Gemini 3.1 Proってなんだ？〜ARC-AGI-2で77%を叩き出したGoogleの最強推論モデルの全貌と実践ガイド〜

# Python SDKのインストール（1.51.0以上が必須）
pip install google-genai>=1.51.0

# APIキーの取得
# 1. https://aistudio.google.com にアクセス
# 2. 「Get API Key」→「Create API Key」
# 3. 環境変数に設定
export GEMINI_API_KEY="your-api-key-here"

# config.yaml - 開発環境用（このままコピーして使える）
gemini:
  model: "gemini-3.1-pro-preview"
  thinking_level: "medium"        # 開発時はMediumで十分
  max_output_tokens: 8192
  temperature: 0.7

api:
  base_url: "https://generativelanguage.googleapis.com"
  timeout: 60
  retry_count: 3

logging:
  level: "DEBUG"
  format: "%(asctime)s - %(name)s - %(levelname)s - %(message)s"

# config.production.yaml - 本番環境用
gemini:
  model: "gemini-3.1-pro-preview"
  thinking_level: "high"          # 本番は精度優先
  max_output_tokens: 65536
  temperature: 0.3                # 再現性重視

api:
  base_url: "https://generativelanguage.googleapis.com"
  timeout: 120
  retry_count: 5

logging:
  level: "INFO"
  format: "%(asctime)s - %(levelname)s - %(message)s"

# config.test.yaml - CI/CD用
gemini:
  model: "gemini-3.1-pro-preview"
  thinking_level: "low"           # テストはコスト最小で
  max_output_tokens: 1024
  temperature: 0.0                # 決定論的出力

api:
  base_url: "https://generativelanguage.googleapis.com"
  timeout: 30
  retry_count: 1

logging:
  level: "WARNING"

"""
Gemini 3.1 Pro API 基本サンプル
実行方法: python gemini_basic.py
前提条件: pip install google-genai>=1.51.0
         環境変数 GEMINI_API_KEY を設定済み
"""
from google import genai
from google.genai import types


def basic_text_generation():
    """基本的なテキスト生成"""
    client = genai.Client()  # GEMINI_API_KEYを自動読み取り

    response = client.models.generate_content(
        model="gemini-3.1-pro-preview",
        contents="Pythonでフィボナッチ数列を再帰とメモ化の両方で実装し、パフォーマンスの違いを説明してください。",
    )

    print(response.text)
    print(f"\n--- トークン使用量 ---")
    print(f"入力: {response.usage_metadata.prompt_token_count}")
    print(f"出力: {response.usage_metadata.candidates_token_count}")


def controlled_thinking():
    """Thinking Levelを制御した推論"""
    client = genai.Client()

    # Medium Thinking: コードレビューに最適
    response = client.models.generate_content(
        model="gemini-3.1-pro-preview",
        contents="以下のPythonコードのバグを見つけて修正してください:\n\ndef binary_search(arr, target):\n    left, right = 0, len(arr)\n    while left < right:\n        mid = (left + right) // 2\n        if arr[mid] == target:\n            return mid\n        elif arr[mid] < target:\n            left = mid\n        else:\n            right = mid\n    return -1",
        config=types.GenerateContentConfig(
            thinking_config=types.ThinkingConfig(
                thinking_level="MEDIUM"  # LOW, MEDIUM, HIGH
            ),
            max_output_tokens=4096,
            temperature=0.3,
        ),
    )

    print(response.text)


def multimodal_example():
    """マルチモーダル入力（画像 + テキスト）"""
    client = genai.Client()

    # URLから画像を読み込んで分析
    response = client.models.generate_content(
        model="gemini-3.1-pro-preview",
        contents=[
            types.Part.from_uri(
                file_uri="https://example.com/architecture-diagram.png",
                mime_type="image/png",
            ),
            "このアーキテクチャ図を分析し、改善点を3つ挙げてください。",
        ],
    )

    print(response.text)


if __name__ == "__main__":
    print("=== 基本テキスト生成 ===")
    basic_text_generation()

    print("\n=== Thinking Level制御 ===")
    controlled_thinking()

    # マルチモーダルは画像URLを実際のものに差し替えて使用
    # print("\n=== マルチモーダル分析 ===")
    # multimodal_example()

/**
 * Gemini 3.1 Pro API 基本サンプル（Node.js）
 * 実行方法: node gemini_basic.mjs
 * 前提条件: npm install @google/genai
 *          環境変数 GEMINI_API_KEY を設定済み
 */
import { GoogleGenAI } from "@google/genai";

const ai = new GoogleGenAI({ apiKey: process.env.GEMINI_API_KEY });

async function basicGeneration() {
  const response = await ai.models.generateContent({
    model: "gemini-3.1-pro-preview",
    contents: "TypeScriptでジェネリクスを使った型安全なAPIクライアントを実装してください。",
    config: {
      thinkingConfig: { thinkingLevel: "MEDIUM" },
      maxOutputTokens: 4096,
      temperature: 0.5,
    },
  });

  console.log(response.text);
}

basicGeneration().catch(console.error);

$ python gemini_basic.py
=== 基本テキスト生成 ===
## フィボナッチ数列：再帰 vs メモ化

### 1. 素朴な再帰実装
...（フィボナッチの実装と解説が出力される）...

--- トークン使用量 ---
入力: 42
出力: 1,247

#!/usr/bin/env python3
"""
Gemini 3.1 Pro 環境診断スクリプト
実行方法: python check_gemini_env.py
"""
import sys
import os


def check_environment():
    """環境をチェックして問題を報告"""
    issues = []
    info = []

    # Python バージョン確認
    if sys.version_info < (3, 9):
        issues.append(f"Python 3.9以上が必要です（現在: {sys.version}）")
    else:
        info.append(f"Python: {sys.version}")

    # SDKバージョン確認
    try:
        import google.genai as genai

        version = getattr(genai, "__version__", "不明")
        info.append(f"google-genai: {version}")
        # バージョン比較（簡易）
        parts = version.split(".")
        if len(parts) >= 2 and int(parts[0]) == 1 and int(parts[1]) < 51:
            issues.append(
                f"google-genai 1.51.0以上が必要です（現在: {version}）"
            )
    except ImportError:
        issues.append("google-genai がインストールされていません")
        issues.append("  → pip install google-genai>=1.51.0")

    # APIキー確認
    api_key = os.environ.get("GEMINI_API_KEY")
    if not api_key:
        issues.append("環境変数 GEMINI_API_KEY が設定されていません")
    elif len(api_key) < 10:
        issues.append("GEMINI_API_KEY の値が短すぎます（無効な可能性）")
    else:
        info.append(f"GEMINI_API_KEY: 設定済み（{api_key[:8]}...）")

    # API接続テスト
    if not issues:
        try:
            from google import genai

            client = genai.Client()
            response = client.models.generate_content(
                model="gemini-3.1-pro-preview",
                contents="Hello",
                config={"max_output_tokens": 10},
            )
            info.append("API接続テスト: 成功")
        except Exception as e:
            issues.append(f"API接続テストに失敗: {e}")

    # 結果表示
    print("=" * 50)
    print("Gemini 3.1 Pro 環境診断結果")
    print("=" * 50)

    if info:
        print("\n[情報]")
        for i in info:
            print(f"  ✅ {i}")

    if issues:
        print("\n[問題]")
        for issue in issues:
            print(f"  ❌ {issue}")
    else:
        print("\n🎉 環境は正常です！Gemini 3.1 Proを使う準備ができています。")


if __name__ == "__main__":
    check_environment()

"""
大規模コードベース分析サンプル
複数ファイルを一括で読み込み、アーキテクチャレビューを実行
"""
from google import genai
from google.genai import types
from pathlib import Path


def analyze_codebase(project_dir: str) -> str:
    """プロジェクトディレクトリを分析してレビュー結果を返す"""
    client = genai.Client()

    # ソースファイルを収集
    code_files = []
    extensions = {".py", ".js", ".ts", ".yaml", ".json"}
    for path in Path(project_dir).rglob("*"):
        if path.suffix in extensions and "node_modules" not in str(path):
            try:
                content = path.read_text(encoding="utf-8")
                code_files.append(f"### {path.relative_to(project_dir)}\n```\n{content}\n```")
            except (UnicodeDecodeError, PermissionError):
                continue

    codebase_text = "\n\n".join(code_files)
    prompt = f"""以下のコードベース全体を分析し、レポートを作成してください：

1. アーキテクチャの評価（SOLID原則の遵守度）
2. 潜在的なバグ（重要度順）
3. パフォーマンスボトルネック
4. リファクタリング提案（優先度付き）

{codebase_text}"""

    response = client.models.generate_content(
        model="gemini-3.1-pro-preview",
        contents=prompt,
        config=types.GenerateContentConfig(
            thinking_config=types.ThinkingConfig(thinking_level="HIGH"),
            max_output_tokens=65536,
        ),
    )

    return response.text


if __name__ == "__main__":
    result = analyze_codebase("./my-project")
    print(result)

"""
CSVデータ分析レポート生成サンプル
"""
import json
from google import genai
from google.genai import types


def generate_data_report(csv_content: str) -> dict:
    """CSVデータを分析してJSON形式のレポートを返す"""
    client = genai.Client()

    prompt = f"""以下のCSVデータを分析し、以下のJSON形式で結果を返してください。
JSONのみ出力し、マークダウンのバッククォートは含めないでください。

{{
  "summary": "データの概要（1-2文）",
  "key_findings": ["発見1", "発見2", "発見3"],
  "anomalies": ["異常値1", "異常値2"],
  "recommendations": ["推奨アクション1", "推奨アクション2"]
}}

データ:
{csv_content}"""

    response = client.models.generate_content(
        model="gemini-3.1-pro-preview",
        contents=prompt,
        config=types.GenerateContentConfig(
            thinking_config=types.ThinkingConfig(thinking_level="MEDIUM"),
            max_output_tokens=4096,
            temperature=0.2,
        ),
    )

    return json.loads(response.text)


if __name__ == "__main__":
    sample_csv = """date,revenue,users,churn_rate
2026-01-01,150000,1200,0.03
2026-01-08,148000,1180,0.035
2026-01-15,165000,1350,0.028
2026-01-22,142000,1100,0.042
2026-01-29,170000,1400,0.025"""

    report = generate_data_report(sample_csv)
    print(json.dumps(report, ensure_ascii=False, indent=2))

"""
Function Callingサンプル（エージェント型ワークフロー）
"""
from google import genai
from google.genai import types


def search_database(query: str, limit: int = 10) -> str:
    """データベース検索（モック）"""
    return f'{{"results": [{{"id": 1, "title": "Result for: {query}"}}], "total": 1}}'


def create_report(title: str, content: str) -> str:
    """レポート作成（モック）"""
    return f'{{"status": "created", "title": "{title}"}}'


# ツール定義
tools = [
    types.Tool(
        function_declarations=[
            types.FunctionDeclaration(
                name="search_database",
                description="社内データベースを検索する",
                parameters=types.Schema(
                    type="OBJECT",
                    properties={
                        "query": types.Schema(type="STRING", description="検索クエリ"),
                        "limit": types.Schema(type="INTEGER", description="取得件数"),
                    },
                    required=["query"],
                ),
            ),
            types.FunctionDeclaration(
                name="create_report",
                description="分析レポートを作成する",
                parameters=types.Schema(
                    type="OBJECT",
                    properties={
                        "title": types.Schema(type="STRING", description="レポートタイトル"),
                        "content": types.Schema(type="STRING", description="レポート内容"),
                    },
                    required=["title", "content"],
                ),
            ),
        ]
    )
]


def run_agent():
    """エージェントを実行"""
    client = genai.Client()

    response = client.models.generate_content(
        model="gemini-3.1-pro-preview-customtools",  # カスタムツール用エンドポイント
        contents="先月の売上データを検索して、月次レポートを作成してください。",
        config=types.GenerateContentConfig(
            tools=tools,
            thinking_config=types.ThinkingConfig(thinking_level="HIGH"),
        ),
    )

    # Function Callの結果を処理
    for part in response.candidates[0].content.parts:
        if hasattr(part, "function_call"):
            fc = part.function_call
            print(f"関数呼び出し: {fc.name}({fc.args})")


if __name__ == "__main__":
    run_agent()