読み込んでいます...
一致する結果は見つかりませんでした。

Google Cloud コンソールでスキルを試す

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。

Vertex AI での Gemini のグラウンディングの概要

ラボ 35分 universal_currency_alt クレジット: 1 show_chart 入門
info 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。
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。

GSP1264

Google Cloud セルフペース ラボのロゴ

概要

Vertex AI のグラウンディングでは、テキスト生成モデルを使用して、独自のドキュメントとデータでグラウンディングされたコンテンツを生成できます。この機能により、モデルは実行時にトレーニング データ以外の情報にもアクセスできるようになります。Google 検索の検索結果または Vertex AI Search 内のデータストアでモデルの回答をグラウンディングすることで、データでグラウンディングされた大規模言語モデル（LLM）は、より正確で最新かつ適切な回答を生成できるようになります。

グラウンディングには次の利点があります。

1 つ目に、モデルのハルシネーション（モデルが事実に基づかないコンテンツを生成すること）が低減されます。2 つ目に、モデルが特定の情報、ドキュメント、データソースに基づく回答を生成するようになります。3 つ目に、生成されたコンテンツの信頼性、精度、妥当性が高まります。

Vertex AI では、次の 2 種類のグラウンディング ソースを構成できます。

  1. 一般公開およびインデックス登録されているデータの Google 検索の検索結果。
  2. Vertex AI Search のデータストア。ウェブサイト データ、非構造化データ、構造化データの形式で独自データを格納できます。

Gemini

Gemini は、Google DeepMind が開発した強力な生成 AI モデルのファミリーであり、テキスト、コード、画像、音声、動画などのさまざまな形式のコンテンツを理解し、生成することができます。

Vertex AI の Gemini API

Vertex AI の Gemini API は、Gemini モデルを操作するための統合インターフェースを提供します。これにより、開発者は強力な AI 機能をアプリケーションに簡単に組み込むことができます。最新バージョンの詳細情報と具体的な機能については、Gemini の公式ドキュメントをご覧ください。

Gemini モデル

  • Gemini Pro: 複雑な推論向けに設計されており、次のようなことができます。
    • 膨大な量の情報の分析と要約。
    • 高度なクロスモーダル推論（テキスト、コード、画像など）。
    • 複雑なコードベースでの効果的な問題解決。
  • Gemini Flash: 速度と効率が向上するように最適化されており、以下を提供します。
    • 1 秒未満の応答時間と高スループット。
    • 高品質かつ低コストでの幅広いタスクの実行。
    • 空間理解の向上、新しい出力形式（テキスト、音声、画像）、ネイティブでのツール使用（Google 検索、コード実行、サードパーティ機能）など、強化されたマルチモーダル機能。

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、次の方法について学びます。

  • Google 検索の検索結果でグラウンディングされた、LLM のテキストモデルとチャットモデルの回答を生成する。
  • グラウンディングされていない LLM の回答とグラウンディングされた LLM の回答の結果を比較する。
  • Vertex AI Search にデータストアを作成し、それを使用して独自のドキュメントとデータで回答をグラウンディングする。
  • Vertex AI Search の結果でグラウンディングされた、LLM のテキストモデルとチャットモデルの回答を生成する。

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）
注: このラボの実行には、シークレット モード（推奨）またはシークレット ブラウジング ウィンドウを使用してください。これにより、個人アカウントと受講者アカウント間の競合を防ぎ、個人アカウントに追加料金が発生しないようにすることができます。
  • 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）
注: このラボでは、受講者アカウントのみを使用してください。別の Google Cloud アカウントを使用すると、そのアカウントに料金が発生する可能性があります。

ラボを開始して Google Cloud コンソールにログインする方法

  1. [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）

  2. [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。

  3. 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。

  4. [次へ] をクリックします。

  5. 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。

  6. [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。

  7. 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。

注: Google Cloud のプロダクトやサービスにアクセスするには、ナビゲーション メニューをクリックするか、[検索] フィールドにサービス名またはプロダクト名を入力します。 ナビゲーション メニュー アイコンと検索フィールド

タスク 1. Vertex AI Workbench でノートブックを開く

  1. Google Cloud コンソールのナビゲーション メニュー（ナビゲーション メニュー アイコン）で、[Vertex AI] > [ワークベンチ] の順にクリックします。

  2. 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。

注: JupyterLab にノートブックが表示されない場合は、次の追加手順でインスタンスを再設定してください。

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

  1. ファイルを開きます。

  2. [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。

  3. 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。

注: いずれかのノートブック セルの実行で 429 応答が返される場合は、1 分待ってから再度セルを実行し、次に進んでください。

[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。 パッケージをインストールし、ライブラリをインポートする

タスク 3. Google 検索の検索結果でグラウンディングする

  1. ノートブックの「Example: Grounding with Google Search results」（例: Google 検索の検索結果でグラウンディングする）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。 Google 検索の検索結果でグラウンディングする

タスク 4. Vertex AI データストアを作成する

このセクションでは、Cloud コンソールで Vertex AI データストアを作成します。

  1. 上部の検索ボックスに「AI Applications」と入力し、結果から [AI Applications] を選択します。

  2. [AI Applications へようこそ] ランディング ページで、[続行して API を有効にする] をクリックします。

  3. [データストア] > [データストアの作成] ページに移動します。

  4. [データソースを選択] ペインで [Cloud Storage] を選択します。

  5. [Cloud Storage のデータをインポート] ペインで [非構造化ドキュメント（PDF、HTML、TXT など）] を選択します。

  6. [フォルダ] が選択されていることを確認します。

  7. [gs://] フィールドに次の値を入力し、[続行] をクリックします。

cloud-samples-data/gen-app-builder/search/cymbal-bank-employee

  1. [データストアの構成] ペインで、データストアのロケーションとして [グローバル] を選択します。

  2. データストアの名前を入力します。

  3. [作成] をクリックします。

[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。 Vertex AI データストアを作成する

タスク 5. Vertex AI Search アプリケーションを作成する

このセクションでは、Cloud コンソールで Vertex AI Search アプリケーションを作成します。

  1. [アプリ] > [アプリの作成] ページに移動します。

  2. [アプリの作成] ページの [AI モードでのサイト内検索] で [作成] をクリックします。

  3. [Enterprise エディションの機能] がオンになっていることを確認します。

  4. [アプリ名] フィールドにアプリの名前を入力します。アプリ名の下にアプリ ID が表示されます。生成された ID は後で必要になるため、メモしておいてください。

  5. [会社名または組織名] フィールドに、会社または組織の名前を入力します。このチュートリアルでは Google Cloud のウェブサイトが検索対象となるため、「Google Cloud」を使用します。

  6. アプリのロケーションとして [グローバル] を選択し、[続行] をクリックします。

  7. データストアのリストで、前の手順で作成したデータストアを選択してから、[作成] をクリックします。

注: アプリの作成後、検索対象のコンテンツがインデックスに登録されるまで 5～10 分程度かかります。インデックスが作成されるまで待ってから、ノートブックの次のセルに進みます。必要に応じてノートブックに入力できるよう、アプリの ID をメモしておきます。

[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。 Vertex AI Search アプリケーションを作成する

タスク 6. 独自のドキュメントとデータでグラウンディングする

  1. ノートブックの「Example: Grounding with custom documents and data」（例: 独自のドキュメントとデータでグラウンディングする）セクションを実行します。必要に応じて、前のタスクで作成したアプリ ID を使用します。

[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。 独自のドキュメントとデータでグラウンディングする

タスク 7. チャットの回答をグラウンディングする

  1. ノートブックの「Example: Grounded chat responses」（例: チャットの回答をグラウンディングする）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。 チャットの回答をグラウンディングする

お疲れさまでした

このラボでは、Google 検索とカスタムのデータソースで LLM をグラウンディングする方法を学びました。また、グラウンディングされた LLM とグラウンディングされていない LLM の回答を比較することで、グラウンディングが回答の品質と精度に大きな影響をもたらすことを確認しました。さらに、Vertex AI Search でデータストアを作成して活用する手順を実践し、独自のドキュメントとデータで LLM のテキストモデルとチャットモデルをグラウンディングしました。

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。

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 13 日

ラボの最終テスト日: 2025 年 10 月 13 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。

始める前に

  1. 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
  2. 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。
  3. 画面左上の [ラボを開始] をクリックして開始します

シークレット ブラウジングを使用する

  1. ラボで使用するユーザー名とパスワードをコピーします
  2. プライベート モードで [コンソールを開く] をクリックします

コンソールにログインする

    ラボの認証情報を使用して
  1. ログインします。他の認証情報を使用すると、エラーが発生したり、料金が発生したりする可能性があります。
  2. 利用規約に同意し、再設定用のリソースページをスキップします
  3. ラボを終了する場合や最初からやり直す場合を除き、[ラボを終了] はクリックしないでください。クリックすると、作業内容がクリアされ、プロジェクトが削除されます

このコンテンツは現在ご利用いただけません

利用可能になりましたら、メールでお知らせいたします

ありがとうございます。

利用可能になりましたら、メールでご連絡いたします

1 回に 1 つのラボ

既存のラボをすべて終了して、このラボを開始することを確認してください

シークレット ブラウジングを使用してラボを実行する

Using an Incognito or private browser window is the best way to run this lab. This prevents any conflicts between your personal account and the Student account, which may cause extra charges incurred to your personal account.