Google: Gemini APIがマルチモーダルなFile Search画像検索とInteractions APIの破壊的変更を導入

GoogleはGemini APIの変更ログで2つの重要な変更を発表しました。File Searchのマルチモーダル画像検索への拡張（2026年5月6日）と、Interactions APIの破壊的変更（2026年5月7日）です。どちらの変更もGeminiスタック上でアプリケーションを構築する開発者に影響します。

マルチモーダルFile Searchで何が可能になりますか？

File Searchが新しいgemini-embedding-2モデルを使って画像をネイティブに埋め込み・検索できるようになりました。これにより、開発者が視覚コンテンツのエンベディングを別途生成したり、画像をテキスト説明に変換したりする必要がなくなります。

グラウンディングメタデータに2つの新しいフィールドが追加されました。media_idは視覚的な引用（回答に貢献した画像の正確な特定）を可能にし、page_numbersは元の文書内の具体的なページを示します。この組み合わせにより、テキストと画像が混在するPDFやその他の文書上でRAGシステムを構築することが容易になります。

Interactions APIでは何が変わりますか？

これはリクエストとレスポンスのスキーマにおける破壊的変更です。outputsフィールドがstepsに名前変更され、出力フォーマット設定（response_format）も同時に変更されます。Googleは変更ログで「Interactions APIのリクエストとレスポンスのスキーマ（outputs→steps）と出力フォーマット設定（response_format）が変更されます」と述べています。

新スキーマは2026年5月20日からデフォルトとなり、クライアントが自動的に切り替わる前に移行をテストするための2週間が与えられます。旧スキーマは2026年6月6日に完全廃止されます。この日付以降、旧クライアントコードは動作しなくなります。

開発者は何をする必要がありますか？

Interactions APIを使用するチームは、レスポンスの解析ロジックを更新し、コード内のoutputsフィールドへの参照を確認する必要があります。Googleは、本番環境での中断を避けるために5月20日までに移行ガイドを参照することを推奨しています。

File Searchユーザーには、画像取得のレビューと、引用UIで新しいmedia_idおよびpage_numbersフィールドが使用されているかの確認が推奨されます。マルチモーダル拡張には後方互換性があり、既存のテキスト検索は変更なしに継続して動作します。