Antigravity × Gemma 4 API 実践実装ガイド — Python・TypeScript コード例でゼロから構築

# .env ファイルの作成
touch .env

# Google Generative AI ライブラリのインストール
pip install google-generativeai python-dotenv

import google.generativeai as genai
from dotenv import load_dotenv
import os
 
# 環境変数の読み込み
load_dotenv()
api_key = os.getenv("GEMMA_API_KEY")
 
# Gemma 4 クライアントの初期化
genai.configure(api_key=api_key)
model = genai.GenerativeModel("gemma-4-27b-it")
 
def chat_with_gemma(prompt: str) -> str:
    """Gemma 4 APIにリクエストを送信してレスポンスを返す"""
    response = model.generate_content(prompt)
    return response.text
 
# 使用例
if __name__ == "__main__":
    question = "Antigravity IDEとはどのようなツールですか？"
    answer = chat_with_gemma(question)
    print(f"Gemma 4: {answer}")
 
# 期待する出力:
# Gemma 4: Antigravity IDEはGoogleが提供するAI駆動の統合開発環境です。
# AIエージェントを活用してコードの生成、デバッグ、リファクタリングを支援します...

import google.generativeai as genai
from dotenv import load_dotenv
import os
 
load_dotenv()
genai.configure(api_key=os.getenv("GEMMA_API_KEY"))
model = genai.GenerativeModel("gemma-4-27b-it")
 
def stream_chat_with_gemma(prompt: str) -> None:
    """ストリーミングでGemma 4のレスポンスを表示する"""
    print("Gemma 4: ", end="", flush=True)
    
    # stream=True でストリーミングを有効化
    for chunk in model.generate_content(prompt, stream=True):
        if chunk.text:
            print(chunk.text, end="", flush=True)
    
    print()  # 改行
 
# 使用例
stream_chat_with_gemma(
    "PythonでFastAPIを使ったRESTful APIサーバーの実装例を教えてください。"
)
 
# 期待する出力（逐次的に表示される）:
# Gemma 4: FastAPIを使ったRESTful APIの実装方法を説明します。
# まず必要なパッケージをインストールします...

import google.generativeai as genai
from dotenv import load_dotenv
import os
 
load_dotenv()
genai.configure(api_key=os.getenv("GEMMA_API_KEY"))
model = genai.GenerativeModel("gemma-4-27b-it")
 
# チャットセッションを作成（履歴が自動的に管理される）
chat = model.start_chat(history=[])
 
def multi_turn_chat(user_message: str) -> str:
    """文脈を保持したマルチターン会話"""
    response = chat.send_message(user_message)
    return response.text
 
# 会話の例
print(multi_turn_chat("私はPythonを使ってWebアプリを開発しています"))
print(multi_turn_chat("おすすめのフレームワークはありますか？"))
print(multi_turn_chat("先ほど言ったフレームワークの具体的な使い方を教えて"))
# ← 「先ほど言ったフレームワーク」の文脈が正しく解釈される

npm install @google/generative-ai dotenv
# TypeScriptを使う場合
npm install -D typescript @types/node ts-node

import { GoogleGenerativeAI } from "@google/generative-ai";
import * as dotenv from "dotenv";
 
dotenv.config();
 
const genAI = new GoogleGenerativeAI(process.env.GEMMA_API_KEY!);
const model = genAI.getGenerativeModel({ model: "gemma-4-27b-it" });
 
async function chatWithGemma(prompt: string): Promise<string> {
  const result = await model.generateContent(prompt);
  const response = result.response;
  return response.text();
}
 
// 使用例
async function main() {
  const question = "TypeScriptでの非同期処理のベストプラクティスを教えてください";
  const answer = await chatWithGemma(question);
  console.log(`Gemma 4: ${answer}`);
}
 
main().catch(console.error);

// app/api/gemma/route.ts
import { GoogleGenerativeAI } from "@google/generative-ai";
import { NextRequest, NextResponse } from "next/server";
 
const genAI = new GoogleGenerativeAI(process.env.GEMMA_API_KEY!);
 
export async function POST(req: NextRequest) {
  try {
    const { message } = await req.json();
 
    if (!message || typeof message !== "string") {
      return NextResponse.json(
        { error: "メッセージが無効です" },
        { status: 400 }
      );
    }
 
    const model = genAI.getGenerativeModel({ model: "gemma-4-27b-it" });
    const result = await model.generateContent(message);
    const responseText = result.response.text();
 
    return NextResponse.json({ reply: responseText });
  } catch (error) {
    console.error("Gemma 4 API エラー:", error);
    return NextResponse.json(
      { error: "AIレスポンスの生成に失敗しました" },
      { status: 500 }
    );
  }
}
 
// クライアントサイドからの呼び出し例:
// const res = await fetch("/api/gemma", {
//   method: "POST",
//   headers: { "Content-Type": "application/json" },
//   body: JSON.stringify({ message: "こんにちは" }),
// });
// const data = await res.json(); // { reply: "こんにちは！..." }

// app/api/gemma/stream/route.ts
import { GoogleGenerativeAI } from "@google/generative-ai";
import { NextRequest } from "next/server";
 
const genAI = new GoogleGenerativeAI(process.env.GEMMA_API_KEY!);
 
export async function POST(req: NextRequest) {
  const { message } = await req.json();
  const model = genAI.getGenerativeModel({ model: "gemma-4-27b-it" });
 
  // ReadableStream でストリーミングレスポンスを実装
  const stream = new ReadableStream({
    async start(controller) {
      const encoder = new TextEncoder();
      
      const result = await model.generateContentStream(message);
      
      for await (const chunk of result.stream) {
        const text = chunk.text();
        if (text) {
          // SSE 形式で送信
          controller.enqueue(
            encoder.encode(`data: ${JSON.stringify({ text })}\n\n`)
          );
        }
      }
      
      controller.enqueue(encoder.encode("data: [DONE]\n\n"));
      controller.close();
    },
  });
 
  return new Response(stream, {
    headers: {
      "Content-Type": "text/event-stream",
      "Cache-Control": "no-cache",
      Connection: "keep-alive",
    },
  });
}

import time
 
def chat_with_retry(prompt: str, max_retries: int = 3) -> str:
    """リトライロジック付きのAPIコール"""
    for attempt in range(max_retries):
        try:
            response = model.generate_content(prompt)
            return response.text
        except Exception as e:
            if "RESOURCE_EXHAUSTED" in str(e) and attempt < max_retries - 1:
                wait_time = 2 ** attempt  # 指数バックオフ: 1秒, 2秒, 4秒
                print(f"レート制限エラー。{wait_time}秒後にリトライします...")
                time.sleep(wait_time)
            else:
                raise
    return ""