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
ラボの設定手順と要件
アカウントと進行状況を保護します。このラボを実行するには、常にシークレット ブラウジング ウィンドウとラボの認証情報を使用してください。
Gemini Pro の概要
ラボの手順とタスク
このコンテンツはまだモバイル デバイス向けに最適化されていません。
快適にご利用いただくには、メールで送信されたリンクを使用して、デスクトップ パソコンでアクセスしてください。
GSP1150
概要
Google が開発した Gemini Pro モデルは、多岐にわたる複雑なタスクを処理するために構築された強力で汎用性の高い AI モデルです。テキスト、コード、画像など、さまざまな種類の情報を処理し、横断的に推論するように設計されています。これにより、Gemini Pro は高度な理解と分析を必要とするプロンプトに対応できます。
Gemini Pro の特徴は次のとおりです。
- コーディング、推論、マルチモーダル タスクで優れた能力を発揮する、バランスの取れた高性能モデル。
- 高度な推論向けに設計されており、数学や STEM などの分野の問題解決に効果的。
- ウェブ開発、コード生成、デバッグなど、コード関連のタスクに最適なツール。
- 複雑で微妙なニュアンスを含むプロンプトの処理に特に有効。
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。
- Vertex AI 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、
- テキストを生成する
- 思考予算を制御する
- 要約された考えを表示する
- モデル パラメータを構成する
- システム指示を設定する
- 安全フィルタを使用する
- マルチターン チャットを開始する
- 生成制御機能を使用する
- トークンをカウントする
- マルチモーダル（音声、コード、ドキュメント、画像、動画）データを処理する
- 自動と手動の関数呼び出しを使用する
- コードを実行する
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。 左側の [ラボの詳細] ペインには、以下が表示されます。
- [Google Cloud コンソールを開く] ボタン
- 残り時間
- このラボで使用する必要がある一時的な認証情報
- このラボを行うために必要なその他の情報（ある場合）
-
[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ら、[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"}}} [ラボの詳細] ペイン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"}}} [ラボの詳細] ペイン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: ラボで提供された認証情報を使用する必要があります。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。 -
その後次のように進みます。
- 利用規約に同意してください。
- 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。
その後、このタブで Google Cloud コンソールが開きます。
タスク 1. Vertex AI 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、[Vertex AI] > [ワークベンチ] の順にクリックします。
-
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。
1. JupyterLab のブラウザタブを閉じて、Workbench のホームページに戻ります。
2. インスタンス名の横にあるチェックボックスをオンにして、[リセット] をクリックします。
3. [JupyterLab を開く] ボタンが再度有効になったら、1 分待ってから [JupyterLab を開く] をクリックします。
タスク 2. 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] 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 3. Gemini Pro モデルを使用する
- ノートブックの「Use the
model」（ モデルを使用する）セクションを実行します。
[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 4. モデル パラメータを構成する
- ノートブックの「Configure model parameters」（モデル パラメータを構成する）セクションを実行します。
[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 5. システム指示を設定する
- ノートブックの「Set system instructions」（システム指示を設定する）セクションを実行します。
[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 6. 安全フィルタ
- ノートブックの「Safety filters」（安全フィルタ）セクションを実行します。
[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 7. マルチモーダル プロンプトを送信する
- ノートブックの「Send multimodal prompts」（マルチモーダル プロンプトを送信する）セクションを実行します。
[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 8. 生成された出力を制御する
- ノートブックの「Control generated output」（生成された出力を制御する）セクションを実行します。
[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 9. トークンをカウントして計算する
- ノートブックの「Count tokens and compute tokens」（トークンをカウントして計算する）セクションを実行します。
[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 10. 検索をツールとして使用する（グラウンディング）
- ノートブックの「Search as a tool (Grounding)」（検索をツールとして使用する（グラウンディング））セクションを実行します。
[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 11. 関数呼び出し
- ノートブックの「Function calling」（関数呼び出し）セクションを実行します。
[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 12. コードを実行する
- ノートブックの「Code Execution」（コードを実行する）セクションを実行します。
[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 Gen AI SDK を使用して
次のステップと詳細情報
以下のリソースで Gemini に関する理解を深めましょう。
- Gemini の概要
- Vertex AI の生成 AI に関するドキュメント
- 生成 AI に関する YouTube チャンネル
- Vertex AI クックブック。生成 AI に関するノートブックを集めた、検索可能なギャラリーです。
- Google Cloud 生成 AI レポジトリ。他のノートブックやサンプルを確認できます。
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: 2025 年 10 月 9 日
ラボの最終テスト日: 2025 年 10 月 9 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。
