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
Set up the notebook
/ 25
Working with code execution in Gemini
/ 25
Code execution in a chat session
/ 25
Code execution in a streaming session
/ 25
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 を使用した Python コードの生成と実行の概要
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。
GSP1293
概要
このラボでは、Google DeepMind の新しいマルチモーダル Gemini モデルの一つである
このモデルの主な機能はコード実行であり、API 内で直接 Python コードを生成して実行できます。このラボで取り上げるコード実行は、API で Python コードを生成して実行し、結果を返すようにする際に使用できます。
このコード実行機能により、モデルはコードを生成して実行し、結果を観察できます。また、必要に応じてコードを修正し、最終的な出力を生成するまで結果から反復的に学習できます。これは、方程式を解いたりテキストを処理したりするなど、コードベースの推論を伴うアプリケーションに特に有用です。
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、Vertex AI の Gemini API と Google Gen AI SDK for Python を使用して、
次のタスクを行います。
- テキスト プロンプトからサンプルの Python コードを生成して実行する
- マルチターン チャットでコード実行を使用してデータを探索する
- ストリーミング セッションでコード実行を使用する
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 でコード実行を使用する
このセクションでは、Gemini API を使用して Python コードを生成、実行します。
Gemini モデルを読み込む
ノートブックの次のコードで
- ノートブックの「Load the Gemini model」（Gemini モデルを読み込む）セクションを実行します。
コード実行ツールを定義する
ノートブックの次のコードでは、Tool 定義で code_execution を渡してコード実行ツールを初期化します。後でこのツールをモデルに登録することで、Python コードの生成と実行に使用できるようになります。
- ノートブックの「Define the code execution tool」（コード実行ツールを定義する）セクションを実行します。
コードを生成して実行する
ノートブックの次のコードは、Gemini モデルにプロンプトを送信し、最初の 50 個の素数の合計を計算する Python コードを生成して実行するようリクエストします。コード実行ツールが渡され、モデルはコードを生成して実行できるようになります。
- ノートブックの「Generate and execute code」（コードを生成して実行する）セクションを実行します。
生成されたコードを表示する
ノートブックの次のコードは、レスポンスを反復処理し、レスポンスのパーツで part.executable_code を確認することで、生成された Python コードを表示します。
- ノートブックの「View the generated code」（生成されたコードを表示する）セクションを実行します。
コードの実行結果を表示する
ノートブックの次のコードは、レスポンスを反復処理し、レスポンスのパーツで part.code_execution_result を確認することで、実行結果と出力を表示します。
- ノートブックの「View the code execution results」（コードの実行結果を表示する）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. チャット セッションでコード実行を使用する
このセクションでは、Gemini API を使用して、履歴のあるインタラクティブなチャットでコード実行を使用する方法を確認します。チャット セッションを作成して、モデルで Python コードを生成、実行できます。まず、ノイズを含むサンプル時系列データを生成し、10 個のデータポイントのサンプルを出力するようモデルに指示します。
レスポンスを反復処理して、生成されたコードと実行結果を表示できます。次に、モデルに指示して平滑化されたデータ系列を時系列データに追加し、結果を表示します。最後に、モデルに指示して時系列データの記述統計を生成し、結果を表示します。
- ノートブックの「Code execution in a chat session」（チャット セッションでコード実行を使用する）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 5. ストリーミング セッションでコード実行を使用する
Gemini API からのストリーミング出力でコード実行機能を使用することもできます。次のコードは、Gemini API で結果をストリーミングしながらコードを生成、実行する方法を示しています。
- ノートブックの「Code execution in a streaming session」（ストリーミング セッションでコード実行を使用する）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。
お疲れさまでした
これで完了です。出力をストリーミングする方法を含め、
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 28 日
ラボの最終テスト日: 2025 年 10 月 28 日
Copyright 2025 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。
