API活用

# プロジェクトディレクトリを作成
mkdir vertex-ai-test
cd vertex-ai-test

# venv作成
python -m venv .venv

# 有効化 (Windows PowerShell)
.venv\Scripts\activate

# 有効化 (Mac/Linux)
source .venv/bin/activate

# gcloud CLIで認証
gcloud auth login
gcloud auth application-default login

# プロジェクト一覧を確認
gcloud projects list

# プロジェクト設定（PROJECT_IDを自分のものに置き換え）
gcloud config set project YOUR_PROJECT_ID

# クォータプロジェクトも設定（警告が出た場合）
gcloud auth application-default set-quota-project YOUR_PROJECT_ID

# Google Gen AI SDK と dotenv をインストール
pip install google-genai python-dotenv

# requirements.txtを作成（他の人と共有用）
pip freeze > requirements.txt

# .env ファイルを作成
GCP_PROJECT_ID=your-project-id-here
GCP_LOCATION=us-central1

import os
from dotenv import load_dotenv
from google import genai

# 環境変数を読み込み
load_dotenv()

# クライアント初期化（Vertex AI モード）
client = genai.Client(
    vertexai=True,
    project=os.getenv("GCP_PROJECT_ID"),
    location=os.getenv("GCP_LOCATION")
)

# モデル呼び出し
response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents="こんにちは！"
)
print(response.text)

import os
from dotenv import load_dotenv
from google import genai
from google.genai import types

load_dotenv()
client = genai.Client(
    vertexai=True,
    project=os.getenv("GCP_PROJECT_ID"),
    location=os.getenv("GCP_LOCATION")
)

response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents="今日の調子はどう？",
    config=types.GenerateContentConfig(
        system_instruction="あなたは関西弁で話すAIです。"
    )
)
print(response.text)

response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents="Pythonでフィボナッチ数列を計算する関数を書いて",
    config=types.GenerateContentConfig(
        temperature=0.1,          # 創造性（低め）
        max_output_tokens=1024,   # 最大出力トークン
        top_p=0.8,               # 多様性
    )
)
print(response.text)

import os, base64
from dotenv import load_dotenv
from google import genai
from google.genai import types

load_dotenv()
client = genai.Client(
    vertexai=True,
    project=os.getenv("GCP_PROJECT_ID"),
    location=os.getenv("GCP_LOCATION")
)

# 画像をBase64で読み込む
with open("image.png", "rb") as f:
    image_data = base64.b64encode(f.read()).decode()

# 画像とテキストを一緒に送信
response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents=[
        types.Part.from_bytes(
            data=base64.b64decode(image_data),
            mime_type="image/png"
        ),
        "この画像を説明して"
    ]
)
print(response.text)

# response.text が None の場合のフォールバック
def get_response_text(response):
    """Thinkingモデル対応のテキスト取得"""
    if response.text:
        return response.text
    # Thinkingモードの場合、最後のpartにテキストがある
    return response.candidates[0].content.parts[-1].text

# 使用例
response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents="Pythonでフィボナッチ数列を計算する関数を書いて"
)
print(get_response_text(response))

import os
from dotenv import load_dotenv
from google import genai
from google.genai import types

load_dotenv()
client = genai.Client(
    vertexai=True,
    project=os.getenv("GCP_PROJECT_ID"),
    location=os.getenv("GCP_LOCATION")
)

# チャット履歴を保持
chat_history = []

system_instruction = "あなたは親切なAIアシスタントです。"

while True:
    user_input = input("あなた: ")
    if user_input.lower() in ["quit", "exit"]:
        break
    
    # ユーザーメッセージを履歴に追加
    chat_history.append(types.Content(
        role="user",
        parts=[types.Part.from_text(text=user_input)]
    ))
    
    # APIリクエスト
    response = client.models.generate_content(
        model="gemini-2.5-flash",
        contents=chat_history,
        config=types.GenerateContentConfig(
            system_instruction=system_instruction
        )
    )
    
    # アシスタント応答を履歴に追加
    chat_history.append(types.Content(
        role="model",
        parts=[types.Part.from_text(text=response.text)]
    ))
    
    print("AI: " + response.text + "\n")