Google 検索によるグラウンディング

このページでは、一般公開されているウェブデータを使用する Google 検索を利用してモデルのレスポンスをグラウンディングする方法について説明します。また、レスポンスに含まれる検索候補についても説明します。

Google 検索によるグラウンディング

モデルを世界中の知識、幅広いトピック、インターネット上の最新情報に接続する場合は、Google 検索によるグラウンディングを使用します。

Vertex AI でのモデルのグラウンディングの詳細については、グラウンディングの概要をご覧ください。

サポートされているモデル

このセクションでは、検索によるグラウンディングをサポートするモデルを一覧表示します。

Gemini 3 Pro プレビューモデル
Gemini 3 Pro Image プレビューモデル
Gemini 2.5 Pro
Gemini 2.5 Flash プレビューモデル
Gemini 2.5 Flash-Lite プレビューモデル
Gemini 2.5 Flash
Gemini 2.5 Flash-Lite
Live API ネイティブ音声を使用した Gemini 2.5 Flash プレビューモデル
Live API を使用した Gemini 2.0 Flash プレビューモデル
Gemini 2.0 Flash

Gemini 3 Pro と Gemini 3 Pro Image では、Google 検索によるグラウンディングを有効にするプロンプトは 1 日あたり 5,000 件に制限されています。2026 年 1 月 5 日より、Gemini 3 モデルでの Google 検索によるグラウンディングの課金が開始されます。これにより、Google 検索によるグラウンディングが有効になっているプロンプトを 1 日あたり最大 100 万件送信できるようになります。Google 検索を使用したグラウンディングの料金の詳細については、Vertex AI での AI モデルの構築とデプロイの費用をご覧ください。

サポートされている言語

サポートされている言語の一覧については、言語をご覧ください。

Google 検索でモデルのグラウンディングを行う

一般公開されているウェブデータを使用してモデルのグラウンディングを行うには、次の手順を使用します。

考慮事項

Google 検索によるグラウンディングを使用するには、Google 検索の検索候補を有効にする必要があります。詳しくは、Google 検索の検索候補を使用するをご覧ください。
最適な結果を得るには、1.0 の温度を使用します。この構成の設定の詳細については、モデルリファレンスの Gemini API リクエスト本文をご覧ください。
Google 検索によるグラウンディングでは、1 日あたり 100 万件のクエリが上限となります。さらにクエリが必要な場合は、Google Cloud サポートにお問い合わせください。

緯度と経度の座標を使用して、エンドユーザーの特定の地理的位置に合わせて検索結果をカスタマイズできます。詳細については、グラウンディング API をご覧ください。

コンソール

Vertex AI Studio で Google 検索を使用してグラウンディングを使用する手順は次のとおりです。

Google Cloud コンソールで、Vertex AI Studio のページに移動します。
Vertex AI Studio に移動
[自由形式] タブをクリックします。
サイドパネルで [モデルの回答をグラウンディング] 切り替えボタンをクリックします。
[カスタマイズ] をクリックし、Google 検索をソースとして設定します。
テキストボックスにプロンプトを入力し、[送信] をクリックします。

プロンプトのレスポンスが Google 検索でグラウンディングされるようになりました。

Python

インストール

pip install --upgrade google-genai

詳しくは、SDK リファレンスドキュメントをご覧ください。

Vertex AI で Gen AI SDK を使用するための環境変数を設定します。

# Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
# with appropriate values for your project.
export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
export GOOGLE_CLOUD_LOCATION=global
export GOOGLE_GENAI_USE_VERTEXAI=True

from google import genai
from google.genai.types import (
    GenerateContentConfig,
    GoogleSearch,
    HttpOptions,
    Tool,
)

client = genai.Client(http_options=HttpOptions(api_version="v1"))

response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents="When is the next total solar eclipse in the United States?",
    config=GenerateContentConfig(
        tools=[
            # Use Google Search Tool
            Tool(google_search=GoogleSearch())
        ],
    ),
)

print(response.text)
# Example response:
# 'The next total solar eclipse in the United States will occur on ...'

Go

Go をインストールまたは更新する方法について学びます。

詳しくは、SDK リファレンスドキュメントをご覧ください。

Vertex AI で Gen AI SDK を使用するための環境変数を設定します。

# Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
# with appropriate values for your project.
export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
export GOOGLE_CLOUD_LOCATION=global
export GOOGLE_GENAI_USE_VERTEXAI=True

import (
	"context"
	"fmt"
	"io"

	genai "google.golang.org/genai"
)

// generateWithGoogleSearch shows how to generate text using Google Search.
func generateWithGoogleSearch(w io.Writer) error {
	ctx := context.Background()

	client, err := genai.NewClient(ctx, &genai.ClientConfig{
		HTTPOptions: genai.HTTPOptions{APIVersion: "v1"},
	})
	if err != nil {
		return fmt.Errorf("failed to create genai client: %w", err)
	}

	modelName := "gemini-2.5-flash"
	contents := []*genai.Content{
		{Parts: []*genai.Part{
			{Text: "When is the next total solar eclipse in the United States?"},
		},
			Role: "user"},
	}
	config := &genai.GenerateContentConfig{
		Tools: []*genai.Tool{
			{GoogleSearch: &genai.GoogleSearch{}},
		},
	}

	resp, err := client.Models.GenerateContent(ctx, modelName, contents, config)
	if err != nil {
		return fmt.Errorf("failed to generate content: %w", err)
	}

	respText := resp.Text()

	fmt.Fprintln(w, respText)

	// Example response:
	// The next total solar eclipse in the United States will occur on March 30, 2033, but it will only ...

	return nil
}

Java

Java をインストールまたは更新します。

詳しくは、SDK リファレンスドキュメントをご覧ください。

Vertex AI で Gen AI SDK を使用するための環境変数を設定します。

# Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
# with appropriate values for your project.
export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
export GOOGLE_CLOUD_LOCATION=global
export GOOGLE_GENAI_USE_VERTEXAI=True


import com.google.genai.Client;
import com.google.genai.types.GenerateContentConfig;
import com.google.genai.types.GenerateContentResponse;
import com.google.genai.types.GoogleSearch;
import com.google.genai.types.HttpOptions;
import com.google.genai.types.Tool;

public class ToolsGoogleSearchWithText {

  public static void main(String[] args) {
    // TODO(developer): Replace these variables before running the sample.
    String modelId = "gemini-2.5-flash";
    generateContent(modelId);
  }

  // Generates content with Google Search tool
  public static String generateContent(String modelId) {
    // Initialize client that will be used to send requests. This client only needs to be created
    // once, and can be reused for multiple requests.
    try (Client client =
        Client.builder()
            .location("global")
            .vertexAI(true)
            .httpOptions(HttpOptions.builder().apiVersion("v1").build())
            .build()) {

      // Create a GenerateContentConfig and set Google Search tool
      GenerateContentConfig contentConfig =
          GenerateContentConfig.builder()
              .tools(Tool.builder().googleSearch(GoogleSearch.builder().build()).build())
              .build();

      GenerateContentResponse response =
          client.models.generateContent(
              modelId, "When is the next total solar eclipse in the United States?", contentConfig);

      System.out.print(response.text());
      // Example response:
      // The next total solar eclipse in the United States will occur on...
      return response.text();
    }
  }
}

REST

リクエストのデータを使用する前に、次のように置き換えます。

LOCATION: リクエストを処理するリージョン。グローバルエンドポイントを使用するには、エンドポイント名からロケーションを除外し、リソースのロケーションをグローバルに構成します。
PROJECT_ID: 実際のプロジェクト ID。
MODEL_ID: マルチモーダルモデルのモデル ID。
TEXT: プロンプトに含める指示のテキスト。
EXCLUDE_DOMAINS: 省略可。グラウンディングに使用しないドメインのリスト。
LATITUDE: 省略可。エンドユーザーの場所の緯度。たとえば、緯度 37.7749 はサンフランシスコを表します。緯度と経度の座標は、Google マップなどのサービスや他のジオコーディングツールを使用して取得できます。
LONGITUDE: 省略可。エンドユーザーの場所の経度。たとえば、経度 -122.4194 はサンフランシスコを表します。

HTTP メソッドと URL:

POST https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_ID:generateContent

リクエストの本文（JSON）:

{
  "contents": [{
    "role": "user",
    "parts": [{
      "text": "TEXT"
    }]
  }],
  "tools": [{
    "googleSearch": {
      "exclude_domains": [ "domain.com", "domain2.com" ]
    }
  }],
  "toolConfig": {
    "retrievalConfig": {
      "latLng": {
        "latitude": LATITUDE,
        "longitude": LONGITUDE
      }
    }
  },
  "model": "projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_ID"
}

リクエストを送信するには、次のいずれかのオプションを展開します。

curl（Linux、macOS、Cloud Shell）

注: 次のコマンドは、gcloud init または gcloud auth login を実行して、ユーザーアカウントで gcloud CLI にログインしているか、Cloud Shell を使用して自動的に gcloud CLI にログインしていることを前提としています。gcloud auth list を実行すると、現在アクティブなアカウントを確認できます。

リクエスト本文を request.json という名前のファイルに保存して、次のコマンドを実行します。

curl -X POST \
     -H "Authorization: Bearer $(gcloud auth print-access-token)" \
     -H "Content-Type: application/json; charset=utf-8" \
     -d @request.json \
     "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_ID:generateContent"

PowerShell（Windows）

注: 次のコマンドは、gcloud init または gcloud auth login を実行して、ご自分のユーザーアカウントで gcloud CLI にログインしていることを前提としています。gcloud auth list を実行すると、現在アクティブなアカウントを確認できます。

リクエスト本文を request.json という名前のファイルに保存して、次のコマンドを実行します。

$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }

Invoke-WebRequest `
    -Method POST `
    -Headers $headers `
    -ContentType: "application/json; charset=utf-8" `
    -InFile request.json `
    -Uri "https://LOCATION-aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/LOCATION/publishers/google/models/MODEL_ID:generateContent" | Select-Object -Expand Content

次のような JSON レスポンスが返されます。

{
  "candidates": [
    {
      "content": {
        "role": "model",
        "parts": [
          {
            "text": "The weather in Chicago this weekend, will be partly cloudy. The temperature will be between 49°F (9°C) and 55°F (13°C) on Saturday and between 51°F (11°C) and 56°F (13°C) on Sunday. There is a slight chance of rain on both days.\n"
          }
        ]
      },
      "finishReason": "STOP",
      "groundingMetadata": {
        "webSearchQueries": [
          "weather in Chicago this weekend"
        ],
        "searchEntryPoint": {
          "renderedContent": "..."
        },
        "groundingChunks": [
          {
            "web": {
              "uri": "https://www.google.com/search?q=weather+in+Chicago,+IL",
              "title": "Weather information for locality: Chicago, administrative_area: IL",
              "domain": "google.com"
            }
          },
          {
            "web": {
              "uri": "...",
              "title": "weatherbug.com",
              "domain": "weatherbug.com"
            }
          }
        ],
        "groundingSupports": [
          {
            "segment": {
              "startIndex": 85,
              "endIndex": 214,
              "text": "The temperature will be between 49°F (9°C) and 55°F (13°C) on Saturday and between 51°F (11°C) and 56°F (13°C) on Sunday."
            },
            "groundingChunkIndices": [
              0
            ],
            "confidenceScores": [
              0.8662828
            ]
          },
          {
            "segment": {
              "startIndex": 215,
              "endIndex": 261,
              "text": "There is a slight chance of rain on both days."
            },
            "groundingChunkIndices": [
              1,
              0
            ],
            "confidenceScores": [
              0.62836814,
              0.6488607
            ]
          }
        ],
        "retrievalMetadata": {}
      }
    }
  ],
  "usageMetadata": {
    "promptTokenCount": 10,
    "candidatesTokenCount": 98,
    "totalTokenCount": 108,
    "trafficType": "ON_DEMAND",
    "promptTokensDetails": [
      {
        "modality": "TEXT",
        "tokenCount": 10
      }
    ],
    "candidatesTokensDetails": [
      {
        "modality": "TEXT",
        "tokenCount": 98
      }
    ]
  },
  "modelVersion": "gemini-2.0-flash",
  "createTime": "2025-05-19T14:42:55.000643Z",
  "responseId": "b0MraIMFoqnf-Q-D66G4BQ"
}

レスポンスを理解する

Vertex AI Studio または API から Google 検索にモデルプロンプトが正常にグラウンディングされた場合、レスポンスにはソースリンク（ウェブ URL）を含むメタデータが含まれます。ただし、このメタデータが提供されず、プロンプトレスポンスがグラウンディングされない場合もあります。その理由はいくつかあります。たとえば、ソースの関連性が低い、モデルのレスポンス内の情報が不完全である、などです。

グラウンディングサポート

グラウンディングサポートを表示する必要があります。パブリッシャーからのレスポンスを検証し、さらに学習するための手段を追加できます。

Google 検索ソースからのレスポンスのグラウンディングサポートは、インラインと集計の両方で表示する必要があります。たとえば、次の画像は、この方法の例を示しています。

グラウンディングのサポート例

代替の検索エンジンオプションの使用

Google 検索によるグラウンディングを使用する場合、お客様のアプリケーションは次のことができます。

代替の検索エンジンオプションを提示する。
他の検索エンジンをデフォルトのオプションにする。
自社または第三者の検索候補や検索結果を表示する場合、Google 以外の結果は Google の Grounded Results や検索候補とは別に表示して、ユーザーの混乱や Google の結果であると誤解がないようにする必要があります。

利点

ツールとしての Google 検索を使用すると、計画、推論、思考を必要とする次の複雑なプロンプトとワークフローを実行できます。

グラウンディングを行うと、最新かつ最も正確な情報に基づいてレスポンスを生成できます。
ウェブからアーティファクトを取得して分析できます。
マルチモーダル推論やタスク生成を支援するために、関連する画像、動画、その他のメディアを見つけることができます。
コーディング、技術的なトラブルシューティング、その他の専門的なタスクを実行できます。
リージョン固有の情報の検索や、コンテンツの正確な翻訳をサポートできます。
閲覧用の関連するウェブサイトを見つけることができます。

Google 検索の検索候補を使用する

Google 検索によるグラウンディングを使用し、回答で Google 検索の検索候補を受け取った場合は、本番環境とアプリケーションで検索候補を表示する必要があります。

Google 検索によるグラウンディングの詳細については、Google 検索によるグラウンディングをご覧ください。

具体的には、グラウンディングされた回答のメタデータに含まれる検索クエリを表示する必要があります。回答には次のものが含まれます。

"content": LLM によって生成された回答。
"webSearchQueries": Google 検索の検索候補に使用するクエリ。

たとえば、次のコードスニペットでは、熱帯植物の種類を尋ねる Google 検索のグラウンディングされたプロンプトに Gemini が応答しています。

"predictions": [
  {
    "content": "Monstera is a type of vine that thrives in bright indirect light…",
    "groundingMetadata": {
      "webSearchQueries": ["What's a monstera?"],
    }
  }
]

この出力は、Google 検索の検索候補を使用して表示できます。

Google 検索の検索候補の要件

候補の要件は次のとおりです。

要件	説明
すべきこと	表示要件を遵守しながら、Google 検索の検索候補は厳密に提示され内容で変更されることなく表示されます。 Google 検索の検索候補を操作すると、検索結果ページ（SRP）に直接移動します。
してはいけないこと	ユーザーがタップしてから SRP が表示されるまでの間に画面や追加の手順を表示する。 Google 検索の検索候補または関連するグラウンディングされた LLM の回答の横に、他の検索結果や候補を表示する。

表示の要件

表示の要件は次のとおりです。

Google 検索の検索候補は提示されたとおりに表示します。色、フォント、外観を変更しないでください。ライトモードやダークモードなど、次のモックで指定されているとおりに Google 検索の検索候補がレンダリングされるようにします。

グラウンディングされた回答を表示するたびに、対応する Google 検索の検索候補が常に表示されるようにする必要があります。
ブランディングについては、ブランドリソースセンターへようこそに記載されている、Google ブランドの第三者による使用に関するガイドラインを厳守する必要があります。
Google 検索でグラウンディングを使用すると、Google 検索の検索候補チップが表示されます。候補ワードを含むフィールドは、LLM のグラウンディングされたレスポンスと同じ幅にする必要があります。

タップ時の動作

ユーザーがチップをタップしたときに、チップに表示されている検索キーワードの Google 検索結果ページ（SRP）に直接移動します。SRP は、アプリ内ブラウザまたは別のブラウザアプリケーションで開くことができます。なんらかの方法で SRP の表示を最小化、削除しない、または妨げないようにすることが重要です。次のアニメーションモックアップは、タップして SRP を表示する操作を示しています。

app/desktop の例

Google 検索の検索候補を実装するためのコード

API を使用して検索に対するレスポンスをグラウンディングすると、モデルのレスポンスでは renderedContent フィールドで遵守する HTML と CSS のスタイルが指定されます。これを実装すると、アプリで Google 検索の検索候補を表示できます。

なお、検索候補は以前は検索エントリーポイントと呼ばれていました。一部の API フィールドで検索エントリーポイントという用語が使用されている場合がありますが、どちらの用語も API レスポンスで受け取る現行の検索候補を指します。

Gemini 3 の料金変更

Gemini 3 モデルで Google 検索によるグラウンディングを使用している場合、Gemini によって生成され、検索に送信された検索クエリごとに課金が発生します。1 つのプロンプトから 1 つ以上の検索クエリが生成されることがあります。

例

この例では、課金対象となる可能性のあるユーザープロンプトと検索クエリの例を示します。

ユーザープロンプト: アインシュタインの生涯について教えて。
Gemini によって、次のような検索クエリが生成される可能性があります。
- アルバートアインシュタインの誕生と幼少期の教育
- アルバートアインシュタインの相対性理論
- 米国でのアルバートアインシュタインの生活

この例では、これらの 3 つの検索クエリに対して課金されます。

次のステップ

グラウンディングの詳細を確認する。グラウンディングの概要をご覧ください。
チャットプロンプトリクエストの送信方法については、マルチターンチャットをご覧ください。
責任ある AI のベストプラクティスと Vertex AI の安全フィルタについては、安全に使用するためのベストプラクティスをご覧ください。
チャットプロンプトリクエストの送信方法を学習する。
責任ある AI のベストプラクティスと Vertex AI の安全フィルタについて学習する。

Google 検索によるグラウンディング コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。