GLA vs Vertex AI

一行サマリ

PydanticAI で Gemini を呼ぶ口は 2 つ ある — 'google-gla:' (Google AI Studio) と 'google-vertex:' (Vertex AI)。学習・個人開発は GLA、業務・コンプライアンスは Vertex AI が基本方針。

ヒーロー: 同じモデルへの 2 つの入口

物理的には同じ Gemini モデルにアクセスしますが、認証の仕組み・データの扱い・課金経路 が別物です。

概念: 何が違うのか

両者は 同じ Gemini モデル を提供する別経路です。違いは「どのアカウント・どの認証で・どんな契約条件で使うか」に集約されます。

主要な違い

1 行でまとめると

• GLA = 「無料で気軽に試せる、ただしデータは将来のモデル改善に使われ得る (Free tier)」
• Vertex AI = 「GCP プロジェクトと認証セットアップは要るが、データは学習に使われず本番運用に向く」

コード: 違いはモデル指定だけ

Agent() の第 1 引数のプレフィックスを切り替えるだけで、PydanticAI 側のコードはほぼ同じです。

GLA を使う (これまで使ってきた形)

import os
from pydantic_ai import Agent
 
# API キーを環境変数に入れるだけ
# Colab では `userdata.get('GOOGLE_API_KEY')` で読む
os.environ['GOOGLE_API_KEY'] = '...'
 
agent = Agent(
    'google-gla:gemini-3-flash-preview',
    instructions='日本語で答えてください。',
)
print(agent.run_sync('こんにちは').output)

Vertex AI を使う (本番想定)

from pydantic_ai import Agent
from pydantic_ai.providers.google_vertex import GoogleVertexProvider
from pydantic_ai.models.google import GoogleModel
 
# 事前に: gcloud auth application-default login を済ませておく
# あるいは GOOGLE_APPLICATION_CREDENTIALS で Service Account JSON を指す
provider = GoogleVertexProvider(
    project_id='my-gcp-project-id',     # GCP プロジェクト ID
    region='us-central1',                # モデルが提供されている region
)
model = GoogleModel('gemini-3-flash-preview', provider=provider)
 
agent = Agent(
    model,
    instructions='日本語で答えてください。',
)
print(agent.run_sync('こんにちは').output)

ポイント:

• 「'google-vertex:gemini-3-flash-preview'」のような 省略記法 も用意されているが、project_id / region を明示したい場合は上のように Provider + Model を組み立てるのが確実
• コードロジックは GLA とまったく同じ。差は認証セットアップとモデル指定文字列だけ
• アプリの大半は両方のプロバイダで動かせるよう、MODEL 定数を環境変数から読むのが定石

決定木: いつどちらを選ぶか

実用的には:

• 本ガイドの全 34 レッスン — GLA で十分
• 個人プロダクト / 副業 / 学習用 SaaS — GLA (Paid tier に上げると学習利用も無効化)
• 顧客データを扱う業務システム — Vertex AI 一択
• 既に GCP に乗っている組織 — Vertex AI (請求もログも GCP で一元化)

モデル名の対応

両プロバイダで使えるモデル名は同じ命名規則 (gemini-3-flash-preview 等) ですが、新世代の出現タイミングが違います。

新モデルを試したいだけなら GLA、本番で安定運用したい既存モデルなら Vertex AI、と覚えておくと選びやすいです。

まとめ

• GLA と Vertex AI は 同じ Gemini モデルへの 2 つの入口。違いは認証・データ扱い・課金経路
• 学習・個人開発は GLA で十分。Paid tier に上げれば入出力データも学習利用されない
• 業務・本番・コンプライアンス要件があれば Vertex AI。region 指定 + ADC 認証
• コード上の差はモデル指定文字列とプロバイダ初期化だけ。ロジックは共通

これで Setup チャプター (Ch0) は完結です。次の Ch1「Core: Agents」 からは、Agent の本体部分 — 静的・動的 instructions、Reflection、静的型チェック — に踏み込みます。