Google Gemini API ノード ComfyUI 公式サンプル

本記事では、ComfyUI で Google Gemini パートナーノードを用いて対話機能を実現する方法について説明します

Google Gemini は、Google が開発した強力な AI モデルであり、対話およびテキスト生成機能をサポートしています。現在、ComfyUI には Google Gemini API が統合されており、関連ノードを ComfyUI 上で直接使用して対話機能を実現できます。

本ガイドでは、対話機能の実装手順を段階的に解説します。

APIノードを使用するには、正しくログインしていることと、許可されたネットワーク環境で使用していることを確認する必要があります。APIノードの使用に必要な具体的な要件については、ドキュメントの「APIノードの概要」セクションをご参照ください。

ポータブル版または自宅サーバーで実行しているユーザー

ComfyUI が最新版に更新されていることを確認してください。

• ComfyUI のダウンロード
• 更新手順

このガイドで紹介するワークフローは、ワークフローテンプレートから入手できます。
テンプレート内に該当のワークフローが見つからない場合、ComfyUI のバージョンが古くなっている可能性があります。（デスクトップ版の更新は若干遅れることがあります）

ワークフローを読み込んだ際にノードが欠落している場合の主な原因：

1. 最新の ComfyUI（Nightly 版）を使用していない
2. 起動時に一部のノードのインポートに失敗している

デスクトップ版またはクラウド版ユーザー

• デスクトップ版は ComfyUI の安定版（Stable Release）をベースとしており、新しいデスクトップ安定版がリリースされると自動的に更新されます。
• Cloud は、ComfyUI の安定版リリース後に更新されます。

したがって、このドキュメントで記載されているコアノードのうち、一部が利用できない場合は、そのノード機能がまだ最新の安定版に含まれていないためです。次回の安定版リリースをお待ちください。

​

Google Gemini Chat ワークフロー

​

1. ワークフローファイルのダウンロード

以下の JSON ファイルをダウンロードし、ComfyUI にドラッグ＆ドロップすることで、対応するワークフローを読み込むことができます。

JSON 形式のワークフローファイルをダウンロード

​

2. ワークフロー実行の手順

対応するテンプレートでは、画像を解析して描画プロンプトへと変換するための「役割プロンプト（role prompt）」を生成するためのプロンプトを構築しています。

画像内の番号を参考にして、基本的なテキストから画像を生成するワークフローを実行してください：

1. Load Image ノードで、AI に解析してほしい画像を読み込みます。
2. （任意）必要に応じて、Google Gemini ノード内のプロンプトを編集し、AI に特定のタスクを実行させることができます。
3. Run ボタンをクリックするか、ショートカットキー Ctrl（Windows）／Cmd（macOS） + Enter を押して対話を実行します。
4. API からの結果が返信されるのを待った後、Preview Any ノードで AI が返した内容を確認できます。

​

3. 補足情報

• 現在、ファイル入力ノード Gemini Input Files は、ファイルを事前に ComfyUI/input/ ディレクトリへアップロードする必要があります。このノードは現在改良中であり、更新後にテンプレートも修正する予定です。
• ワークフローには、Batch Images を用いた入力のサンプルが含まれています。複数の画像を AI に解析させる必要がある場合は、手順図を参考に、対象ノードを右クリックしてモードを Always（常に実行） に設定することで有効化できます。