Java での Gemini 関数呼び出しを使用した確定的な生成 AI

1. はじめに

生成 AI モデルは、自然言語を理解して応答するのに優れています。しかし、住所の標準化などの重要なタスクで、正確で予測可能な出力を得る必要がある場合はどうすればよいでしょうか。従来の生成モデルでは、同じプロンプトに対して異なるレスポンスが返されることがあり、不整合が生じる可能性があります。Gemini の関数呼び出し機能を使用すると、AI のレスポンスの要素を決定論的に制御できます。

この Codelab では、住所の補完と標準化のユースケースでこのコンセプトを示します。このために、次のタスクを行う Java Cloud Functions を構築します。

1. 緯度と経度の座標を取得する
2. Google マップ Geocoding API を呼び出して、対応する住所を取得する
3. Gemini 1.0 Pro の関数呼び出し機能を使用して、必要な特定の形式で住所を決定論的に標準化して要約する

それでは始めましょう。

2. Gemini の関数呼び出し

Gemini の関数呼び出しは、生成言語モデルの柔軟性と従来のプログラミングの精度を組み合わせることができるため、生成 AI の時代に際立っています。

Gemini の関数呼び出しを実装するには、次のタスクを完了する必要があります。

1. 関数を定義する: 関数を明確に記述します。説明には次の情報を含める必要があります。

• 関数の名前（getAddress など）。
• 関数が想定するパラメータ（文字列としての latlng など）。
• 関数が返すデータの型（住所文字列のリストなど）。

2. Gemini のツールを作成する: API 仕様の形式で関数記述をツールにパッケージ化します。ツールは、Gemini が API の機能を理解するために使用できる特殊なツールボックスと考えてください。
3. Gemini を使用して API をオーケストレートする: Gemini にプロンプトを送信すると、リクエストを分析し、提供したツールを使用できる場所を認識できます。Gemini は、次のタスクを実行することで、スマート オーケストレーターとして機能します。

• 定義した関数を呼び出すために必要な API パラメータを生成します。Gemini はユーザーに代わって API を呼び出しません。Gemini の関数呼び出しで生成されたパラメータと署名に基づいて API を呼び出す必要があります。
• Gemini は、API 呼び出しの結果を生成にフィードバックし、構造化された情報を最終的なレスポンスに組み込むことで、結果を処理します。この情報は、アプリケーションに必要な方法で処理できます。

次の図は、データフロー、実装の手順、各ステップのオーナー（アプリケーション、LLM、API など）を示しています。

作成するアプリの概要

次の処理を行う Java Cloud Functions を作成してデプロイします。

• 緯度と経度の座標を取得する。
• Google マップ Geocoding API を呼び出して、対応する住所を取得する。
• Gemini 1.0 Pro の関数呼び出し機能を使用して、特定の形式で住所を決定論的に標準化して要約する。

3. 要件

• ブラウザ（Chrome、Firefox など）
• 課金を有効にした Google Cloud プロジェクト

4. 始める前に

1. Google Cloud コンソールのプロジェクト選択ページで、Google Cloud プロジェクトを選択または作成します。
2. Google Cloud プロジェクトに対して課金が有効になっていることを確認します。詳しくは、プロジェクトで課金が有効になっているかどうかを確認する方法をご覧ください。
3. Google Cloud コンソールから Cloud Shell を有効にします。詳細については、Cloud Shell を使用するをご覧ください。
4. プロジェクトが設定されていない場合は、次のコマンドを使用してプロジェクトを設定します。

gcloud config set project <YOUR_PROJECT_ID>

5. Cloud Shell で、次の環境変数を設定します。

export GCP_PROJECT=<YOUR_PROJECT_ID>
export GCP_REGION=us-central1

6. Cloud Shell で次のコマンドを実行して、必要な Google Cloud API を有効にします。

gcloud services enable cloudbuild.googleapis.com cloudfunctions.googleapis.com run.googleapis.com logging.googleapis.com storage-component.googleapis.com cloudaicompanion.googleapis.com aiplatform.googleapis.com

7. Cloud Shell エディタを開き、[拡張機能] をクリックして、Gemini + Google Cloud Code 拡張機能 をインストールします。

5. Cloud Functions を実装する

1. Cloud Shell エディタを起動する。
2. [Cloud Code] をクリックし、[Cloud Functions] セクションを展開します。
3. [関数を作成]（+）アイコンをクリックします。
4. [Create New Application] ダイアログで、[Java: Hello World] オプションを選択します。
5. プロジェクト パスにプロジェクトの名前を入力します（例: GeminiFunctionCalling）。 GeminiFunctionCalling
6. [エクスプローラ] をクリックしてプロジェクト構造を表示し、pom.xml ファイルを開きます。次の図は、プロジェクトの構造を示しています。

6. pom.xml ファイルの <dependencies>... </dependencies> タグ内に必要な依存関係を追加します。このプロジェクトの GitHub リポジトリから pom.xml 全体にアクセスできます。そこから pom.xml を、編集中の現在のプロジェクトの pom.xml ファイルにコピーします。
7. HelloWorld.java クラスを GeminiFunctionCalling GitHub リンクからコピーします。API_KEY と project_id を、それぞれ Geocoding API キーと Google Cloud プロジェクト ID で更新する必要があります。

6. HelloWorld.java クラスを使用して関数呼び出しを理解する

入力プロンプト

この例では、入力プロンプトは「40.714224,-73.961452 の緯度経度の値の住所は何ですか？」です。

ファイル内の入力プロンプトに対応するコード スニペットは次のとおりです。

String promptText = "What's the address for the latlong value '" + latlngString + "'?"; //40.714224,-73.961452

API 仕様

この例では、Reverse Geocoding API を使用します。API 仕様は次のとおりです。

/* Declare the function for the API to invoke (Geo coding API) */ 
FunctionDeclaration functionDeclaration =
    FunctionDeclaration.newBuilder()
        .setName("getAddress")
        .setDescription("Get the address for the given latitude and longitude value.")
        .setParameters(
            Schema.newBuilder()
                .setType(Type.OBJECT)
                .putProperties(
                    "latlng",
                    Schema.newBuilder()
                        .setType(Type.STRING)
                        .setDescription("This must be a string of latitude and longitude coordinates separated by comma")
                        .build())
                .addRequired("latlng")
                .build())
        .build();

Gemini でプロンプトをオーケストレートする

プロンプト入力と API 仕様が Gemini に送信されます。

// Add the function to a "tool"
Tool tool = Tool.newBuilder()
.addFunctionDeclarations(functionDeclaration)
.build();

// Invoke the Gemini model with the use of the tool to generate the API parameters from the prompt input.
GenerativeModel model = GenerativeModel.newBuilder()
.setModelName(modelName)
.setVertexAi(vertexAI)
.setTools(Arrays.asList(tool))
.build();
GenerateContentResponse response = model.generateContent(promptText);
Content responseJSONCnt = response.getCandidates(0).getContent();

このレスポンスは、API のオーケストレートされたパラメータ JSON です。出力例を次に示します。

role: "model"
parts {
 function_call {
   name: "getAddress"
   args {
     fields {
       key: "latlng"
       value {
         string_value: "40.714224,-73.961452"
       }
     }
   }
 }
}

次のパラメータを Reverse Geocoding API に渡します。"latlng=40.714224,-73.961452"

オーケストレートされた結果を "latlng=VALUE" 形式に一致させます。

API を呼び出す

API を呼び出すコードのセクションは次のとおりです。

// Create a request
     String url = API_STRING + "?key=" + API_KEY + params;
     java.net.http.HttpRequest request = java.net.http.HttpRequest.newBuilder()
         .uri(URI.create(url))
         .GET()
         .build();
     // Send the request and get the response
     java.net.http.HttpResponse<String> httpresponse = client.send(request, java.net.http.HttpResponse.BodyHandlers.ofString());
     // Save the response
     String jsonResult =  httpresponse.body().toString();

文字列 jsonResult には、Reverse Geocoding API からのレスポンスが格納されます。出力の書式設定されたバージョンを次に示します。

"...277 Bedford Ave, Brooklyn, NY 11211, USA; 279 Bedford Ave, Brooklyn, NY 11211, USA; 277 Bedford Ave, Brooklyn, NY 11211, USA;..."

API レスポンスを処理してプロンプトを準備する

次のコードは、API からのレスポンスを処理し、レスポンスの処理方法に関する手順を含むプロンプトを準備します。

// Provide an answer to the model so that it knows what the result
     // of a "function call" is.
     String promptString =
     "You are an AI address standardizer for assisting with standardizing addresses accurately. Your job is to give the accurate address in the standard format as a JSON object containing the fields DOOR_NUMBER, STREET_ADDRESS, AREA, CITY, TOWN, COUNTY, STATE, COUNTRY, ZIPCODE, LANDMARK by leveraging the address string that follows in the end. Remember the response cannot be empty or null. ";

Content content =
         ContentMaker.fromMultiModalData(
             PartMaker.fromFunctionResponse(
                 "getAddress",
                 Collections.singletonMap("address", formattedAddress)));
     String contentString = content.toString();
     String address = contentString.substring(contentString.indexOf("string_value: \"") + "string_value: \"".length(), contentString.indexOf('"', contentString.indexOf("string_value: \"") + "string_value: \"".length()));

     List<SafetySetting> safetySettings = Arrays.asList(
       SafetySetting.newBuilder()
           .setCategory(HarmCategory.HARM_CATEGORY_HATE_SPEECH)
           .setThreshold(SafetySetting.HarmBlockThreshold.BLOCK_ONLY_HIGH)
           .build(),
       SafetySetting.newBuilder()
           .setCategory(HarmCategory.HARM_CATEGORY_DANGEROUS_CONTENT)
           .setThreshold(SafetySetting.HarmBlockThreshold.BLOCK_ONLY_HIGH)
           .build()
   );

Gemini を呼び出して標準化された住所を返す

次のコードは、前のステップで処理された出力を Gemini へのプロンプトとして渡します。

GenerativeModel modelForFinalResponse = GenerativeModel.newBuilder()
     .setModelName(modelName)
     .setVertexAi(vertexAI)
     .build();
     GenerateContentResponse finalResponse = modelForFinalResponse.generateContent(promptString + ": " + address, safetySettings);
      System.out.println("promptString + content: " + promptString + ": " + address);
       // See what the model replies now
       System.out.println("Print response: ");
       System.out.println(finalResponse.toString());
       String finalAnswer = ResponseHandler.getText(finalResponse);
       System.out.println(finalAnswer);

finalAnswer 変数には、標準化された住所が JSON 形式で格納されます。出力例を次に示します。

{"replies":["{ \"DOOR_NUMBER\": null, \"STREET_ADDRESS\": \"277 Bedford Ave\", \"AREA\": \"Brooklyn\", \"CITY\": \"New York\", \"TOWN\": null, \"COUNTY\": null, \"STATE\": \"NY\", \"COUNTRY\": \"USA\", \"ZIPCODE\": \"11211\", \"LANDMARK\": null} null}"]}

Gemini の関数呼び出しが住所の標準化のユースケースでどのように機能するかを理解したので、Cloud Functions をデプロイできます。

7. デプロイとテスト

1. GeminiFunctionCalling プロジェクトを作成して Cloud Functions を実装している場合は、ステップ 2 に進みます。 GeminiFunctionCallingプロジェクトを作成していない場合は、Cloud Shell ターミナルに移動し、このリポジトリのクローンを作成します。git clone https://github.com/AbiramiSukumaran/GeminiFunctionCalling
2. プロジェクト フォルダに移動します。cd GeminiFunctionCalling
3. 次のステートメントを実行して、Cloud Functions をビルドしてデプロイします。

gcloud functions deploy gemini-fn-calling --gen2 --region=us-central1 --runtime=java11 --source=. --entry-point=cloudcode.helloworld.HelloWorld --trigger-http

デプロイ後の URL 形式は https://us-central1-YOUR_PROJECT_ID.cloudfunctions.net/gemini-fn-calling です。

4. ターミナルから次のコマンドを実行して、Cloud Functions をテストします。

gcloud functions call gemini-fn-calling --region=us-central1 --gen2 --data '{"calls":[["40.714224,-73.961452"]]}'

ランダムなサンプル プロンプトのレスポンスは次のとおりです。'{"replies":["{ "DOOR_NUMBER": "277", "STREET_ADDRESS": "Bedford Ave", "AREA": null, "CITY": "Brooklyn", "TOWN": null, "COUNTY": "Kings County", "STATE": "NY", "COUNTRY": "USA", "ZIPCODE": "11211", "LANDMARK": null}}```"]}'

8. クリーンアップ

この投稿で使用したリソースについて、Google Cloud アカウントに課金されないようにするには、次の手順を行います。

1. Google Cloud コンソールで、[リソースの管理] ページに移動します。
2. プロジェクト リストで、削除するプロジェクトを選択し、[削除] をクリックします。
3. ダイアログでプロジェクト ID を入力し、[シャットダウン] をクリックしてプロジェクトを削除します。
4. プロジェクトを保持する場合は、上記の手順をスキップし、Cloud Functions に移動して Cloud Functions を削除します。関数のリストから、削除する関数を選択して [削除] をクリックします。

9. 完了

おめでとうございます！Java アプリケーションで Gemini の関数呼び出し機能を使用して、生成 AI タスクを決定論的で信頼性の高いプロセスに変換できました。使用可能なモデルの詳細については、Vertex AI LLM プロダクトのドキュメントをご覧ください。