Googleは2025年11月6日（現地時間）、「Gemini API」に新機能「File Search Tool」を導入したと発表した。これは、RAG（検索拡張生成）システムをマネージド化したもので、データの検索から回答生成までを一貫して処理する仕組みだ。 「File Search Tool」でRAG開発はどう変わるか 仕組みと価格 File Search Toolは「Gemini」の出力の信頼性や検証可能性を高めるために設計されている。Gemini APIクライアントでファイル検索ストアを作成し、ファイルをアップロードした後、「generate_content」実行時にツールとして指定することで利用できる。 料金体系は以下の通りだ。 ファイルの保存とクエリ時の埋め込み生成は無料だ。ファイルを初めてインデックス化する時の埋め込み生成に料金が発生する。料金は100万トークンあたり0.15ド
Googleは11月6日（現地時間）、Gemini APIに直接組み込まれた完全管理型の検索拡張生成（RAG）システム「File Search Tool」を発表した。 File Search Toolでは、開発者が独自データを基にGeminiの回答を強化するためのファイル検索や取り込みパイプライン構築について、シンプルかつ統合された柔軟性の高い方法を提供し支援する。ファイルの保存やクエリ時の埋め込み生成は無料で利用でき、固定料金が発生するのはファイルの初回インデックス作成時のみだ。 また、同システムでは強力なベクトル検索を採用し、検索クエリの意味や文脈を理解して高精度なデータ抽出ができる。PDF、DOCX、TXT、JSONのほか、各種プログラミング言語ファイルにも対応する。応答には自動で引用情報が付与され、検証の際にも有効だ。 File Search ToolのデモアプリはGoogle A
[レベル: 上級] Google トレンドの API を Google は公開しました。 API で入手できるデータ概要 Google Trends API では、過去 5 年間（1,800 日分）の検索インタレストデータが提供されます。 このデータは日、週、月、または年ごとにグループ化して取得できます。 また、特定の地域や準地域でデータを絞り込むことも可能です。 一貫したデータスケーリング 検索ごとにデータが 0 から 100 の範囲でスケールされるウェブサイト版の Google トレンドのとは異なり、API はすべてのリクエストに対して一貫したスケーリング方法を使用します。 これにより、複数のリクエストや期間にわたって、異なるキーワードの検索インタレストを比較可能です。 たとえば、ウェブサイトでは 5 件のクエリまでしか比較できませんが、API では一度に数十件のキーワードを比較できま
APIを利用したシステムでは、認証が成功したときに払い出されたJWTをブラウザのローカルストレージやセッションストレージに保存し、次回以降のリクエストではAuthorizationヘッダでJWTを送信するような実装がよく見られるかと思います。 このような実装のシステムにおいて、以下のようなCORSの設定不備は悪用できる脆弱性となり得ますでしょうか？ Access-Control-Allow-OriginにOriginの値が反射 + Access-Control-Allow-Credentials: true よくある説明ではCookieにセッションIDやJWTが格納されているものが多く、そのようなケースでの悪用方法は理解できているのですが、Authorizationヘッダで認証情報をやり取りしている場合にCORSの設定不備があるとどのような影響があるか教えていただきたいです。
検出精度 ✅ 全体精度: 97.5% - 80件中78件で正確な判定を実現 ✅ DB検出: 100% - データベース照合による検出は完璧 ⚠️ LLM検出: 95% - Web検索+LLM判定で1件誤判定 ⚠️ 中リスク判定: 95% - 疑わしい情報の分類で1件誤判定 技術スタック 今回は特にスピード重視で作りつつ、一定の保守性も担保できるような仕組みにするために、できるだけ慣れている言語・環境でかつ、AIエージェント開発と相性が良く、実現したい機能のライブラリが十分に揃っているという3つの条件をもとに技術選定を行いました。 バックエンド 言語: Typescript 実行環境: Bun Webフレームワーク: Hono バリデーション: Zod DB: PostgreSQL(w/Drizzle ORM) LLM API: Azure OpenAI GPT-4.1: データのパース、検
Microsoft Copilot Studio でカスタムのエージェントを最近作り始めた方は、システムとの連携にMCPを利用したり、APIも利用することもあると思います。ありがちな勘違いが、APIをそのままMCPにすればいいじゃないか？という考えを持つこともありますが、MCPの本質を理解し、何が違うのかを理解することで、より良いエージェントを作れるようになります。そこで今回はMCPとAPIの違いについて、触れたいと思います。 MCP ってそもそも何？ MCP（Model Context Protocol）は、Anthropic が 2024 年末に公開したオープンプロトコルです。狙いは、大規模言語モデル（LLM）が外部サービスをもっと自然に扱えるようにすることです。 基本的には 3 つの要素があります。 ツール― LLM が実行できる“アクション”。 リソース― ツールが扱う対象物や I
こんばんは、製造ビジネステクノロジー部の夏目です。 Firecrawlというサービスが公式MCPサーバーを公開していたので試してみます。 Firecrawlとは (Quickstartですが、どういうサービスなのかの説明が充実しています) Firecrawlは、URLを取得し、クロールし、きれいなマークダウンに変換するAPIサービスです。アクセス可能なすべてのサブページをクロールし、それぞれのきれいなマークダウンを提供します。サイトマップは必要ありません。 https://docs.firecrawl.dev/introduction#welcome-to-firecrawl LLM対応フォーマット： マークダウン、構造化データ、スクリーンショット、HTML、リンク、メタデータ 難しいこと：プロキシ、ボット対策、動的コンテンツ（js-rendered）、出力解析、オーケストレーション カス
はじめに MLエンジニアのふるです。今日は珍しく、MLエンジニアらしいAPI化の技術選定(笑)について話していこうと思います。 今回はLanggraphの説明の詳細は省き、LanggraphアプリをAPI提供する場合の技術選定について、困ったことを書いていこうと思います。 背景 Langgraphでは、LLMのマルチエージェントもしくはマルチワークフローを構築する際に、forループで出力する箇所があります。 for s in graph.stream( { "user_input": user_input, "messages": input_messages, "user_profile": user_profile, "question": question, "image_url": image_url }, { "recursion_limit": 30, } ): # (エージェ
「DeepSeek-R1」の概要をまとめました。 1. DeepSeek-R1「DeepSeek-R1」は、「DeepSeek」が開発した、オープンで高性能なReasoning能力を持つ大規模言語モデルです。2025年1月に発表され、OpenAIのo1と同等の性能を持つとされています。 ・deepseek-ai/DeepSeek-R1 特徴は、次のとおりです。 ・強力なReasoning能力 強化学習を用いた革新的なアプローチにより、特に数学や科学的推論において優れた性能を発揮。 ・オープン MITライセンスのもとで提供さている。 ・低コスト API価格が「OpenAI o1」の25分の1以下と、非常に低価格で利用できる。 ・長いコンテキスト長 最大128Kトークンのコンテキストを扱えるため、長文の処理や要約に優れている。 Webサイトと API が現在公開されています。今すぐ http:
なぜDeepSeek V3は“破壊的”なのか？ 大規模言語モデル（LLM）といえば、OpenAIのGPTシリーズやMetaのLlamaシリーズなど、膨大な学習コストと大手企業の潤沢なリソースが必要というイメージが強いかもしれません。しかし、2024年末にリリースされたDeepSeek V3は、その“常識”を一変させる存在として大きな注目を集めています。 わずか数カ月・約558万ドルという圧倒的低コストで学習完了 GPT-4oに匹敵する性能をうたうオープンソースモデルであり、APIも数分の1～十数分の1と圧倒的価格破壊を起こしている Mixture-of-Experts（MoE）を活用して370B級モデルを安価・高速に動作 こうしたインパクトは「破壊的」と評されるに十分でしょう。これまで「開発コスト」や「リソース」による参入障壁が高かったLLMの世界に、新たな扉を開く可能性を秘めているからで
1. 『達人に学ぶDB設計徹底指南書 第2版』ミック 著 2. 『理論から学ぶデータベース実践入門―― リレーショナルモデルによる効率的なSQL』奥野幹也 著 3. 『Web API設計実践入門――API仕様ファーストによるテスト駆動開発』柴田芳樹 著 4. 『データモデリングでドメインを駆動する――分散／疎結合な基幹系システムに向けて』杉本啓 著 こんにちは、Java Championの谷本心 (@cero_t) です。これまでの2回の書籍紹介では主に今の私の技術力を培ってきた書籍を紹介したため、古いものや絶版になったものなども多く含まれていました。それに対して今回紹介するアーキテクチャ関連の書籍は、現在でも入手可能なもの、あるいは最近出版されたものとなっています。 アプリケーションアーキテクチャやシステムアーキテクチャは、本質的に変わらない部分もあれば時代とともにトレンドが変わる部分も
国立国会図書館サーチのAPIとは？ 国立国会図書館と全国の図書館の蔵書情報にアクセスできるAPIです。 主に3つのAPIが提供されています。 検索用API ハーベスト用API 書影API 今回は検索用APIと書影APIを使ってみたので、その知見を共有します。 利用申請について と、その前に簡単に利用申請について触れておきます。 非営利利用の場合は申請不要ですが、営利利用の場合は利用申請が必要な場合があります。 営利利用の判断基準については以下の通りです。 データを利用することにより、なんらかの収益を得る場合（例：サイトの運営による広告収入等）は、営利目的にあたるため、利用申請が必要です（希望されている利用方法が営利目的に該当するか判断に迷う場合は、NDLサーチAPI利用申請フォームからご相談ください）。 特に検索用APIでは検索対象のデータプロパイダ（データソース）を指定できるため、利用す
画像生成AIの話題を席巻している、Black Forest Labs（BFL）の「FLUX.1」。画像生成AIの新世代モデルとしてコミュニティーの強い支持を集めつつありながら、モデルそのものはVRAMがリッチでないと十分に使えないという条件のため、ユーザーのシフトをにらみ、各社が一斉に公式APIを使ってのFLUX.1へのクラウド対応を進めビジネス化を図ろうとしている印象です。BFLが成功するためには何が重要なのでしょうか。 クラウドサービス化していくFLUX.1 FLUX.1を使った画像生成AIサービスが次々に立ち上がってきています。たとえばその1つがFlux AI Image Generator。FLUX.1の各種モデルで画像生成できるようになっています。面白いのが「Flux AI 画像プロンプトジェネレーター」という機能を備えているところ。「猫」とテキストを入力すると（日本語でも可）、
この記事では、LLMアプリケーション開発プラットフォームであるDifyとGoogle Apps Script（GAS）のカスタム関数を使って、スプシに記載した画像URLに写っているのがわんこかどうかをDifyを使って自動で判定してみました。 なぜDifyとGASカスタム関数の組み合わせなのか？ GASのカスタム関数から直接OpenAIなどのAPIを叩くのが実装としては一番早いのですが、RAGを使いたい、複数のGASから呼び出したい、GAS以外からも呼び出したい、LLMのモデルを柔軟に変えたい、などが発生することも多いです。 そのため実際にLLMアプリケーションを作っていく際は単純にAPIを叩くだけでは解決できないことがおおく、LLMに関わる処理をどこかにまとめておき、まとめておいたものをAPI経由で呼び出すという形にするのが好ましいです。 そこで登場するのがDifyです。 Difyはチャッ
企業が生成AIアプリケーションを展開する際、言語モデルを選択する必要がある。選択肢は、OpenAIやAnthropicのAPIを利用するか、オープンソースのLLMをセルフホストするか、大きく2つに大別される。 OpenAIであれば、GPT-3.5 TurboやGPT-4 Turboなどを選ぶことができ、かつGPT-3.5 Turboであれば、自社データで調整したファインチューニング版を展開することも可能だ。GPT-3.5 TurboのAPI利用料は、インプット100万トークンあたり0.5ドル、アウトプット100万トークンあたり1.5ドル。一方、GPT-4 Turboは、インプット10ドル、アウトプット30ドルとなる。 また、GPT-3.5 Turboを使ったファインチューニングのコストは100万トークンあたり8ドル、推論のコストはインプット100万トークンあたり12ドル、アウトプット16ド
2. e-Stat APIを利用する 2.1 データ取得手順 Step 1: eStat API のアプリケーションIDを取得する。 eStats APIのトップページにアクセスして、「ユーザ登録・ログイン」から手続きを行う。氏名・メールアドレス・パスワードを登録すると、メールにてアプリケーションIDが送付される。アプリケーションIDがないとAPIコールできない（アカウント認証が必要）。 Step 2: HTTP GETをコールして、APIからレスポンス（データ）を受け取る。 APIの細かい使い方は、API仕様書 (ver 3.0) を参照。基本、以下2つのコールができればほとんど困ることはない。 統計情報取得（getStatsList） URLとパラメータを指定して、条件にあうすべての統計表の情報（ID, 名前, その他）を得る。 URL：仕様書の2.1を見る．EstatRestAPI_
サーバーレスマイクロサービスを構築するための設計アプローチの比較 | Amazon Web Services
Amazon Web Services ブログ サーバーレスマイクロサービスを構築するための設計アプローチの比較 AWS Lambda でワークロードを設計すると、コードレベルでもインフラレベルでも表現できるモジュール性のために、開発者に疑問が生じます。また、コードを実行するためにサーバーレスを使用するには、基盤となる機能コンポーネントからビジネスロジックを抽出するためのさらなる検討が必要です。この意図的な関心の分離により、堅牢なモジュール性が保証され、進化的なアーキテクチャへの道が開かれます。 この投稿は同期ワークロードに焦点を当てていますが、他のワークロードのタイプでも同様の考慮が当てはまります。API の境界を特定し、コンシューマと API について擦り合わせた後、その境界と関連するアーキテクチャを構成します。 Lambda 関数を使用して API を構成する最も一般的な 2 つの方
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
