はじめに
Google Cloud で Gemini を使うには、Gemini Enterprise Agent Platform（GEAP） を利用します。GEAP は Google Cloud Next '26（2026年4月）で発表された、旧 Vertex AI の後継プラットフォームです。
Gemini は テキストだけでなく、画像・PDF・動画・音声といったさまざまなデータを入力として受け取れます。この機能をマルチモーダルと呼びます。
本記事では Google Cloud の GEAP 経由で、画像と PDF を Gemini に渡して解析する方法を解説します。まずはCloud Shell上で実行してみましょう。
GEAP とは
GEAP は Gemini モデルの呼び出しからエージェントの構築・運用まで、AI 関連機能を一元管理する Google Cloud のプラットフォームです。
Google Cloud のエコシステムとネイティブに統合されているため、以下のような特徴があります。
- IAM で認証・認可を管理：サービスアカウントや Workload Identity Federation と組み合わせられる
- Cloud Audit Logs に記録：誰がいつ何のモデルを呼んだか追跡できる
- VPC との連携：プライベートネットワーク内からの呼び出しに対応
- 請求が Google Cloud に統合：他のサービスとまとめてコスト管理できる
事前準備
Vertex AI API を有効化する
GEAP は旧 Vertex AI のリブランドであり、有効化する API は Vertex AI API（aiplatform.googleapis.com） です。
まず有効化済みかどうか確認します。
gcloud services list --enabled | grep aiplatform
以下のスクショのように、コマンド実行結果としてaiplatform.googleapis.comが表示された場合は有効になっています。（無効の場合は何も表示されません）
表示されない場合は以下のコマンドで有効化してください。
gcloud services enable aiplatform.googleapis.com
SDK をインストールする
pip install google-genai httpx
環境変数を設定する
export GOOGLE_CLOUD_PROJECT="your-project-id"
export GOOGLE_CLOUD_LOCATION="global"
export GOOGLE_GENAI_USE_ENTERPRISE="True"
GOOGLE_GENAI_USE_ENTERPRISE=True を設定することで、SDK のリクエスト先が GEAP（Google Cloud の Gemini 基盤）に切り替わります。
画像を解析する
JPEG・PNG などの画像ファイルをそのまま Gemini に渡せます。
今回準備した画像はこちら
※AIで生成した画像です。Google Cloud公式のものではありません。
コードを書く
image.py
import pathlib
from google import genai
from google.genai import types
from google.genai.types import HttpOptions
client = genai.Client(http_options=HttpOptions(api_version="v1"))
image_path = pathlib.Path("sample.jpg") # 解析したい画像ファイル（image.pyと同階層に保存）
response = client.models.generate_content(
model="gemini-3.5-flash",
contents=[
types.Part.from_bytes(
data=image_path.read_bytes(),
mime_type="image/jpeg",
),
"この画像を日本語で詳しく説明してください",
],
)
print(response.text)
実行する
python image.py
PDF を解析する
PDF ファイルも同様に渡せます。
今回準備したPDFの内容はこちら
※AIで生成したPDFです。Google Cloud公式のものではありません。
コードを書く
pdf.py
import pathlib
from google import genai
from google.genai import types
from google.genai.types import HttpOptions
client = genai.Client(http_options=HttpOptions(api_version="v1"))
pdf_path = pathlib.Path("document.pdf") # 解析したい PDF ファイル（pdf.pyと同階層に保存）
response = client.models.generate_content(
model="gemini-3.5-flash",
contents=[
types.Part.from_bytes(
data=pdf_path.read_bytes(),
mime_type="application/pdf",
),
"この PDF の内容を日本語で要約してください",
],
)
print(response.text)
ファイルサイズの目安：PDF は 50MB まで
types.Part.from_bytes()で送れます。それ以上の場合はclient.files.upload()を使ってください。
実行する
python pdf.py
活用例
| 用途 | 入力 | プロンプト例 |
|---|---|---|
| 請求書の読み取り | 「合計金額・日付・発行元を JSON で返してください」 | |
| 画像の文字起こし | 画像 | 「画像に写っているテキストをすべて書き出してください」 |
| 図解の説明 | 画像 | 「この図が示している内容を説明してください」 |
| 仕様書の要約 | 「このドキュメントの要点を箇条書きでまとめてください」 | |
| 商品画像の説明文生成 | 画像 | 「この商品の紹介文を 100 文字で書いてください」 |
料金の目安
GEAP の利用料金は Google Cloud の請求にまとめて計上されます。
| モデル | 入力 | 出力 |
|---|---|---|
| gemini-3.5-flash | $1.50 / 100 万トークン | $9.00 / 100 万トークン |
Cloud Console の 「お支払い」→「レポート」 または 「APIs & Services」→「Gemini Enterprise Agent Platform API」 から使用量を確認できます。
なお、マルチモーダル入力は、それぞれトークンとして換算されます。
トークンへの換算の考え方については少々複雑なため、公式ドキュメントを参照してください。（機会があれば別途調査の上、記事にします。）
公式ドキュメントリンク：https://ai.google.dev/gemini-api/docs/tokens?hl=ja
まとめ
GEAP のマルチモーダル処理のポイントは 2 つです。
-
types.Part.from_bytes()でファイルのバイト列とmime_typeを渡す -
mime_typeは画像なら"image/jpeg"/"image/png"、PDF なら"application/pdf"
テキストと組み合わせることで、画像の説明・PDF の要約・文字起こしなど幅広い用途に使えます。