オンデバイス モデルとクラウドホスト モデルを使用してウェブアプリでハイブリッド エクスペリエンスを構築する

ハイブリッド推論を使用して、AI を活用したウェブアプリや機能を作成します。 Firebase AI Logicハイブリッド推論では、デバイス上のモデルが使用可能な場合はそれを使用して推論を実行し、使用できない場合はクラウド ホスト型モデルにシームレスにフォールバックします（逆も同様です）。

このページでは、クライアント SDK の使用を開始する方法について説明します。この標準 設定が完了したら、 追加の構成オプションと機能（ 構造化出力など）をご確認ください。

なお、デバイス上での推論は、デスクトップの Chrome で実行されるウェブアプリでサポートされています。

コード例に移動

おすすめのユースケースとサポートされている機能

おすすめのユースケース:

  • デバイス上のモデルを推論に使用すると、次のメリットがあります。

    • プライバシーの強化
    • ローカル コンテキスト
    • 推論を無料で使用できる
    • オフライン機能

  • ハイブリッド機能を使用すると、次のメリットがあります。

    • デバイス上のモデルの可用性やインターネット接続に関係なく、オーディエンスの 100% にリーチできる

デバイス上での推論でサポートされている機能:

デバイス上での推論では、ストリーミング出力または非ストリーミング出力で、単一ターンのテキスト生成（チャットではない） のみがサポートされます。 次のテキスト生成機能がサポートされています。

JSON や列挙型などの構造化出力を生成することもできます。

始める前に

次の点に注目してください。

localhost で始める

以下の手順では、送信するサポート対象のプロンプト リクエストに必要な一般的な設定について説明します。

ステップ 1: デバイス上での推論用に Chrome と Prompt API を設定する

  1. Chrome の最新バージョンを使用していることを確認します。 chrome://settings/help で更新します。
    デバイス上での推論は Chrome v139 以降で利用できます。

  2. 次のフラグを [**有効**]に設定して、デバイス上のマルチモーダル モデルを有効にします。

    • chrome://flags/#prompt-api-for-gemini-nano-multimodal-input

  3. Chrome を再起動します。

  4. （省略可）最初のリクエストの前にデバイス上のモデルをダウンロードします。

    Prompt API は Chrome に組み込まれていますが、デバイス上のモデルはデフォルトでは使用できません。デバイス上での推論の最初のリクエストの前にモデルをダウンロードしていない場合、リクエストにより、バックグラウンドでモデルのダウンロードが自動的に開始されます。

ステップ 2: Firebase プロジェクトを設定し、アプリを Firebase に接続する

  1. Firebase コンソールにログインし Firebase プロジェクトを選択します。

  2. Firebase コンソールで、AI サービス > AI Logic に移動します。

  3. [使ってみる] をクリックして、プロジェクトに必要な API とリソースの設定に役立つガイド付きワークフローを起動します。

  4. プロンプトが表示されたら、画面上の手順に沿ってアプリを登録し、Firebase 構成をアプリに追加します。

  5. [Gemini API プロバイダ] を選択するよう求められたら、 [Gemini Developer API] を選択することをおすすめします。これにより、無料で簡単に始めることができます。

    後でいつでも、 を設定できますVertex AI Gemini API （とその請求要件）。

  6. ワークフローを続行して、必要な API と関連サービスを設定します Firebase AI Logic。

    2026 年 7 月上旬から、ワークフローのこの段階では、 が自動的に適用されます。これは、アプリから直接アクセスされたときにGemini APIを保護するための重要なサービスです。開始手順の一環として（このガイドの後半の手順を参照）、App Checkが適用されるときに、ローカル開発用にApp Check デバッグ プロバイダ を構成する必要があります。Firebase App CheckAI Logic

  7. このガイドの次のステップに進み、必要な SDK をアプリに追加します。

ステップ 3: SDK を追加する

Firebase ライブラリを使用すると、生成モデルとやり取りするための API にアクセスできます。このライブラリは、ウェブ用の Firebase JavaScript SDK の一部として含まれています。

  1. npm を使用して、ウェブ用の Firebase JS SDK をインストールします。

    npm install firebase

  2. アプリで Firebase を初期化します。

    import { initializeApp } from "firebase/app";
import { initializeAppCheck } from "firebase/app-check";

// TODO(developer) Replace the following with your app's Firebase configuration
// See: https://firebase.google.com/docs/web/learn-more#config-object
const firebaseConfig = {
  // ...
};

// Initialize FirebaseApp
const firebaseApp = initializeApp(firebaseConfig);

ステップ 4: ローカル開発用に App Check デバッグ プロバイダを構成する

2026 年 7 月上旬から、コンソールの AI Logic のガイド付き設定ワークフローの一環として、Firebase App Checkが Gemini APIを保護するために自動的に適用されます。ローカル開発では、App Check の適用を維持しながら構成証明をバイパスするために、 App Check デバッグ プロバイダを構成する必要があります。App Check

localhost からアプリをインタラクティブに実行しているときに（たとえば、ローカル開発中）、デバッグ プロバイダを使用する方法は次のとおりです。

  1. デバッグビルドで、 self.FIREBASE_APPCHECK_DEBUG_TOKEN を true に設定して、 App Check を初期化する前にデバッグモードを有効にします。例:

    self.FIREBASE_APPCHECK_DEBUG_TOKEN = true;
initializeAppCheck(firebaseApp, { /* App Check options */ });

  2. ウェブアプリをローカルで表示し、ブラウザのデベロッパー ツールを開きます。デバッグ コンソールに、デバッグ トークンが表示されます。

    AppCheck debug token: "123a4567-b89c-12d3-e456-789012345678".
You will need to safelist it in the Firebase console for it to work.

  3. デバッグ トークンを App Check に登録します。

    1. Firebase コンソールで、 [セキュリティ] > [App Check] > [アプリ] タブに移動します。

    2. アプリを見つけてオーバーフロー メニュー （）をクリックし、 次に [**デバッグ トークンを管理**]を選択します。

    3. 画面上の手順に沿ってデバッグ トークンを登録します。

デバッグ プロバイダの詳細（新しいデバッグ トークンを取得する方法など）については、 公式 ドキュメントをご覧ください。App Check

ステップ 5: サービスを初期化してモデル インスタンスを作成する

Gemini API プロバイダをクリックして、このページでプロバイダ固有のコンテンツとコードを表示します。

モデルにプロンプト リクエストを送信する前に、次の設定を行います。

  1. 選択した API プロバイダのサービスを初期化します。

  2. GenerativeModel インスタンスを作成します。mode を次のいずれかに設定してください。

    • PREFER_ON_DEVICE: デバイス上のモデルが使用可能な場合はそれを使用します。使用できない場合は、クラウド ホスト型モデルにフォールバックします。

    • ONLY_ON_DEVICE: デバイス上のモデルが使用可能な場合はそれを使用します。使用できない場合は、例外をスローします。

    • PREFER_IN_CLOUD: クラウド ホスト型モデルが使用可能な場合はそれを使用します。使用できない場合は、デバイス上のモデルにフォールバックします。

    • ONLY_IN_CLOUD: クラウド ホスト型モデルが使用可能な場合はそれを使用します。使用できない場合は、例外をスローします。 

import { initializeApp } from "firebase/app";
import { getAI, getGenerativeModel, GoogleAIBackend, InferenceMode } from "firebase/ai";

// TODO(developer) Replace the following with your app's Firebase configuration
// See: https://firebase.google.com/docs/web/learn-more#config-object
const firebaseConfig = {
  // ...
};

// Initialize FirebaseApp
const firebaseApp = initializeApp(firebaseConfig);

// Initialize the Gemini Developer API backend service
const ai = getAI(firebaseApp, { backend: new GoogleAIBackend() });

// Create a `GenerativeModel` instance
// Set the mode (for example, use the on-device model if it's available)
const model = getGenerativeModel(ai, { mode: InferenceMode.PREFER_ON_DEVICE });

ステップ 6: デバイス上のモデルを初期化する

エンドユーザー ページ 操作（ボタンクリックなど）の後または操作時、かつモデルにプロンプト リクエストを送信する前に、initializeDeviceModel() を呼び出す必要があります。ユーザー アクティベーション要件について詳しくは、 Chrome のドキュメント をご覧ください。

import { initializeApp } from "firebase/app";
import { getAI, getGenerativeModel, GoogleAIBackend, InferenceMode } from "firebase/ai";

// TODO(developer) Replace the following with your app's Firebase configuration
// See: https://firebase.google.com/docs/web/learn-more#config-object
const firebaseConfig = {
  // ...
};

// Initialize FirebaseApp
const firebaseApp = initializeApp(firebaseConfig);

// Initialize the Gemini Developer API backend service
const ai = getAI(firebaseApp, { backend: new GoogleAIBackend() });

// Create a `GenerativeModel` instance
// Set the mode (for example, use the on-device model if it's available)
const model = getGenerativeModel(ai, { mode: InferenceMode.PREFER_ON_DEVICE });

// `initializeDeviceModel` must be called:
// (1) after or on an end-user page interaction such as a button click
// and
// (2) before any queries to the model (such as `generateContent()`)
// You may want to `await` this promise if using `ONLY_ON_DEVICE` (see note below).
model.initializeDeviceModel((val) =>
  // Example: "Download progress: 72.62%""
  console.log(`Download progress: ${Math.round(val*10000) / 100}%`)
);

ステップ 7: モデルにプロンプト リクエストを送信する

このセクションでは、さまざまな種類の入力を送信して、次のようなさまざまな種類の出力を生成する方法について説明します。

構造化出力（JSON や列挙型など）を生成する場合は、 次のいずれかの「テキストを生成する」の例を使用し、さらに 指定されたスキーマに従って応答するようにモデルを構成します。

テキストのみの入力からテキストを生成する

このサンプルを試す前に、このガイドの「始める前に」セクションを完了していることを確認してください。

generateContent() を使用して、テキストを含むプロンプトからテキストを生成できます。

// Imports + initialization of FirebaseApp and backend service + creation of model instance

// Wrap in an async function so you can use await
async function run() {
  // Provide a prompt that contains text
  const prompt = "Write a story about a magic backpack."

  // To generate text output, call `generateContent` with the text input
  const result = await model.generateContent(prompt);

  const response = result.response;
  const text = response.text();
  console.log(text);
}

run();

Firebase AI Logic では、 generateContentStream の代わりに、テキスト レスポンスのストリーミングもサポートしています。generateContent

テキストと画像（マルチモーダル）の入力からテキストを生成する

このサンプルを試す前に、このガイドの「始める前に」セクションを完了していることを確認してください。

generateContent() を使用して、テキストと画像ファイルを含むプロンプトからテキストを生成できます。各 入力ファイルのmimeTypeとファイル自体を指定します。

デバイス上での推論でサポートされている入力画像タイプは PNG と JPEG です。

// Imports + initialization of FirebaseApp and backend service + creation of model instance

// Converts a File object to a Part object.
async function fileToGenerativePart(file) {
  const base64EncodedDataPromise = new Promise((resolve) => {
    const reader = new FileReader();
    reader.onloadend = () => resolve(reader.result.split(',')[1]);
    reader.readAsDataURL(file);
  });
  return {
    inlineData: { data: await base64EncodedDataPromise, mimeType: file.type },
  };
}

async function run() {
  // Provide a text prompt to include with the image
  const prompt = "Write a poem about this picture:";

  const fileInputEl = document.querySelector("input[type=file]");
  const imagePart = await fileToGenerativePart(fileInputEl.files[0]);

  // To generate text output, call `generateContent` with the text and image
  const result = await model.generateContent([prompt, imagePart]);

  const response = result.response;
  const text = response.text();
  console.log(text);
}

run();

Firebase AI Logic では、 generateContentStream の代わりに、テキスト レスポンスのストリーミングもサポートしています。generateContent

エンドユーザーが機能を試せるようにする

エンドユーザーがアプリで機能を試せるようにするには、 Chrome オリジン トライアルに登録する必要があります。 なお、これらのトライアルには期間と使用量の制限があります。

  1. Prompt API Chrome オリジン トライアルに登録します。トークンが発行されます。

  2. トライアル機能を有効にするウェブページごとにトークンを指定します。以下のいずれかの方法を選択します。

    • トークンを <head> タグのメタタグとして指定します: <meta http-equiv="origin-trial" content="TOKEN">

    • トークンを HTTP ヘッダーとして指定します: Origin-Trial: TOKEN

    • トークンを プログラムで指定します。

Google アシスタントの機能

ハイブリッド エクスペリエンスには、さまざまな追加の構成オプションと機能を使用できます。

デバイス上での推論でまだ利用できない機能

プレビュー リリースとして、ウェブ SDK のすべての機能がデバイス上での推論で使用できるわけではありません。 次の機能は、デバイス上での推論ではまだサポートされていません（通常はクラウドベースの推論で使用できます）。

  • JPEG と PNG 以外の画像ファイル入力タイプからテキストを生成する

    • クラウド ホスト型モデルにフォールバックできますが、ONLY_ON_DEVICE モードではエラーがスローされます。

  • 音声、動画、ドキュメント（PDF など）の入力からテキストを生成する

    • クラウド ホスト型モデルにフォールバックできますが、ONLY_ON_DEVICE モードではエラーがスローされます。

  • Gemini または Imagen モデルを使用して画像を生成する

    • クラウド ホスト型モデルにフォールバックできますが、ONLY_ON_DEVICE モードではエラーがスローされます。

  • マルチモーダル リクエストで URL を使用してファイルを提供する。デバイス上のモデルには、ファイルをインライン データとして指定する必要があります。

  • マルチターン チャット

    • クラウド ホスト型モデルにフォールバックできますが、ONLY_ON_DEVICE モードではエラーがスローされます。

  • Gemini Live API を使用した双方向ストリーミング

  • レスポンスの生成に役立つツールをモデルに提供する （関数呼び出し、コード実行、URL コンテキスト、 Google Searchによるグラウンディング、Google Mapsによるグラウンディングなど）

  • トークンのカウント

    • 常にエラーがスローされます。カウントはクラウド ホスト型モデルとデバイス上のモデルで異なるため、直感的なフォールバックはありません。

  • デバイス上での推論用の Firebase コンソールの AI モニタリング。

    • クラウド ホスト型モデルを使用した推論は、ウェブ用の Firebase AI Logic クライアント SDK を使用した他の推論と同様に モニタリングできます。


フィードバックを送信する Firebase AI Logicの使用に関する