デベロッパー

Google Gen AI SDK for Kotlin 1.0 の発表: Gemini への慣用的なマルチプラットフォームアクセス

2026年9月11日

https://storage.googleapis.com/gweb-cloudblog-publish/images/google-genai-sdk-kotlin.max-2600x2600.png

Guillaume Laforge

Developer Advocate

※この投稿は米国時間 2026 年 9 月 4 日に、Google Cloud blog に投稿されたものの抄訳です。

Kotlin アプリケーションに最新の生成 AI 機能を統合するのに、低レベルな HTTP クライアントを操作したり、異なる Java ライブラリを連携させたりする必要はありません。このたび、Google Gen AI SDK for Kotlin（google-genai-kotlin）のリリース 1.0 が公開されました。GitHub の googleapis/kotlin-genai で、コードを詳しく調べ、実行可能なサンプルを試し、プロジェクトにスターを付けることができるようになっています。

Kotlin マルチプラットフォーム（KMP）ライブラリとしてゼロから構築されたこの SDK は、JVM（バックエンドサービス、サーバーレス関数、デスクトップ）と Android の両方をターゲットとするデベロッパーに、慣用的な Kotlin パラダイム（ファーストクラスのコルーチン、非同期 Flow ストリーミング、名前付きパラメータとデフォルトパラメータを持つ不変データクラスなど）を提供します。

この SDK では、Gemini Developer API（Google AI Studio）と Gemini Enterprise Agent Platform（Google Cloud）の両方を操作するための統合サーフェスが提供され、構成の調整は最小限で済みます。

1. はじめに: 依存関係を追加する

SDK は、Maven Central の com.google.genai:google-genai-kotlin で公開されています。

Kotlin マルチプラットフォーム（KMP）

マルチプラットフォームアプリケーションの場合は、commonMain ソースセットに依存関係を追加します。

読み込んでいます...

標準の JVM プロジェクト

単一プラットフォームの Kotlin プロジェクトの場合、Gradle は Gradle Module Metadata を介して最適なバリアントを自動的に選択します。

読み込んでいます...

2. 単項およびストリーミングのテキスト生成とチャット

プライマリエントリポイントは Client クラスです。環境変数（Google AI Studio の場合は GEMINI_API_KEY または GOOGLE_API_KEY、標準の Google Cloud アプリケーションのデフォルト認証情報の場合は GOOGLE_GENAI_USE_ENTERPRISE=true）に基づいて、HTTP 接続と認証を自動的に管理します。

Gemini Flash を使用した単一プロンプトリクエスト

Kotlin の use 拡張機能を使用すると、クライアントの基盤となるネットワークエンジンと HTTP 接続が確実に解放されます。

読み込んでいます...

コルーチン Flow による低レイテンシストリーミング

インタラクティブな UI やレスポンシブな CLI ツールの場合、generateContentStream はコールド Kotlin コルーチン Flow<GenerateContentResponse> を返し、トークンチャンクをリアルタイムで提供します。

読み込んでいます...

マルチターンの会話（チャット）

リクエストターンをまたいで会話履歴を手動で管理するのは煩雑な作業になることがあります。SDK には、コンテキストの維持、ターンの追加、会話履歴のフォーマット、関数呼び出しの処理を自動的に行う専用の chats サービスが含まれています。

読み込んでいます...

chat.sendMessageStream(...) を使用して、マルチターンチャットレスポンスをストリーミングすることもできます。

3. Google 検索でグラウンディングされたマルチモーダル分析

Gemini のマルチモーダル推論は、外部検証と組み合わせると特に効果的です。たとえば、技術、医療、科学に関する図を分析する場合、Google 検索のグラウンディングをアタッチして、事実に基づく主張をライブのウェブソースと照合できます。

読み込んでいます...

import com.google.genai.kotlin.Client
import com.google.genai.kotlin.types.*
import java.io.File
import kotlinx.coroutines.runBlocking

fun main() = runBlocking {
    Client().use { client ->
        val imageBytes = File("src/main/resources/medical_diagram.png").readBytes()

val content = Content(
            parts = listOf(
                Part(inlineData = Blob(mimeType = "image/png", data = imageBytes)),
                Part(text = "Is this anatomical diagram accurate? Verify labels against authoritative medical sources.")
            )
        )

// Enable Google Search as a grounding tool
        val config = GenerateContentConfig(
            tools = listOf(Tool(googleSearch = GoogleSearch()))
        )

val response = client.models.generateContent(
            model = "gemini-flash-latest",
            content = content,
            config = config
        )

println("=== Analysis ===")
        println(response.text)

// Inspect citations and search queries
        val grounding = response.groundingMetadata
        println("\n=== Search Queries Executed ===")
        grounding?.webSearchQueries?.forEach { println("- $it") }

println("\n=== Grounding Sources ===")
        grounding?.groundingChunks?.mapNotNull { it.web }?.forEach { source ->
            println("- ${source.title}: ${source.uri}")
        }
    }
}

4. ビジュアル生成と会話型編集: Gemini 3 画像ファミリー

この SDK は、Google の最新の画像生成モデル（リーダーボードでは Nano Banana シリーズのモデルとして広く知られています）を完全にサポートしています。

画像の生成と保存

生成された画像バイトは、レスポンスの一部で Blob として直接提供されます。

読み込んでいます...

画像から画像への会話型編集

同じリクエストで、既存の画像と会話型の編集指示を渡すことができます。

読み込んでいます...

5. Gemini Live とのリアルタイムの双方向インタラクション

低レイテンシの音声、オーディオ、ライブのマルチモーダルインタラクションの場合、SDK は client.live.connect(...) を使用した永続的な WebSocket 接続を介して Gemini Live API をサポートします。

読み込んでいます...

import com.google.genai.kotlin.Client
import com.google.genai.kotlin.types.AudioTranscriptionConfig
import com.google.genai.kotlin.types.LiveConnectConfig
import kotlinx.coroutines.launch
import kotlinx.coroutines.runBlocking

fun main() = runBlocking {
    Client().use { client ->
        val model = if (client.enterprise) "gemini-live-2.5-flash-native-audio"
                    else "gemini-3.1-flash-live-preview"

val config = LiveConnectConfig(
            outputAudioTranscription = AudioTranscriptionConfig()
        )

// Establish real-time bidirectional WebSocket session
        client.live.connect(model, config).use { session ->
            println("Connected to Gemini Live session!")

// Launch collector for server messages (audio and text transcriptions)
            val receiveJob = launch {
                session.receive().collect { serverMessage ->
                    serverMessage.serverContent?.outputTranscription?.text?.let { text ->
                        print(text)
                    }
                }
            }

// Stream real-time text (or raw PCM audio blobs via session.sendRealtimeInput(audio = ...))
            session.sendRealtimeInput(text = "Hello Gemini! Give me a 5-second motivational quote.")

// When finished, clean up
            receiveJob.cancel()
            session.closeSession()
        }
    }
}

6. 構造化されたツールと関数呼び出し

エージェントワークフローを構築する場合や、LLM をバックエンドマイクロサービスと連携させる場合、デベロッパーは FunctionDeclaration を介して構造化 JSON スキーマを渡すことができます。モデルは、ツールを呼び出すタイミングをインテリジェントに選択します。

読み込んでいます...

さらに、チャットサービスを使用する場合は、自動関数呼び出し（AFC）を利用できます。つまり、次の例に示すように、チャットの会話で宣言された関数を、SDK がユーザーに代わって自動的かつ透過的に呼び出すことができます。

読み込んでいます...

次のステップ

Google Gen AI SDK for Kotlin のリリース 1.0 により、バックエンドサーバーエコシステム（Ktor、Spring Boot、Quarkus、Micronaut）とモバイルアプリケーションの Kotlin デベロッパーは、生成 AI アプリケーションを構築するためのクリーンなマルチプラットフォーム基盤を手に入れました。

詳細と利用方法については、以下のリソースをご覧ください。

GitHub リポジトリ: ソース、スター、ディスカッションは github.com/googleapis/kotlin-genai でご確認ください。
ドキュメントとサンプル: Kotlin 生成 AI サンプルスイートをご覧ください。
フィードバック: 問題の報告、機能の提案、pull リクエストの送信を GitHub で直接行っていただけます。