Gemini API のファイル検索がマルチモーダル化：効率的で検証可能な RAG を構築可能に
本文の状態
日本語全文を表示中
詳細モードで約3分の本文を読めます。
同じ出来事の情報源
この情報源を基点に整理
TLDR AI
Google が Gemini API のファイル検索ツールにマルチモーダル対応、カスタムメタデータフィルタリング、ページレベルの引用機能を追加し、開発者が構造化されていないテキストと画像データを処理する RAG システムを構築しやすくした。
Continue in AI NEW LAB
このニュースを、実務の判断につなげる
AI NEW LABで、試したことや先に確認したい条件を共有できます。まずはログインなしで読めます。
AI NEW LABで論点を見るSource Article
元記事を日本語で読む
本文に関係しない購読案内、埋め込み通知、サイト内プロモーションは除いています。
お使いのブラウザは音声要素をサポートしていません。
アーティクルを聴く
このコンテンツは Google AI によって生成されています。生成 AI は実験的な技術です
[[duration]] 分
今日、Gemini API の File Search ツールを拡張します。これにより、マルチモーダルデータとカスタムメタデータを用いて、検索強化型生成（RAG）システムを構築できるようになりました。また、根拠の明確化と透明性の向上のためにページ引用機能も導入しました。
週末の個人プロジェクトのプロトタイプ作成から、数千名のユーザーを対象とした本番環境アプリケーションのスケーリングまで、あなたの RAG システムは現在、テキストおよび視覚データをネイティブに処理し、より効果的に整理できるようになりました。
アプリに写真のような記憶力を
File Search は画像とテキストを同時に処理します。Gemini Embedding 2 モデルによって駆動されるこのツールは、ネイティブな画像データも理解し、エージェントに文脈認識能力を提供します。
クリエイティブエージェンシーが特定の視覚資産を探している状況を想像してください。キーワードやファイル名に頼るのではなく、アプリは自然言語で記述された特定の感情的トーンやビジュアルスタイルに一致する画像を、アーカイブ全体から検索できます。
開発者がすでにどのように活用しているかをご覧ください：
カスタムメタデータでノイズをフィルタリング
ファイルをデータベースにダンプするのは簡単ですが、大規模な環境から適切なファイルを見つけることが真の課題です。カスタムメタデータを使用すると、department: Legal（部署：法務）や status: Final（ステータス：最終版）といったキー・バリュー形式のラベルを非構造化データに付与できます。
クエリ実行時にメタデータフィルタを適用することで、アプリケーションは必要なデータスライスにリクエストを限定できます。これにより、無関係なドキュメントからのノイズが大幅に削減され、RAG（Retrieval-Augmented Generation：検索拡張生成）ワークフローの速度と精度が向上します。
ページ引用で根拠を示す
アプリケーションが膨大な PDF から回答を引き出す際、ユーザーはその回答がどこから来たのかを正確に確認する必要があります。
File Search は now モデルの応答を元のソースに直接紐付けるようになりました。インデックスされた情報のすべてについてページ番号を取得します。このレベルの詳細さにより、ユーザーを正確な箇所へ直接案内でき、信頼性の構築に寄与し、厳密な事実検証においてツールを即座に有用なものにします。
File Search の利用開始
アイデアを実現するためのデータを保存・検索できるように、可能な限り簡単にしたいと考えています。File Search ツールがインフラストラクチャの重責を引き受けるため、あなたは製品構築に集中できます。
原文を表示
Your browser does not support the audio element.
Listen to article
This content is generated by Google AI. Generative AI is experimental
[[duration]] minutes
Today, we are expanding the Gemini API’s File Search tool. You can now build retrieval-augmented generation (RAG) systems with multimodal data and custom metadata. We’re also introducing page citations to improve grounding and transparency.
Whether you are prototyping a weekend project or scaling a production application for thousands of users, your RAG systems can now natively process and better organize your text and visual data.
Give your apps a photographic memory
File Search now processes images and text together. Powered by the Gemini Embedding 2 model, the tool understands native image data, providing your agents contextual awareness.
Think of a creative agency trying to dig up a specific visual asset. Instead of relying on keywords or filenames, your app can search an entire archive for an image matching a specific emotional tone or visual style described in a natural language brief.
See how developers are already using it:
Filter the noise with custom metadata
Dumping files into a database is easy. Finding the right one at scale is the real challenge. Custom metadata allows you to attach key-value labels to your unstructured data — things like department: Legal or status: Final.
By applying metadata filters at query time, your application can scope requests to the data slice required. This significantly reduces noise from irrelevant documents, increasing both the speed and accuracy of your RAG workflows.
Show your work with page citations
When your application pulls an answer from a massive PDF, users need to verify exactly where that answer came from.
File Search now ties the model’s response directly to the original source. It captures the page number for every piece of indexed information. This level of granularity allows you to point users directly to the right spot, which helps build trust and makes your tool immediately useful for rigorous fact-checking.
Get started with File Search
We want to make it as easy as possible to store and retrieve the data that makes your ideas work. The File Search tool handles the heavy infrastructure so you can focus on building the product.
関連記事
今日のまとめ
AIデイリーブリーフで今日の重要ニュースをまとめ読み