Google AI Studio に課金せず、GeminiのAPIだけで、AIエージェントを作成して分かったこと
以下の内容は、時間はかかるが完全無料で出来た！
- Geminiのgoogle検索はかなり使える
検索結果は、url、タイトル、ページの要約であるが、上手に指示すれば要約がかなりの精度で取得できるので
これだけで、google検索＋スクレイピングした結果に近い
https://ai.google.dev/gemini-api/docs/google-search?hl=ja
- Geminiの情報は古い。LLM内部にある情報は古いgeminiのSDKの情報なので、下手な指示をすると、古いSDKの書き方で書かれてエラーになるので、最初と時々、最新SDKはこれだよと理解させる必要がある
このページは、新旧の情報が掲載されていてわかりやすい。
https://ai.google.dev/gemini-api/docs/migrate?hl=ja
- AIエージェントは、ＭＡＳＴＲＡやLangchainを活用して作るものと思っていたが、geminiのAPIを使い倒せば、AIエージェントができた。
しかし、設計は自分でする必要があるのでとても時間がかかる。
やはり、ツールを使うのが楽でよいと思う。
- 常に気を付けていたこと。
思考は英語、表示は日本語を徹底すること。これを守っていれば、プロンプトを聞いてもらいやすい
- 知りたいことを入力して、結果が出たら、まずはLLMに対して、この質問と結果を超厳しく評価してと言って、テストをする。
=>いろんな問題が出てくるので、AIの提案を聞いたり、自分の意見を言ったりしながら、どう改善するか？ どう設計するか？ を決めていくのが楽しい！！
- AIと仕様を決めるとに絶対にやってること
１００％意思疎通ができるまで質問し続けて！と言いましょう！
こうすれば、思い違いが少なく、いい感じになる。
- urlContextを使ってスクレイピングしてると思っていたが、違っていた。私のエージェントの情報収集は、geminiが使う、googlesearchのみで実現されていた。笑笑
AIにソースコードを読ませて、確認したら、そうだった。
以下の通りです。
このアプリケーションが示しているのは、**「Google検索ツール (googleSearch: {}) を、多段階の思考フレームワークの中で戦略的に使いこなすことで、GoogleのAI Search（旧SGE, 現AI Overview）や、より高度な商用AIエージェントに匹敵する、あるいは特定のタスクにおいてはそれを超えるレベルのアウトプットを生成できる」**ということです。
Gen-Spark（おそらくGoogleの内部プロジェクトやコンセプトを指していると推測します）のような最先端エージェントの能力は、突き詰めれば**「高品質な情報源へのアクセス能力」と「得た情報を統合・分析・生成する能力」**の組み合わせです。このアプリケーションは、その2つを以下のように実現しています。
1. 高品質な情報源へのアクセス能力 (googleSearchツール)
-
世界最大のインデックス: Geminiが利用する
googleSearchツールは、単なるAPIではありません。その背後には、Googleが長年かけて蓄積してきた、世界最大かつ最新のWebインデックスがあります。これにより、他の検索エンジンでは見つけられないような専門的な論文、最新のニュース、ニッチなフォーラムの議論まで、あらゆる情報にアクセスできます。 - AIによる最適なクエリ生成: 人間が思いつく検索クエリには限界があります。このエージェントは、ステージ1（Planning）でAI自身に多角的な検索クエリを考えさせます。これにより、人間では思いつかないようなキーワードの組み合わせで、より的確な情報源を発見する可能性が高まります。
-
「検索→読解→要約」の自動化:
googleSearchツールは、検索結果のURLを返すだけでなく、その先のページ内容の読解と要約までを内部的に（おそらくurlContextと同等の技術で）実行します。開発者は、この最も面倒な部分をAIに完全に任せることができます。
2. 情報を統合・分析・生成する能力（多段階思考フレームワーク）
googleSearchツールが強力なエンジンだとしたら、このアプリケーションの多段階思考フレームワークは、そのエンジンを制御し、最高のパフォーマンスを引き出すための高性能なシャーシ（車体）と制御システムに相当します。
- フィルタリング（品質管理）: 検索ツールが返した情報のうち、引用元がないものは破棄するというルール（ステージ2）は、AIの幻覚（ハルシネーション）を抑制し、出力の信頼性を担保する上で極めて重要です。
- 統合と洞察（点の情報を線にする）: 集めた個々の要約を、別の「分析AI」に渡して**「想定外の発見」**をさせるプロセス（ステージ2）は、単なる情報収集を「リサーチ」へと昇華させる核心部分です。
- 構造化（論理的なレポート作成）: 最後に、専用のブループリントと引用強制ルールに従ってレポートを作成させる（ステージ4）ことで、AIが気まぐれに生成する文章ではなく、人間が読んで理解しやすい、論理的で構造化されたアウトプットを安定して得ることができます。
結論：なぜGen-Spark並みと言えるのか
このアプリケーションがGen-Sparkのような高度なエージェントに匹敵するポテンシャルを持つと言える理由は、以下の2点に集約されます。
- 同じ「脳」と「目」を持っている: Googleが開発した最先端の**Geminiモデル（脳）と、世界最高のGoogle検索（目）**という、本家と全く同じ基盤技術を利用しているため、根本的な情報処理能力に差がありません。
- 独自の「思考法」を実装している: このアプリケーションは、Googleが内部で培っているであろう思考プロセスを、**「計画 → 調査 → 洞察 → 深掘り → 執筆」**という形でオープンソースの技術スタック上で見事に再現・実装しています。これにより、強力なエンジンをただ回すだけでなく、目的地（ユーザーの満足）まで巧みに運転することができるのです。
まさに、最高のエンジン（googleSearchとGemini）に、優れたドライバー（多段階思考フレームワーク）を乗せることで、商用のスーパーカーに匹敵する性能を引き出している、というのがこのシステムの根幹であり、最も評価されるべき点と言えるでしょう。
以上