Gemini API

Gemini APIは、GoogleのAIモデルをアプリケーションから利用するためのAPIです。BenriWorksでは、ビジネス資料向けAI画像生成ツール「NanoBanana Play」の画像生成・編集・合成機能に使用しているほか、サイト運営の内部ワークフロー（記事のアイキャッチやOGP画像の下絵づくり）でも利用しています。

「生成・編集・合成」を1つのAPIで扱う

NanoBanana Playでは、Geminiの画像系モデルを使って3つのモードを提供しています。文章から新規画像を起こす「テキスト→画像」、既存画像に指示を加えて修正する「画像編集」、2枚の画像から新しいイメージを作る「画像＋画像」です。実装としては、この3モードは同じAPIの入力構成（テキストと画像の組み合わせ）の違いとして表現できます。モードごとに別のサービスを繋ぎ込む必要がなく、UIの設計に集中できます。

一方で、モデルの世代選択（生成品質と料金のトレードオフ）や解像度指定はユーザーに露出させる判断をしました。生成AIの出力は「1回で正解が出る」ものではなく、試行回数が品質を決めます。1回あたりのコストを利用者自身が選べることが、業務利用では実用性に直結するからです。

実サービスに組み込むときの設計課題

画像生成APIをデモではなくサービスとして提供しようとすると、API呼び出しの外側にある設計課題のほうが大きいことが分かります。

• コスト管理。 生成1回ごとにAPI料金が発生するため、無制限開放はできません。クレジット制にする場合、付与・消費・失効のルールと不正利用対策をセットで設計する必要があります。
• 入力の安全性。 利用者が任意のプロンプトと画像を送れる以上、生成物の内容に対する責任の線引き（利用規約、禁止事項、API側のセーフティ機構との関係）を先に決めておく必要があります。
• APIキーの保護。 キーをブラウザに渡さず、サーバー側で呼び出しを仲介する構成が前提になります。

これらの検討過程は開発記事として発信していきます。

変化の速さへの向き合い方

生成AIのAPIは、モデル・料金・仕様の変化が他の技術より格段に速い領域です。記事では執筆時点の確認内容であることを明示し、定期的に見直す方針です。「この記事の内容はいつ時点のものか」を常に判別できるようにしておくことが、この分野の情報発信では品質の一部だと考えています。