Gemini Developer API から Vertex AI の Gemini API に移行する

Gemini を初めて使用する場合は、クイックスタートを利用すると、すぐに使用を開始できます。

一方、生成 AI のソリューションが成熟してきたら、エンドツーエンドで生成 AI のアプリケーションやソリューションを構築し、デプロイするためのプラットフォームが必要になることがあります。Google Cloud は、アプリ開発の初期段階からアプリのデプロイ、アプリのホスティング、複雑なデータの大規模な管理まで、デベロッパーが生成 AI の力を活用できるツールの包括的なエコシステムを提供します。

Google Cloud の Vertex AI Platform には、効率と信頼性のために AI モデルの使用、デプロイ、モニタリングを合理化する一連の MLOps ツールが用意されています。さらに、データベース、DevOps ツール、ロギング、モニタリング、IAM とのインテグレーションにより、生成 AI のライフサイクル全体を包括的に管理できます。

Google Cloud 提供サービスに関する一般的なユースケース

Google Cloud 提供サービスに適した一般的なユースケースの例を以下に示します。

  • アプリとソリューションを製品化します。Cloud Run functions や Cloud Run などのプロダクトでは、エンタープライズ クラスのスケール、セキュリティ、プライバシーを確保してアプリをデプロイできます。セキュリティとプライバシーについて詳しくは、 Google Cloudセキュリティ、プライバシー、クラウド コンプライアンス ガイドをご覧ください。
  • ベクトル類似性検索や ML パイプラインのチューニングからエンドツーエンドの MLOps 機能に Vertex AI を使用します。
  • Cloud Run functions または Cloud Run を使用して、イベント ドリブン アーキテクチャで LLM 呼び出しをトリガーします。
  • Cloud Logging と BigQuery を使用して、アプリの使用状況をモニタリングします。
  • BigQuery、Cloud Storage、Cloud SQL などのサービスを使用して、エンタープライズ クラスのセキュリティで大規模なデータを保存します。
  • BigQuery または Cloud Storage を使用して、クラウド内のデータを使用して検索拡張生成（RAG）を実行します。
  • データ パイプラインを作成してスケジュールします。Cloud Scheduler を使用してジョブをスケジュールできます。
  • クラウド内のデータに LLM を適用する。データを Cloud Storage または BigQuery に保存すると、LLM をそのデータに対してプロンプトを表示できます。たとえば、情報を抽出するか、概要をまとめるか、質問します。
  • Google Cloudデータ ガバナンス/所在地ポリシーを活用して、データ ライフサイクルを管理します。

Gemini Developer API と Vertex AI の Gemini API の違い

次の表は、Gemini Developer API と Vertex AI Gemini API の主な違いをまとめたものです。これは、ユースケースに適したオプションを判断する際に役立ちます。

機能 Gemini Developer API Vertex AI Gemini API
エンドポイント名 generativelanguage.googleapis.com aiplatform.googleapis.com
登録 Google アカウント Google Cloud アカウント（利用規約の同意と課金）
認証 API キー Google Cloud サービス アカウント
ユーザー インターフェース プレイグラウンド Google AI Studio Vertex AI Studio
API と SDK サーバーおよびモバイル / ウェブ クライアント SDK
  • サーバー: Python、Node.js、Go、Dart、ABAP
  • モバイル / ウェブ クライアント: Android（Kotlin / Java）、Swift、ウェブ、Flutter
 サーバーおよびモバイル / ウェブ クライアント SDK
  • サーバー: Python、Node.js、Go、Java、ABAP
  • モバイル / ウェブ クライアント（Vertex AI in Firebase 経由）: Android（Kotlin / Java）、Swift、ウェブ、Flutter
API と SDK の無料使用 〇（該当する場合） 新規ユーザー向けに $300 の Google Cloud クレジット
割り当て（1 分あたりのリクエスト数） モデルとお支払いプランによって異なります（詳細情報をご覧ください）。 モデルとリージョンによって異なります（詳細情報をご覧ください）
エンタープライズ サポート × 顧客暗号鍵
Virtual Private Cloud
データ所在地
アクセスの透明性
アプリケーションのホスティングに対応するスケーラブルなインフラストラクチャ
データベースとデータ ストレージ
MLOps × Vertex AI での完全な MLOps（例: モデル評価、Model Monitoring、Model Registry）

Vertex AI の Gemini API に移行する

このセクションでは、Gemini Developer API から Vertex AI の Gemini API に移行する方法について説明します。

移行時の考慮事項

移行する際は、次の点に注意してください。

  • 既存の Google Cloud プロジェクト（Gemini API キーの生成に使用したプロジェクト）を使用することも、新しい Google Cloud プロジェクトを作成することもできます。

  • サポートされているリージョンは、Gemini Developer API と Vertex AI の Gemini API で異なる場合があります。 Google Cloudの生成 AI でサポートされているリージョンのリストをご覧ください。

  • Google AI Studio で作成したモデルは、Vertex AI で再トレーニングする必要があります。

Vertex AI Studio の使用を開始する

Vertex AI の Gemini API に移行するプロセスは、 Google Cloud アカウントをすでに所有しているか、 Google Cloudを初めて使用するのかによって異なります。

Vertex AI の Gemini API に移行する方法については、 Google Cloud アカウントのステータスに応じて、次のいずれかのタブをクリックしてください。

すでに Google Cloud を使用している

  1. Google AI Studio にログインします。

  2. 左側のナビゲーション パネルの下部にある [Build with Vertex AI on Google Cloud] をクリックします。

    [Vertex AI と Google Cloud を無料で試す] ページが開きます。

  3. [同意して続行] をクリックします。

    [Get Started with Vertex AI studio] ダイアログが表示されます。

  4. Vertex AI の実行に必要な API を有効にするには、[同意して続行] をクリックします。

    Vertex AI コンソールが開きます。Google AI Studio からデータを移行する方法については、プロンプトを移行するをご覧ください。

Google Cloud を初めて使用する

  1. Google AI Studio にログインします。

  2. 左側のナビゲーション パネルの下部にある [Build with Vertex AI on Google Cloud] をクリックします。

    [アカウントを作成して Google Cloud の使用を開始する] ページが開きます。

  3. [同意して続行] をクリックします。

    [本人確認を行います] ページが表示されます。

  4. [無料で利用開始] をクリックします。

    [Get Started with Vertex AI studio] ダイアログが表示されます。

  5. Vertex AI の実行に必要な API を有効にするには、[同意して続行] をクリックします。

  6. 省略可: Google AI Studio からデータを移行する方法については、このページのプロンプトを移行するをご覧ください。

Python: Vertex AI の Gemini API に移行する

以下のセクションでは、Python コードを移行して Vertex AI の Gemini API を使用する場合に役立つコード スニペットを示します。

Vertex AI Python SDK の設定

Vertex AI では、API キーは必要ありません。代わりに、Vertex AI の Gemini は、IAM アクセスを使用して管理されます。IAM アクセスは、Vertex AI SDK を介して Gemini API を呼び出すユーザー、グループ、またはサービス アカウントの権限を制御します。

認証にはさまざまな方法がありますが、開発環境での最も簡単な認証方法は、Google Cloud CLI をインストールしてから、CLI にログインするためにユーザー認証情報を使用することです。

Vertex AI に対して推論呼び出しを行うには、ユーザーまたはサービス アカウントに Vertex AI ユーザーロールが割り当てられていることも確認する必要があります。

クライアントをインストールするコードサンプル

Gemini Developer API Vertex AI の Gemini API 
# To install the Python SDK, use this CLI command:
# pip install google-generativeai

import google.generativeai as genai
from google.generativeai import GenerativeModel

API_KEY="API_KEY"
genai.configure(api_key=API_KEY)
        
# To install the Python SDK, use this CLI command:
# pip install google-genai

from google import genai

PROJECT_ID = "PROJECT_ID"
LOCATION = "LOCATION"  # e.g. us-central1
client = genai.Client(project=PROJECT_ID, location=LOCATION, vertexai=True)

テキスト プロンプトからテキストを生成するコードサンプル

Gemini Developer API Vertex AI の Gemini API 
model = GenerativeModel("gemini-2.0-flash")

response = model.generate_content("The opposite of hot is")
print(response.text) #  The opposite of hot is cold.
        
from google import genai
from google.genai.types import HttpOptions

client = genai.Client(http_options=HttpOptions(api_version="v1"))
response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents="How does AI work?",
)
print(response.text)
# Example response:
# Okay, let's break down how AI works. It's a broad field, so I'll focus on the ...
#
# Here's a simplified overview:
# ...

テキストと画像からテキストを生成するコードサンプル

Gemini Developer API Vertex AI の Gemini API 
import PIL.Image

multimodal_model = GenerativeModel("gemini-2.0-flash")

image = PIL.Image.open("image.jpg")

response = multimodal_model.generate_content(["What is this picture?", image])
print(response.text) # A cat is shown in this picture.
        
from google import genai
from google.genai.types import HttpOptions, Part

client = genai.Client(http_options=HttpOptions(api_version="v1"))
response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents=[
        "What is shown in this image?",
        Part.from_uri(
            file_uri="gs://cloud-samples-data/generative-ai/image/scones.jpg",
            mime_type="image/jpeg",
        ),
    ],
)
print(response.text)
# Example response:
# The image shows a flat lay of blueberry scones arranged on parchment paper. There are ...

マルチターン チャットを生成するコードサンプル

Gemini Developer API Vertex AI の Gemini API 
model = GenerativeModel("gemini-2.0-flash")

chat = model.start_chat()

print(chat.send_message("How are you?").text)
print(chat.send_message("What can you do?").text)
        
from google import genai
from google.genai.types import HttpOptions, ModelContent, Part, UserContent

client = genai.Client(http_options=HttpOptions(api_version="v1"))
chat_session = client.chats.create(
    model="gemini-2.5-flash",
    history=[
        UserContent(parts=[Part(text="Hello")]),
        ModelContent(
            parts=[Part(text="Great to meet you. What would you like to know?")],
        ),
    ],
)
response = chat_session.send_message("Tell me a story.")
print(response.text)
# Example response:
# Okay, here's a story for you:
# ...

プロンプトを Vertex AI Studio に移行する

Google AI Studio のプロンプト データは、Google ドライブ フォルダに保存されます。このセクションでは、プロンプトを Vertex AI Studio に移行する方法について説明します。

  1. Google ドライブを開きます。
  2. プロンプトが保存されている AI_Studio フォルダに移動します。 Google ドライブでのプロンプトの場所

  3. プロンプトを Google ドライブからローカル ディレクトリにダウンロードします。

  4. Google Cloud コンソールで Vertex AI Studio を開きます。

  5. [Vertex AI] メニューで、[プロンプト管理] をクリックします。

  6. [プロンプトのインポート] をクリックします。

  7. [プロンプト ファイル] フィールドで [参照] をクリックし、ローカル ディレクトリからプロンプトを選択します。

    プロンプトを一括でアップロードするには、プロンプトを手動で 1 つの JSON ファイルに結合する必要があります。

  8. [アップロード] をクリックします。

    プロンプトが [マイプロンプト] タブにアップロードされます。

Vertex AI Studio にトレーニング データをアップロードする

トレーニング データを Vertex AI に移行するには、Cloud Storage バケットにデータをアップロードする必要があります。詳細については、チューニングの概要をご覧ください。

使用していない API キーを削除する

Gemini Developer API で Gemini API キーを使用する必要がなくなった場合は、セキュリティのベスト プラクティスに従ってキーを削除します。

API キーを削除するには:

  1. Google Cloud API の認証情報ページを開く

  2. 削除する API キーを見つけて、[操作] アイコンをクリックします。

  3. [API キーを削除] を選択します。

  4. [認証情報の削除] モーダルで、[削除] を選択します。

    API キーの削除が反映されるまでには数分かかることがあります。削除が反映されると、以降その API キーを使ったトラフィックはすべて拒否されます。

次のステップ