GeminiでDeep Research APIを使う方法

TL;DR

GeminiのDeep Researchは、Interactions APIでエージェントを指定し、調査内容を入力するとコードから実行できる。長時間の調査はバックグラウンドで進み、ストリーミングへの再接続や、引用元URLを含むレポートの取得にも対応する。

Transcript

おスマサです。本日はですね、ジェミリー ディープリサーチエージェント、こちらが ですね、こっそり登場してましたんで、 これについてお話していきたいと思います 。JBT5.2がね、リリースされて、え 、ま、その裏では、え、Google のジェミの方からdeeprisサーチ エージェントというのが登場してたり、え 、あとですね、このdeepリサーチ エージェントに関連してインタラクション APIみたいなのもね、登場してましたん で、ま、これが何なのかっていうのを、え 、この動画で解説できたらなという風に 思います。え、まずですね、結論からいき ますけども、このdeepリサーチ エージェントというのはね、簡単な、 APIから、ま、ジェミノディープ リサーチをやってくれるそのAI エージェントに、ま... Read More

Key Insights

• • Deep Researchエージェントは、複数段階の検索と情報整理を実行し、参照元のURLを添えた調査レポートをAPI経由で生成する仕組みである。
• • Deep Researchの呼び出し口は、動画公開時点ではベータ版のInteractions APIに限定され、通常モデルと似たコード形式で利用できる。
• • Interactions APIは、モデル名やエージェント、入力を指定して処理を作成し、最終的な出力を受け取る基本構造を採用している。
• • 長時間を要するDeep Researchは、Gemini側でタスクを進めるバックグラウンド実行に対応し、クライアントを待機させ続けずに扱える。
• • ストリーミング機能は、調査中の進行状況や思考過程に相当する情報を受け取れるほか、切断後のストリーム再接続にも対応する。
• • Interactions APIは、会話セッションをAPI側またはクライアント側で管理でき、継続的なやり取りをアプリへ組み込める。
• • Interactions APIは、テキストだけでなく音声、動画、PDFなどの理解や画像生成にも対応する統一的なインターフェースとして紹介されている。
• • 実演では、2025年の音楽シーンで人気のアーティストを調査し、情報源を伴うレポートを生成してファイルへ保存している。
• 🎬 このチャンネルの他の動画:
  • Devin Fusionでコストを抑える方法
  • AI駆動開発の快適な作業環境を作る方法
  • AI開発で自分の未知を先に見つける方法
• 📺 このチャンネル: まさおAIじっくり解説ch

Questions & Answers

Q: GeminiのDeep ResearchをAPIから使う方法は？

Interactions APIでDeep Researchエージェントと調査したい内容を指定し、インタラクションを作成します。処理はバックグラウンドで進められるため、ステータスを確認しながら完了を待ち、最終的に引用元URLを含むレポートを出力として取得します。

Q: Interactions APIとは何ですか？

Interactions APIは、Geminiの通常モデルとAIエージェントを似た形式で呼び出すためのAPIです。モデルまたはエージェントと入力を指定して処理を作成でき、会話セッション、マルチモーダル、ツール呼び出し、バックグラウンド実行なども扱えます。

Q: Deep Researchエージェントは何を自動化できますか？

Deep Researchエージェントは、複数段階にわたる情報収集、参照情報の整理、引用元URLの付与、レポート作成を自動化できます。コンテンツのファクトチェックや企画時の情報整理など、調査結果を後工程で利用する用途が紹介されています。

Q: なぜDeep Researchではバックグラウンド実行が必要なのですか？

Deep Researchは通常のモデル応答より多くの検索や複雑な処理を含み、完了まで長い時間がかかる可能性があるためです。バックグラウンド実行を指定すれば、Gemini側で調査を継続させ、完了後にアプリやスクリプトから結果を受け取れます。

Q: Deep Researchの進行状況を確認する方法は？

ストリーミングを利用すると、調査がどのように進められているかを示す途中情報を受け取れます。ストリームへの再接続にも対応しているため、接続が途切れた場合でも、長時間の処理を継続的に追跡できる仕組みとして説明されています。

Q: Interactions APIで会話セッションを管理する方法は？

Interactions APIが保持するインタラクションやステータスを利用する方法と、クライアント側で履歴を管理する方法があります。これにより、一回限りの入力だけでなく、それまでのやり取りを踏まえた継続的な会話をアプリに組み込めます。

Q: Interactions APIはどの種類のデータに対応しますか？

Interactions APIはテキストに加えて、音声、動画、PDFなどの理解や画像生成にも対応すると説明されています。通常モデルとエージェントを共通の窓口から扱えるため、異なる形式の入力や出力を使う処理を一つのAPIへまとめられます。

Q: Deep Research APIを自作サービスへ組み込む方法は？

Googleの生成AIライブラリを導入し、Interactions APIでDeep Researchエージェント、調査内容、バックグラウンド実行などの設定を指定します。その後、処理状態を確認して結果を取得し、必要に応じてレポートをファイルへ保存する流れで組み込めます。

Summary & Key Takeaways

• GeminiのDeep Researchエージェントは、複数段階で情報を収集し、参照したURLや引用情報を整理して一つのレポートを生成する。通常のGeminiモデルへ質問するだけの処理より実行時間は長くなり得るため、バックグラウンド実行を前提に結果を受け取る設計が示されている。

• Deep Researchエージェントは、動画公開時点ではベータ版のInteractions APIから呼び出す。基本的な流れは、Googleの生成AIライブラリを導入し、モデルの代わりに対象エージェントと入力を指定してインタラクションを作成し、状態を確認しながら完了後の出力を取得するというものである。

• Interactions APIは、通常モデルとAIエージェントを似た形式で扱うための統一的な窓口である。会話セッション、マルチモーダル入力、ツール呼び出し、バックグラウンド処理などを管理でき、実演では2025年の人気アーティストを調査して、情報源付きの結果をファイルへ出力している。