強み
- 低レイテンシ・低コスト
- テキスト、画像、動画、音声、PDFの入力
- 関数呼び出しと思考
- 1Mトークンのコンテキスト
最適な用途
- 大量のサブエージェント
- ドキュメント解析と抽出
- 翻訳
EDDIで実行する
最も手早いのはEDDIマネージャーです：エージェントウィザードまたはPlatform Operatorを開き、プロバイダーとモデルを選びます。自分で設定する場合は、使いたいプロバイダーについて以下の手順に従ってください。
Google Gemini API · type: "gemini"
モデルID: gemini-3.5-flash-lite
1. 認証情報を保存する
プロバイダーのAPIキーを、EDDIマネージャーのシークレットVault、またはPUT /secretstore/secrets/default/gemini-keyで、以下で使う名前で追加します。設定からは${vault:…}として参照するため、キーが平文で現れることはありません。
${vault:gemini-key}2. LLMタスクを設定する
これをエージェントのワークフローのlangchain.jsonとして使うか、EDDIマネージャーのLLMエディターにパラメーターを貼り付けます。
{
"tasks": [
{
"actions": [
"send_message"
],
"id": "chat",
"type": "gemini",
"parameters": {
"apiKey": "${vault:gemini-key}",
"modelName": "gemini-3.5-flash-lite",
"maxOutputTokens": "8192",
"systemMessage": "You are a helpful assistant",
"addToOutput": "true"
}
}
]
}または1回の呼び出しでエージェント全体を作成
setup_agentはルール、LLM設定、ワークフローを書き込み、エージェントをデプロイします。MCPまたはPOST /administration/agents/setupで呼び出せます。
setup_agent(
agentName: "My gemini-3.5-flash-lite agent",
systemPrompt: "You are a helpful assistant.",
provider: "gemini",
model: "gemini-3.5-flash-lite",
apiKey: "${vault:gemini-key}"
)Google Vertex AI · type: "gemini-vertex"
モデルID: gemini-3.5-flash-lite
1. 認証情報を保存する
このプロバイダーはAPIキーを使用しません： Vertex AIはGoogleのアプリケーションのデフォルト認証情報（Application Default Credentials）で認証します。プロジェクトに合わせてprojectIdとlocationを設定してください。
2. LLMタスクを設定する
これをエージェントのワークフローのlangchain.jsonとして使うか、EDDIマネージャーのLLMエディターにパラメーターを貼り付けます。
{
"tasks": [
{
"actions": [
"send_message"
],
"id": "chat",
"type": "gemini-vertex",
"parameters": {
"projectId": "your-gcp-project",
"location": "us-central1",
"modelId": "gemini-3.5-flash-lite",
"systemMessage": "You are a helpful assistant",
"addToOutput": "true"
}
}
]
}EDDIでの注意点
- Gemini 3では、ツール呼び出しの間に思考シグネチャを送り返す必要があります。EDDIはデフォルトでこれを行います（
geminiタイプではreturnThinkingとsendThinkingがオン）。オンのままにしてください。 - モデルカスケードの第1層に適しています：高速で安価で、コンフィデンスが低いときにだけ大きなモデルにエスカレートします。
関連モデル
出典
このページの情報はベンダーのドキュメントに基づき、2026-09-30に確認したものです。モデルは頻繁に変わるため、制限値に依存する前にベンダーに確認してください。価格はここには掲載していません：ベンダーの料金ページをご覧ください。