは、学習をサポートする AI ツールが組み込まれている場合があります。
GSP1150
概要
このラボでは、モデルの主な機能と新しい API の機能を示す例を実行します。
前提条件
このラボを開始する前に、以下について理解しておく必要があります。
- 基本的な Python プログラミング。
- 一般的な API のコンセプト。
- Agent Platform Workbench の Jupyter ノートブックでの Python コードの実行。
目標
このラボでは、
- テキストを生成し、思考レベルで推論を制御する。
- モデル パラメータとシステム指示を構成する。
- 音声、コード、動画などのマルチモーダル データを処理する。
- 関数呼び出しやコード実行などの高度な機能を実装する。
設定と要件
[ラボを開始] ボタンをクリックする前に
こちらの説明をお読みください。ラボには時間制限があり、一時停止することはできません。タイマーは、Google Cloud のリソースを利用できる時間を示しており、[ラボを開始] をクリックするとスタートします。
このハンズオンラボでは、シミュレーションやデモ環境ではなく実際のクラウド環境を使って、ラボのアクティビティを行います。そのため、ラボの受講中に Google Cloud にログインおよびアクセスするための、新しい一時的な認証情報が提供されます。
このラボを完了するためには、下記が必要です。
- 標準的なインターネット ブラウザ（Chrome を推奨）
- ラボを完了するための時間（開始後は一時停止できません）
ラボを開始して Google Cloud コンソールにログインする方法
-
[ラボを開始] ボタンをクリックします。ラボの料金をお支払いいただく必要がある場合は、表示されるダイアログでお支払い方法を選択してください。 右側の [ラボの設定とアクセス] パネルには、以下が表示されます。
- [Google Cloud コンソールを開く] ボタン
- このラボで使用する一時的な認証情報（ユーザー名とパスワード）
- このラボを行うために必要なその他の情報（ある場合）
ラボのタイマーはページの上部に表示され、残り時間が示されます。
-
[Google Cloud コンソールを開く] をクリックします（Chrome ブラウザを使用している場合は、右クリックして [シークレット ウィンドウで開く] を選択します）。
ラボでリソースがスピンアップし、別のタブで [ログイン] ページが表示されます。
ヒント: タブをそれぞれ別のウィンドウで開き、並べて表示しておきましょう。
注: [アカウントの選択] ダイアログが表示された場合は、[別のアカウントを使用] をクリックします。 -
必要に応じて、下のユーザー名をコピーして、[ログイン] ダイアログに貼り付けます。
{{{user_0.username | "Username"}}} [ラボの設定とアクセス] パネルでもユーザー名を確認できます。
-
[次へ] をクリックします。
-
以下のパスワードをコピーして、[ようこそ] ダイアログに貼り付けます。
{{{user_0.password | "Password"}}} [ラボの設定とアクセス] パネルでもパスワードを確認できます。
-
[次へ] をクリックします。
重要: ラボで指定された認証情報を使用する必要があります。ご自身の Google Cloud アカウントの認証情報は使用しないでください。 注: このラボでご自身の Google Cloud アカウントを使用すると、追加料金が発生する場合があります。 -
その後のページはクリックして先に進みます。
- 利用規約に同意します。
- 一時的なアカウントなので、復元オプションや 2 要素認証プロセスは設定しないでください。
- 無料トライアルには登録しないでください。
しばらくすると、このタブで Google Cloud コンソールが開きます。
タスク 1. 環境を構成する
このセクションでは、パッケージをインストールし、ライブラリをインポートします。
Agent Platform Workbench でノートブックを開く
-
Google Cloud コンソールのナビゲーション メニュー（
）で、[Agent Platform] > [Notebooks] > [ワークベンチ] をクリックします。
-
インスタンスを見つけて、[JupyterLab を開く] ボタンをクリックします。
Workbench インスタンスの JupyterLab インターフェースが新しいブラウザタブで開きます。
ノートブックを設定する
-
ファイルを開きます。 -
[Select Kernel] ダイアログで、使用可能なカーネルのリストから [Python 3 (Local)] を選択します。
-
ノートブックの「Getting Started」セクションを実行します。[Project ID] と [Location] は事前構成されています。
[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。
タスク 2. Gemini モデルを読み込む
- ノートブックで、「Gemini モデルを読み込む」セクションのセルを実行して
genaiクライアントを初期化し、モデル変数を定義します。
[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。
タスク 3. Gemini の機能を確認する
このセクションでは、Gemini 3 Pro モデルの主な機能と API の機能について説明します。ノートブックで機能を調べた後、この手順に戻って進行状況を確認するよう指示されます。
システム指示を設定する
- 「システム指示を設定する」セクションに移動し、セルを実行してモデルの動作（英語からスペイン語への翻訳）を定義します。
[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。
思考レベル
- 「思考レベル」セクションに移動します。セルを実行して、
thinking_levelパラメータを調整すると、モデルの推論プロセスの深さがどのように変化するかを確認します。
[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。
Temperature パラメータを構成する
- 「Temperature パラメータを構成する」セクションで、コードを実行して回答の生成のランダム性を調整します。
[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。
コンテンツ ストリーミングを生成する
- 「コンテンツ ストリーミングを生成する」セクションを実行して、モデルが完全な完了を待つのではなく、チャンク単位でレスポンスを返す方法を確認します。
[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。
思考の要約
- 「思考の要約」セルを実行して、最終的な回答の前にモデルの中間の推論ステップを調べます。
[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。
マルチターン チャット
- 「マルチターン チャット」セクションを完了して、以前のプロンプトのコンテキストを保持するチャット セッションを開始します。
[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。
安全フィルタ
- 「安全フィルタ」セクションに移動し、各セルを実行して、ヘイトスピーチやハラスメントなどのカテゴリに対するブロックしきい値を構成します。
[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。
非同期リクエストを送信する
- 「非同期リクエストを送信する」セクションを実行して、非同期メソッドを使用してノンブロッキング リクエストを送信する方法を確認します。
[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。
マルチモダリティ
- 「マルチモダリティ」セクションでコードを実行して、テキスト プロンプトとともに画像や動画などのさまざまなメディアタイプを分析します。
[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。
メディアの解像度
- 「メディアの解像度」セクションを完了して、さまざまな解像度設定がモデルの視覚的詳細の分析にどのように影響するかを比較します。
[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。
構造化出力
- 「構造化出力」セルを実行して、JSON などの特定の形式でモデルが応答するようにします。
[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。
Google 検索によるグラウンディング
- 「Google 検索によるグラウンディング」セクションを実行して、Google 検索のリアルタイム データでモデルのレスポンスをグラウンディングします。
[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。
コードを実行する
- 「コードを実行する」セクションに移動し、セルを実行して、モデルが Python コードを記述して実行し、数学の問題を解決できるようにします。
[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。
URL コンテキスト
- 「URL コンテキスト」セクションを完了して、モデルが指定された URL からコンテンツを直接処理して要約する方法を確認します。
[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。
関数呼び出し
- 「関数呼び出し」セクションを実行して、モデルが外部情報を取得するために呼び出すことができるカスタムツールを定義します。
[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。
ストリーミング関数呼び出し
- 「ストリーミング関数呼び出し」セルを実行して、ストリーミング レスポンス内のツール出力を処理します。
[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。
マルチモーダル関数レスポンス
- 「マルチモーダル関数レスポンス」セクションを完了して、関数がテキスト以外のデータ（画像やプロットなど）を返す方法を確認します。
[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。
思考シグネチャ
- 「思考シグネチャ」セクションを実行して、モデルの推論チェーンの信頼性を確認します。
[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。
トークンをカウントして計算する
- 最後に、「トークンをカウントして計算する」セルを実行して、プロンプトとレスポンスの費用とサイズを分析します。
[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。
お疲れさまでした
これでラボは完了です。このラボでは、Jupyter ノートブックで生成 AI 用の Gemini API と Google Gen AI SDK を使用して
次のステップと詳細情報
生成 AI と Gemini Enterprise Agent Platform の詳細については、以下のリソースをご覧ください。
- Google DeepMind Gemini モデルの概要を読んで、コアモデルの機能について学びましょう。
- 設計、スケーリング、デプロイのガイドラインについては、公式の Agent Platform ドキュメントをご覧ください。
- カスタム エージェントの構築と管理の方法については、Agent Platform のエージェントの概要をご覧ください。
- 動画チュートリアルとプロダクトのデモについては、生成 AI に関する YouTube 再生リストをご覧ください。
- Google Cloud 生成 AI レポジトリで、他のノートブックやサンプルをご覧ください。
- カスタム エージェント テンプレートについては、Google Agent Development Kit（ADK）のサンプル リポジトリをご覧ください。
Google Cloud トレーニングと認定資格
Google Cloud トレーニングと認定資格を通して、Google Cloud 技術を最大限に活用できるようになります。必要な技術スキルとベスト プラクティスについて取り扱うクラスでは、学習を継続的に進めることができます。トレーニングは基礎レベルから上級レベルまであり、オンデマンド、ライブ、バーチャル参加など、多忙なスケジュールにも対応できるオプションが用意されています。認定資格を取得することで、Google Cloud テクノロジーに関するスキルと知識を証明できます。
マニュアルの最終更新日: 2026 年 5 月 18 日
ラボの最終テスト日: 2026 年 4 月 16 日
Copyright 2026 Google LLC. All rights reserved. Google および Google のロゴは Google LLC の商標です。その他すべての企業名および商品名はそれぞれ各社の商標または登録商標です。
