Deep Dive: Gemini API & Model Garden

§1 のローコード AI 領域を、公式 Vertex AI / Generative AI ドキュメントの文面に沿って深掘りします。 Context Caching・Function Calling・Model Garden 安全性・Gemini ファインチューニング の本番運用観点に焦点。

🌟 Gemini モデルファミリー（2026 年時点）

⚡ Context Caching の核心

プロンプトの冒頭に繰り返し現れる長文（システム指示・大量ドキュメント・PDF 等）の処理を 1/10 程度のコスト で済ませる仕組み。Implicit と Explicit の 2 種類 が並行して動きます。

🔄 Implicit Caching（自動）

🎯 Explicit Caching（手動）

「キャッシュをいつ作るか・いつ消すか・TTL をどうするか」を 明示的にアプリ側で制御。Implicit と違って storage 課金が発生。

必須の閾値

使うべきユースケース（公式記載）

• extensive system instructions を持つ Chatbot
• 長尺動画ファイルの繰り返し解析
• 大量ドキュメントセットへの再帰的クエリ
• コードリポジトリの繰り返しバグ修正・解析

# 疑似コード - Explicit cache 作成
cache = client.caches.create(
    model="gemini-2.5-pro",
    config={
        "contents": [{"role": "user", "parts": [{"text": "長文の社内マニュアル..."}]}],
        "system_instruction": {"parts": [{"text": "あなたは X 社の AI アシスタント"}]},
        "ttl": "3600s",  # 1 時間
    }
)

# 利用
response = client.models.generate_content(
    model="gemini-2.5-pro",
    contents=[{"role": "user", "parts": [{"text": "Q: 有給休暇の取り方は？"}]}],
    config={"cached_content": cache.name}
)

# 期限延長
client.caches.update(cache.name, ttl="86400s")  # 24 時間

⚠️ Cache の落とし穴

cache 完全 OFF の方法

「To prevent cache data retention, disable implicit caching and avoid creating explicit caches」と公式が明記。データガバナンス上 cache が NG なケースでは両方無効化が必要。

🔧 Function Calling の核心

LLM に「外部関数 / API を呼ぶ JSON 出力」を生成させる仕組み。LLM 単体ではできない リアルタイムデータ取得・実行系操作 を実現します。

Function 宣言の形（OpenAPI 3.0.3 schema）

{
  "name": "get_current_weather",
  "description": "Get the current weather in a given location",
  "parameters": {
    "type": "object",
    "properties": {
      "location": {
        "type": "string",
        "description": "The city name, e.g., San Francisco, CA"
      },
      "unit": {
        "type": "string",
        "enum": ["celsius", "fahrenheit"]
      }
    },
    "required": ["location"]
  }
}

🚦 並列・合成 Function Calling

Parallel function calling

「Get weather in Boston and San Francisco?」のような問いに対して、モデルは 1 ターンで複数の functionCall parts を返します。アプリ側は全ての関数を実行し、結果を 1 つの user message に複数の functionResponse objects として束ねて返す 必要があります。

Compositional (multi-step) function calling

モデルは「別関数の出力が必要」と判断したら次の関数を呼びます。会話履歴に全ターンを保持して投げ直す のが正しい実装。

🎨 マルチモーダル & Thinking モード（Gemini 3 Pro+）

🌳 Model Garden 深掘り

3 つのカテゴリ

提供元の分類

🚀 MaaS vs Self-deployed

OSS Self-deploy の流れ

1. Model Garden で対象モデルを検索
2. 1-click deploy（推奨コンテナで Endpoint 作成）または カスタムコンテナ（vLLM / Hex-LLM ベース）
3. Endpoint がデプロイされ、通常の Inference API で呼べる
4. SFT 用のチュートリアル notebook は GitHub に多数

🛡 Model Garden のセキュリティ（公式記載）

組織レベルでのアクセス制御

「organization, folder, or project level」で organization policies を設定し、vetted（審査済み）モデルのみ許可、それ以外を全部 deny が可能。規制業界では必須の機能。

🔧 Gemini ファインチューニングの 4 手法

📊 モデル別サポート状況

📁 訓練データと PEFT

データ準備の原則（公式）

1. 「High-quality, well-labeled data is crucial for good performance and better than quantity」— 量より質
2. 「data should reflect the prompt distribution, format and context the model will encounter in production」— 本番分布の再現が最優先
3. 「evaluate where the model makes mistakes before adding more data」— 闇雲なデータ追加禁止、誤答分析が先
4. 最低 100 例 程度から開始可能（小規模実験的）

PEFT (Adapter Tuning) のメカニズム

JSONL の典型形（SFT）

{"contents": [
  {"role": "user", "parts": [{"text": "支店コード ABC123 の今月の売上は？"}]},
  {"role": "model", "parts": [{"text": "支店 ABC123 (東京西支店) の今月の売上は 1,234 万円です。"}]}
]}
{"contents": [
  {"role": "user", "parts": [{"text": "クラスタ X の状態を教えて"}]},
  {"role": "model", "parts": [{"text": "クラスタ X は HEALTHY、稼働率 87%、ノード 32/32 active です。"}]}
]}
...

🎯 プロンプト vs ファインチューニング vs RAG の判断軸

公式が示す段階的アプローチ：「We recommend starting with prompting to find the optimal prompt. Then, move on to fine-tuning (if required) to further boost performances or fix recurrent errors.」

FT が必要なシグナル

• プロンプト + few-shot で 頭打ち
• 出力形式（JSON スキーマ・特定の文体）を厳密に守らせたい
• ドメイン特化用語 の頻出
• 推論コスト削減（小モデル + FT で中モデル並み精度）
• プロンプトが長すぎる → FT で 「shorter prompts」によるレイテンシ・コスト削減（公式記載）

FT を選ばないシグナル

• 「知識」を最新化したい → RAG
• ラベル付きデータが < 100 例 → プロンプト改善が先
• クイック PoC → プロンプトのみ

⚠️ リスクと注意点

📚 参考リンク（一次情報）

• Context caching overview
• Function calling
• Model Garden — explore models
• Tune Gemini overview
• Multimodal overview (Gemini API)
• Generative AI pricing
• Grounding (Search/RAG) overview
• Safety settings (content filters)