はじめに

GoogleのGemini APIに、自律型リサーチエージェント「Deep Research Agent」が追加されました。Interactions API（Beta）を通じて利用でき、複雑な調査タスクを計画・検索・分析・レポート生成まで自動で実行します。

この記事で学べること

Gemini Deep Research Agentの仕組みと特徴
Interactions APIのセットアップ方法
Python / JavaScript / REST APIでの実装方法
ストリーミング、ファイル検索、フォローアップの活用方法
料金体系と制約事項

対象読者

AIエージェントの実装に関心があるエンジニア
調査・分析業務の自動化を検討している開発者
Gemini APIを活用したアプリケーションを構築したい方

前提環境

Python 3.10以上（Python SDKを使用する場合）
google-genai パッケージ 1.55.0以上
Google AI Studio のAPIキー

TL;DR

Deep Research AgentはGemini 3.1 Proベースの自律型リサーチエージェント
Interactions API経由でのみ利用可能（generateContent では不可）
Web検索・URL解析を自動実行し、引用付きレポートを生成
非同期実行（background=True）が必須。最大60分、通常20分以内で完了
Python / JavaScript / REST APIの3通りで実装可能

Deep Research Agentとは

Deep Research Agentは、Gemini APIで利用できる特化型エージェントです。通常のLLM呼び出しとは異なり、以下の自律ループを実行します。

計画（Planning）: 入力クエリを分析し、調査計画を策定
検索（Searching）: Google検索・URL解析で情報を収集
読解（Reading）: 収集した情報を解析・整理
推論（Reasoning）: 情報間の関係性を分析し、結論を導出
レポート生成: 引用付きの構造化されたレポートを出力

このループは最大60分間継続し、複雑な調査でも自律的に処理を完了します。公式ドキュメントによると、ほとんどのタスクは20分以内に完了します。

主な特徴

特徴	詳細
ベースモデル	Gemini 3.1 Pro
エージェントID	`deep-research-pro-preview-12-2025`
最大実行時間	60分
平均実行時間	2〜20分
デフォルトツール	Google Search、URL Context
マルチモーダル入力	テキスト、画像、PDF、動画（音声は非対応）
出力形式	引用付きMarkdownレポート

環境セットアップ

APIキーの取得

Google AI Studioにアクセスし、APIキーを発行します。

Python SDKのインストール

pip install -U google-genai

バージョン1.55.0以上が必要です。以下のコマンドでバージョンを確認できます。

pip show google-genai

環境変数の設定

export GEMINI_API_KEY="your-api-key-here"

Python SDKでの実装

基本的なリサーチ実行

最もシンプルな実装例です。リサーチクエリを送信し、完了までポーリングで待機します。

import time
from google import genai

client = genai.Client()

# リサーチの開始（非同期実行が必須）
interaction = client.interactions.create(
    input="2026年のAIエージェントフレームワークの主要動向を調査してください",
    agent="deep-research-pro-preview-12-2025",
    background=True
)

print(f"リサーチ開始: {interaction.id}")

# 完了までポーリング
while True:
    status = client.interactions.get(interaction.id)
    print(f"ステータス: {status.status}")

    if status.status == "completed":
        # 最終レポートを取得
        report = status.outputs[-1].text
        print(report)
        break
    elif status.status == "failed":
        print(f"エラー: {status.error}")
        break

    time.sleep(10)  # 10秒間隔でポーリング

ポイント: background=True は必須パラメータです。Deep Research Agentは長時間実行されるため、同期実行には対応していません。

ストリーミングでリアルタイム進捗を取得

エージェントの思考プロセスをリアルタイムで確認したい場合は、ストリーミングモードを使用します。

from google import genai

client = genai.Client()

stream = client.interactions.create(
    input="Kubernetes上でのAIワークロード最適化の最新手法を調査してください",
    agent="deep-research-pro-preview-12-2025",
    background=True,
    stream=True,
    agent_config={
        "type": "deep-research",
        "thinking_summaries": "auto"
    }
)

interaction_id = None
last_event_id = None

for chunk in stream:
    # インタラクションIDの取得
    if chunk.event_type == "interaction.start":
        interaction_id = chunk.interaction.id
        print(f"インタラクションID: {interaction_id}")

    # イベントIDの追跡（再接続用）
    if chunk.event_id:
        last_event_id = chunk.event_id

    # コンテンツの処理
    if chunk.event_type == "content.delta":
        if chunk.delta.type == "text":
            print(chunk.delta.text, end="", flush=True)
        elif chunk.delta.type == "thought_summary":
            print(f"\n[思考] {chunk.delta.content.text}")

    # 完了イベント
    if chunk.event_type == "interaction.complete":
        print("\n\nリサーチ完了")

thinking_summaries を "auto" に設定すると、エージェントが検索中に何を考えているかの中間サマリーが返されます。デバッグやUX向上に有用です。

ファイル検索との組み合わせ

社内ドキュメントとWeb情報を横断的に調査する場合、File Search機能を利用します。

interaction = client.interactions.create(
    input="社内の技術選定基準と最新のWeb情報を比較分析してください",
    agent="deep-research-pro-preview-12-2025",
    background=True,
    tools=[
        {
            "type": "file_search",
            "file_search_store_names": ["fileSearchStores/internal-docs"]
        }
    ]
)

File Search機能は現在Experimental（実験的機能）です。本番環境での利用には注意が必要です。

フォローアップ質問

完了したリサーチに対して追加の質問を行う場合、previous_interaction_id を使用します。これにより、前回のリサーチ結果を文脈として引き継ぎます。

# 初回リサーチのインタラクションIDを指定
followup = client.interactions.create(
    input="レポートの第2セクションについて、具体的な実装例を追加で調査してください",
    model="gemini-3.1-pro-preview",
    previous_interaction_id="完了したインタラクションのID"
)

print(followup.outputs[-1].text)

フォローアップではモデルとして gemini-3.1-pro-preview を直接指定します。Deep Research Agentの再起動は不要で、前回の結果をコンテキストとして即座に回答が得られます。

JavaScript SDKでの実装

Node.js環境での実装例です。@google/genai パッケージ 1.33.0以上が必要です。

import { GoogleGenAI } from "@google/genai";

const client = new GoogleGenAI({});

async function runResearch(query) {
  const interaction = await client.interactions.create({
    input: query,
    agent: "deep-research-pro-preview-12-2025",
    background: true,
  });

  console.log(`リサーチ開始: ${interaction.id}`);

  // ポーリングで完了を待機
  while (true) {
    const result = await client.interactions.get(interaction.id);

    if (result.status === "completed") {
      const report = result.outputs[result.outputs.length - 1].text;
      console.log(report);
      return report;
    }

    if (result.status === "failed") {
      throw new Error(`リサーチ失敗: ${result.error}`);
    }

    // 10秒待機
    await new Promise((resolve) => setTimeout(resolve, 10000));
  }
}

runResearch("TypeScript 5.xの型システムの最新機能を調査してください");

REST APIでの実装

SDK非対応の環境では、REST APIを直接呼び出します。

リサーチの開始

curl -X POST \
  "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "Content-Type: application/json" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -d '{
    "input": "WebAssemblyの最新仕様と実装状況を調査してください",
    "agent": "deep-research-pro-preview-12-2025",
    "background": true
  }'

レスポンスに含まれる id フィールドがインタラクションIDです。

ステータス確認と結果取得

curl -X GET \
  "https://generativelanguage.googleapis.com/v1beta/interactions/{INTERACTION_ID}" \
  -H "x-goog-api-key: $GEMINI_API_KEY"

status が completed になったら、outputs 配列の最後の要素からレポートを取得します。

Interactions APIとgenerateContentの違い

Deep Research Agentは Interactions APIでのみ利用可能 です。従来の generateContent とは以下の点で異なります。

項目	generateContent	Interactions API
実行モデル	同期	同期 + 非同期（`background`）
状態管理	クライアント側で会話履歴を送信	`previous_interaction_id` でサーバー側管理
エージェント対応	なし	Deep Research Agent等の専用エージェント
ツール実行	1ターンのFunction Calling	自律的な多段階ツール実行
最大実行時間	リクエストタイムアウトまで	最大60分
ストリーミング	テキスト生成のストリーム	イベントベース（思考サマリー含む）
データ保持	なし	有料プラン55日、無料プラン1日

Interactions APIは generateContent の上位互換として設計されており、通常のテキスト生成にも利用可能です。

料金と制約

料金の目安

公式ドキュメントによると、Deep Research Agentの料金はGemini 3 Proの標準料金に準じ、入力・出力・中間推論トークンすべてが課金対象です。

リサーチ規模	推定検索回数	推定入力トークン	推定出力トークン	推定コスト
標準的な調査	約80回	約250,000	約60,000	$2〜$3
複雑な調査	約160回	約900,000	約80,000	$3〜$5

上記は公式ドキュメントに基づく推定値です。キャッシュトークンの割引（50〜70%）が適用される場合、実際のコストはさらに低くなります。料金体系はBeta期間中に変更される可能性があります。

制約事項

制約	詳細
最大実行時間	60分
音声入力	非対応
カスタムFunction Calling	非対応
MCPサーバー	非対応
構造化出力	非対応
`background` パラメータ	`True` が必須
`store` パラメータ	`background=True` 時は `True` が必要
データ保持期間	有料プラン: 55日、無料プラン: 1日
API安定性	Beta（スキーマ変更の可能性あり）

実践的なユースケース

1. 技術選定のリサーチ自動化

interaction = client.interactions.create(
    input="""以下の技術について比較調査を実施してください:
    - 対象: React Server Components vs Astro Islands vs Qwik
    - 調査項目: パフォーマンス、DX、エコシステム、採用事例
    - 出力形式: 比較表を含むレポート""",
    agent="deep-research-pro-preview-12-2025",
    background=True
)

2. セキュリティ脆弱性の影響調査

interaction = client.interactions.create(
    input="""CVE-2026-XXXXの影響範囲を調査してください:
    - 影響を受けるバージョン
    - 攻撃ベクトルと深刻度
    - 既知の修正パッチとワークアラウンド
    - 主要クラウドプロバイダーの対応状況""",
    agent="deep-research-pro-preview-12-2025",
    background=True
)

3. 競合製品の定期リサーチ

interaction = client.interactions.create(
    input="""以下の製品の最新アップデートを調査してください:
    - GitHub Copilot
    - Cursor
    - Claude Code
    - Codex CLI
    調査期間: 過去1ヶ月、公式ブログ・リリースノートを重点的に確認""",
    agent="deep-research-pro-preview-12-2025",
    background=True
)

注意点・留意事項

レート制限

Interactions APIにはレート制限が適用されます。無料プランでは1日あたりの実行回数に制限があるため、本番運用では有料プランの利用が推奨されます。具体的な制限値は公式のRate Limitsページを参照してください。

結果の検証

Deep Research Agentはレポートに引用（ソースURL）を含みますが、AI生成コンテンツである以上、重要な意思決定に使用する前に一次ソースでの検証が推奨されます。

BetaAPIの変更リスク

Interactions APIはBeta段階のため、エンドポイントやパラメータが変更される可能性があります。本番環境での利用にはバージョン固定やフォールバック処理の実装を検討してください。

まとめ

Gemini Deep Research Agentは、複雑な調査タスクを自律的に実行できるAPIサービス
Interactions APIの background=True で非同期実行し、ポーリングまたはストリーミングで結果を取得
Python / JavaScript / REST APIの3通りで実装可能
料金はGemini 3.1 Proベースのトークン課金。標準的な調査で$2〜$3程度
Beta段階のため、スキーマ変更リスクへの備えが必要

技術選定、セキュリティ調査、競合分析など、構造化されたリサーチが必要な場面で特に有効です。Interactions APIはDeep Research Agent以外にも通常のGeminiモデル利用に対応しているため、段階的な導入が可能です。

参考リンク