Gemini APIGoogle GenAITutorial

Gemini APIチュートリアル2026：最初の呼び出しから本番運用まで

Q: OpenAI SDKをGeminiで使えますか？

はい——GoogleはOpenAI互換のエンドポイントを提供しているので、base_urlの変更と既存コードでほとんどそのまま動作します。統合ゲートウェイなら、1つの請求関係で同じ互換性を得られます。

2026年8月15日約1分

Geminiのドキュメントを開くと、最初の選択に直面します：AI StudioかVertex AIか？次に2つ目の決定：どのSDKか？そして3つ目：見つけたチュートリアルがGemini 1.5向けに書かれているのに、なぜ価格ページには3つのFlashモデルが並んでいるのか？

Geminiは、最もドキュメントが充実したAIプラットフォームでありながら、チュートリアル環境は最悪です。公式ドキュメントは網羅的ですが散在しています。サードパーティのチュートリアルは、2分で終わる「無料キー」の薄い内容か、もはや存在しないモデルを前提に書かれた2024年の陳腐なコンテンツのどちらかです。その間もプラットフォームは急速に進化しました——Gemini 3.7 FlashはAPI価格をほぼ半減させて登場し、Flashラインはリリースサイクルでフラッグシップをリードするようになっています。

本チュートリアルは、その欠けた中間部分を埋めます：PythonとNode.jsで最初の呼び出しから本番までの1本の道筋を、Geminiの6つの差別化要素——thinking budget、コンテキストキャッシュ、Google Searchグラウンディング、構造化出力、ネイティブマルチモーダル、ライブAPI——に加えて、本番チェックリストと実損につながるミスまで含めて解説します。これはOpenAIチュートリアルやClaudeガイドに続く、本シリーズのプラットフォーム解説第3弾です。

2026年のGemini APIとは

要点：Geminiは3つの入り口を持つ1つのモデルファミリー——そして価値の中心はFlashラインにあります。

同じモデルに到達する3つの方法：

AI Studio——開発者向けの入り口です。実験用の無料枠、APIキー、最初の呼び出しへの最短ルートがあります。ここから始めましょう。
Vertex AI——エンタープライズ向けの入り口です。ガバナンス、VPC、監査コントロール、プロジェクト単位のクォータ管理があります。コンプライアンス要件が出たらこちらへ移行します。
統合エンドポイント——OpenAI互換のゲートウェイ経由なら、使い慣れたSDKでGeminiを呼び出せます。同じモデルを、1つの請求関係で利用できます。

2026年のモデルラインナップ：Gemini 3.7 Flashが現在の主力です——API価格をほぼ半減させたこのモデルは、入力100万トークンあたり約$0.75（最新料金は料金リファレンスで確認）に位置します。Flash-Liteは大量の単純タスク向けにその下に位置し、Proティアが品質の上限を担います。モデルカタログで、1つのエンドポイントから利用できるモデルを追跡できます。役立つ考え方：本番のデフォルトにはFlash、品質差を測定したタスクにはPro、測定していないタスクにはLiteです。

Geminiがスタックに加わる価値がある理由

要点：無料枠、キャッシュ価格、ネイティブマルチモーダル、グラウンディングという4つの構造的優位が、GeminiをOpenAIとAnthropicに対するコスト・能力の対抗力にしています。

無料枠は本物です。 AI Studioの無料枠は、カードなしでプロトタイピングと評価をカバーします。これはマーケティングの脚注ではありません。何かにコミットする前に、Geminiを現在のプロバイダーとベンチマークする方法そのものです。
コンテキストキャッシュは約0.1倍。 キャッシュされた入力トークンは、標準入力レートのおおよそ10分の1で課金されます——どのプロバイダーのキャッシュも同じパターンで、キャッシュの仕組みは当社ドキュメントにあります。
ネイティブマルチモーダル。 画像と音声の入力はアドオンではなくファーストクラスです——グラフ付きドキュメントのプロンプトが、別途ビジョンパイプラインなしで機能します。
Google Searchグラウンディング。 引用付きのライブ検索結果の取得は、統合プロジェクトではなくプラットフォーム機能です。

これらのどれも「最高のモデル」ではありません。しかし4つが揃うことで、Geminiはほとんどのスタックで最強のセカンドプロバイダーになります——当社の4プロバイダー比較が示したとおり、「セカンドプロバイダー」は戦略であって、侮辱ではありません。

最初の呼び出し：Python & Node.js

要点：最初の呼び出しは5分——その周りの本番の習慣こそがチュートリアルの本編です。

Python、公式のGoogle GenAI SDKを使用します：

from google import genai

client = genai.Client(api_key="YOUR_AI_STUDIO_KEY")
response = client.models.generate_content(
    model="gemini-3.7-flash",
    contents="Explain why caching cuts token costs, in one sentence.",
)
print(response.text)

Node.jsも同じ構成です：

import { GoogleGenAI } from "@google/genai";

const ai = new GoogleGenAI({ apiKey: process.env.GEMINI_API_KEY });
const response = await ai.models.generateContent({
  model: "gemini-3.7-flash",
  contents: "Explain why caching cuts token costs, in one sentence.",
});
console.log(response.text);

すでにOpenAIのSDKを使っていますか？互換エンドポイントはbase_urlの変更だけで同じ呼び出しを受け付けます——これは統合ゲートウェイがGeminiを公開する方法でもあります（クイックスタートにパターンがあります）。最初の呼び出しに結びつけるべき本番の習慣：初日からusageフィールドをログに記録しましょう。 usage_metadata（prompt tokens、candidates tokens、cached tokens）はコスト会計の基盤です——あらゆる可観測性プレイブックが最初に行う習慣と同じものです。

Geminiの6つの差別化要素の使い方

要点：Geminiを「ただのチャットAPI」から分ける6つの機能——それぞれはプロジェクトではなく設定です。

Thinking budget。 Geminiのthinkingモデルは回答前に推論トークンを割り当て、thinking tokensは課金されます。本番では明示的なbudgetを設定しましょう。デフォルトは探索には十分ですが、分類には高くつきます。単純なタスクは非推論パスで実行すべきです。
コンテキストキャッシュ。 安定したプロンプトプレフィックス（システムプロンプト、ドキュメントテンプレート）をキャッシュし、ヒット時は約0.1倍で支払います。キャッシュキーは正確なトークンプレフィックスです——プレフィックスに少しでも変更があるとキャッシュは完全にミスし、それが「キャッシュが機能しない」という報告の第1の原因です。設定はコンテンツ上のフラグであり、別のAPIではありません（2026年半ば時点のSDK構成。SDKバージョンを固定する際は公式ドキュメントで再確認してください）：

from google import genai
from google.genai import types

client = genai.Client(api_key="YOUR_AI_STUDIO_KEY")

# 1) Create the cache once, tied to your stable system prompt
cache = client.caches.create(
    model="gemini-3.7-flash",
    config=types.CreateCachedContentConfig(
        display_name="support-template",
        system_instruction="You are a support assistant for Acme.",
        contents=[types.Content(role="user",
                                parts=[types.Part.from_text(text="REPEATED_BOILERPLATE")])],
        ttl="3600s",
    ),
)

# 2) Reference it by resource name on every call
resp = client.models.generate_content(
    model="gemini-3.7-flash",
    contents="Refund policy, please.",
    config=types.GenerateContentConfig(cached_content=cache.name),
)

Google Searchグラウンディング。 時間に敏感なクエリにはグラウンディングを有効にし、回答とともに引用を受け取ります——本シリーズの他の記事で解説している一般的なグラウンディングパターンです。グラウンディングのコスト項目に注意しましょう。生成とは別の費用です。

resp = client.models.generate_content(
    model="gemini-3.7-flash",
    contents="What is the current limit for...?",
    config=types.GenerateContentConfig(
        tools=[types.Tool(google_search=types.GoogleSearch())],
    ),
)
# resp.candidates[0].grounding_metadata holds the citations

構造化出力。 JSONスキーマをバインドすれば、Geminiはそれを尊重します——ただし1つの厳格なルールがあります：スキーマバインド時はtemperatureをデフォルトのままにすることです。変更すると保証が壊れます。これはまさに当社の構造化出力ガイドが説明している罠です。

resp = client.models.generate_content(
    model="gemini-3.7-flash",
    contents="Extract the invoice total and currency.",
    config=types.GenerateContentConfig(
        response_mime_type="application/json",
        response_schema=types.Schema(
            type=types.Type.OBJECT,
            properties={
                "total": types.Schema(type=types.Type.NUMBER),
                "currency": types.Schema(type=types.Type.STRING),
            },
            required=["total", "currency"],
        ),
        temperature=1.0,  # default — do not change with schema binding
    ),
)

ネイティブマルチモーダル。 画像と音声の入力は同じAPIサーフェスに乗ります——スクリーンショットも、チャートも、録音も、1つのcontents引数で処理できます。
ライブ／オーディオAPI。 リアルタイム音声会話はプラットフォーム独自のサーフェスに存在します。これを前提にアーキテクチャを組む前に、現在の利用可能性と地域サポートを確認してください（そして、エンドポイントの能力は現状のままであることを覚えておきましょう——推測せず、検証してください）。

Geminiを本番に導入する

要点：本番への道は、クォータ、コスト管理、eval、キー——この順番です。

クォータと制限。 AI StudioとVertexは異なるデフォルトのレート制限を備えています。本番ワークロードでは、最初の429の後ではなく、ローンチ週の前にクォータ増加リクエストが必要です。標準のレート制限プレイブック——指数バックオフ、ヘッダー対応リトライ、マルチプロバイダーフォールバック——がそのまま適用されます。
コスト管理。 3つのレバーがあり、すべて設定です：安定したプレフィックスをキャッシュし、簡単なタスクをFlash-Liteにルーティングし、ダッシュボードで支出アラートを設定します。この組み合わせで、最適化していないGeminiの請求額は通常60〜80%削減されます——あらゆるコスト最適化プレイブックが上位に挙げる戦略群と同じです。
ローンチ前にeval。 パス／フェイルゲート付きの固定evalセットは、「モデルは問題なさそうだ」では見逃す回帰を捕捉します。CIスタイルのeval規律はプロバイダー非依存です——切り替えの後ではなく前に、Geminiで実行しましょう。
キーとセキュリティ。 AI Studioのキーはプロジェクトスコープです。他の認証情報と同じように扱いましょう——バックエンド限定、ローテーション、クライアントコードには置かないこと。標準のAPIキーセキュリティチェックリストが完全に適用されます。

時間とトークンを無駄にするよくあるミス

要点：Gemini固有の4つのミス——すべてベンダーフォーラムで報告されており、すべて回避可能です。

temperatureの罠。 スキーマバインドの構造化出力でtemperatureを変更すると、出力の保証が静かに壊れます。構造化呼び出しでは、常にデフォルトです。
予算外のthinking tokens。 thinkingパスは課金されます。thinkingを有効にした分類ワークロードは、必要のない推論の代金を払うことになります。タスクタイプごとにbudgetを設定しましょう。
キャッシュキーの不安定さ。 タイムスタンプの追加やプロンプトの一部を並べ替えることはキャッシュヒットを壊します。プロンプトプレフィックスを安定した単位として設計し、ヒット率を指標として測定しましょう。
2024年のチュートリアルを追う。 Gemini 1.5時代のガイドは、もはや存在しないパラメータとモデルを説明しています。チュートリアルが3.xモデルに言及していなければ、それは過去の遺物です——代わりに公式ドキュメントと本ガイドの日付を確認しましょう。

FAQ

Gemini APIは無料ですか？

AI Studioは実験とプロトタイピング用の無料枠を提供し、本番利用はトークン単位で課金されます。無料枠は本物で、カードも不要です——コミットする前の評価に使いましょう。

AI StudioとVertex AI——どちらを使うべきですか？

プロトタイピングと個人プロジェクトにはAI Studio。エンタープライズのガバナンス、VPC、監査要件にはVertex AI。統合ゲートウェイ経由でルーティングしている場合、その区別はほとんど消えます——1つのエンドポイントで同じモデルです。

Geminiのコンテキストキャッシュは本当に約0.1倍ですか？

はい——キャッシュされた入力トークンは標準レートのおおよそ10分の1で課金されます。注意点はキーの安定性です：キャッシュは正確なトークンプレフィックスでのみヒットするため、安定したプロンプト構造がすべてを決めます。

OpenAI SDKをGeminiで使えますか？

はい——GoogleはOpenAI互換のエンドポイントを提供しているので、base_urlの変更と既存コードでほとんどそのまま動作します。統合ゲートウェイなら、1つの請求関係で同じ互換性を得られます。

thinkingモードはいつ価値がありますか？

複雑な推論、コード生成、多段階のタスク——あなたのevalセットで測定してください。分類、抽出、答えが限定されるタスクでは、非推論パスがより速く安く、通常は同等の品質です。

Geminiの構造化出力はどのくらい安定していますか？

2つのルールを守れば安定します：スキーマをバインドし、temperatureをデフォルトに保つこと。どちらかを破ると静かなドリフトが発生します——どのプロバイダーの構造化出力にもあるのと同じ障害モードで、上記リンクのJSON mode比較に文書化されています。

まとめ

2026年のGemini APIはFlashファーストのプラットフォームです：現在のFlashモデルでほぼ半減した価格、本物の無料枠、約0.1倍のキャッシュ経済、ネイティブマルチモーダル、組み込みのグラウンディング——そしてプロジェクトではなく設定である6つの差別化要素。AI Studioから始め、最初の呼び出しからusageをログし、thinking tokensに予算を組み、キャッシュキーを安定させ、切り替え前にevalを実行しましょう。そうすれば、統合エンドポイントの背後にある、ただのもう1つの優れたモデルになります。

最初のGeminiトークンまで5分——Google Cloudアカウントは不要です。TokSpanのAPIキーを取得して、使い慣れたSDKでGeminiを呼び出しましょう。$5の無料クレジットで、このチュートリアル全体をカバーできます。