- AI開発・自動化 tags:
- Gemini
- AI
- エージェント
- API keywords:
- エージェント開発
- thinking level
- API 実装ガイド
Gemini 3エージェント開発実践ガイド：thinking_levelと自律実行の実装¶
2025年11月、Googleは新しいエージェント・ファースト設計を発表しました。thinking_levelパラメータで推論深度を制御し、従来のプロンプトエンジニアリングから脱却できます。
この記事の対象者
- APIを使ったエージェント開発に興味がある中級開発者
この記事のポイント¶
- thinking_levelパラメータの使い分け基準
- thoughtSignature処理の実装方法
- OSSフレームワークとの連携手順
thinking_levelパラメータの基本¶
thinking_levelは推論深度を制御するパラメータで、lowとhighの2つの設定があります。
| 設定 | 用途 | 特徴 |
|---|---|---|
| low | 単純な命令実行 | レイテンシ最小、コスト削減 |
| high（デフォルト） | 深い計画立案 | 推論深度を最大化 |
thinking_levelの実装例¶
import google.generativeai as genai
model = genai.GenerativeModel("gemini-3-pro")
response = model.generate_content(
"複雑な数学問題を段階的に解いて",
generation_config={"thinking_level": "high"}
)
thinking_level: "high"を指定すると、内部的に多層推論を実行し、段階的な問題解決を行います。
thoughtSignature処理¶
Function CallingではthoughtSignatureのキャプチャが必須です。
response = model.generate_content(
"天気情報を取得してプラン提案",
tools=[weather_tool]
)
next_response = model.generate_content(
"前回の提案を修正",
thought_signature=response.thought_signature
)
OSSフレームワークとの連携¶
LangChain、LlamaIndex、Pydantic AIを初日からサポートしています。
LangChain連携例¶
from langchain_google_genai import ChatGoogleGenerativeAI
from langchain.agents import initialize_agent
llm = ChatGoogleGenerativeAI(model="gemini-3-pro")
agent = initialize_agent([search_tool], llm)
result = agent.run("東京の人口を調べて")
トラブルと対処法¶
| 症状 | 解決策 |
|---|---|
| 推論が浅い | "high"に明示指定 |
| Calling途切れ | thoughtSignature渡す |
| コスト増加 | 単純タスクはlow |
まとめ¶
thinking_levelパラメータとthoughtSignature処理を理解することで、効率的なエージェント開発が可能になります。LangChainなどのフレームワークを活用し、自律実行システムを構築しましょう。