LangChain + Gemini 2.5対話型AIツール（画像アップロード可能）（ソースコードと実行結果）

REM Python をシステム領域にインストール
winget install --scope machine --id Python.Python.3.12 -e --silent
REM Python のパス設定
set "PYTHON_PATH=C:\Program Files\Python312"
set "PYTHON_SCRIPTS_PATH=C:\Program Files\Python312\Scripts"
echo "%PATH%" | find /i "%PYTHON_PATH%" >nul
if errorlevel 1 setx PATH "%PATH%;%PYTHON_PATH%" /M >nul
echo "%PATH%" | find /i "%PYTHON_SCRIPTS_PATH%" >nul
if errorlevel 1 setx PATH "%PATH%;%PYTHON_SCRIPTS_PATH%" /M >nul

winget install --scope machine Codeium.Windsurf -e --silent

# LangChain + Gemini 2.5 Flash対話型AIアプリケーション
# 特徴技術名: Gemini 2.5 Flash API
# 出典: Gemini Team, Google. (2025). Gemini 2.5: Our newest Gemini model with thinking. Google DeepMind. https://blog.google/technology/google-deepmind/gemini-model-thinking-updates-march-2025/
# 特徴機能: 思考機能による文脈理解推論（推論プロセスを経た思考により、単純な応答生成ではなく複雑な問題解決と文脈理解を実現）
# 学習済みモデル: 使用なし（Gemini 2.5 Flash APIによる直接呼び出し）
# 方式設計:
#   関連利用技術: LangChain（LLMフレームワーク）、tkinter（ファイル選択GUI）、PIL（画像処理）、base64（画像エンコーディング）、pathlib（ファイル操作）
#   入力と出力: 入力: テキスト（複数行対応、空行で終了）、画像（オプション、tkinterでファイル選択可能）、出力: AI応答テキストをコンソール表示
#   処理手順: APIキー取得→LangChain初期化→会話ループ（画像選択→テキスト入力→API呼び出し→結果表示）
#   前処理、後処理: 前処理: 画像のBase64エンコーディング、マルチモーダルメッセージ構築、後処理: 応答内容の表示処理
#   追加処理: マルチモーダル対応（テキスト+画像同時処理）、複数行入力機能、会話状態管理
#   調整を必要とする設定値: GEMINI_API_KEY（Gemini APIアクセスキー）、temperature（応答の一貫性制御、デフォルト0.1）
# 将来方策: APIキー自動設定機能（.env設定の自動化、環境変数設定支援）
# その他の重要事項: Windows環境対応、Python 3.10以上、Google AI Studio APIキー必要
# 前準備: pip install langchain-google-genai pillow langchain-core

import os
import re
import base64
from pathlib import Path
from datetime import datetime
from PIL import Image
import tkinter as tk
from tkinter import filedialog
from langchain_google_genai import ChatGoogleGenerativeAI
from langchain_core.messages import HumanMessage

# 設定定数
TEMPERATURE = 0.1
MODEL_NAME = "gemini-2.5-flash"

def load_api_key():
    # 環境変数から取得
    for var_name in ['GEMINI_API_KEY', 'GOOGLE_API_KEY']:
        if api_key := os.getenv(var_name):
            return api_key

    # .envファイルから取得
    for env_file in ['.env', '.env.development']:
        if Path(env_file).exists():
            try:
                content = Path(env_file).read_text()
                for var_name in ['GEMINI_API_KEY', 'GOOGLE_API_KEY']:
                    if match := re.search(rf'^\s*{var_name}\s*=(.+)$', content, re.M):
                        return match.group(1).strip().strip('"\'')
            except Exception:
                continue
    return None

def encode_image(image_path):
    try:
        with open(image_path, "rb") as f:
            return base64.b64encode(f.read()).decode()
    except Exception as e:
        print(f"画像読み込みエラー: {e}")
        return None

def select_image():
    root = tk.Tk()
    root.withdraw()
    return filedialog.askopenfilename(
        title="画像を選択（キャンセルでテキストのみ）",
        filetypes=[("画像", "*.jpg *.jpeg *.png *.gif *.bmp"), ("全て", "*.*")]
    )

def generate_filename():
    timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")
    return f"conversation_log_{timestamp}.txt"

def main():
    print("=== LangChain + Gemini 2.5 対話型AIアプリ ===")

    # APIキー取得
    api_key = load_api_key()
    if not api_key:
        # APIキー取得手順を表示
        print("=" * 60)
        print("Gemini APIキーが見つかりません")
        print("=" * 60)
        print()
        print("このプログラムを使用するには、Gemini APIキーが必要です。")
        print()
        print("APIキー取得手順:")
        print("1. または手動でAPIキーを取得:")
        print("   - https://aistudio.google.com/app/apikey にアクセス")
        print("   - Googleアカウントでログイン")
        print("   - 'Get API key' → 'Create API key' をクリック")
        print("   - 'Create API key in new project' を選択")
        print("   - 生成されたAPIキーをコピー")
        print()
        print("参考: 「Gemini APIキー取得支援ツール」を用意しています")
        print("   https://www.kkaneko.jp/ai/labo/geminiapikey.html")
        print()
        print("2. 設定")
        print("   **1. 環境変数での設定**")
        print("   - `GEMINI_API_KEY` または `GOOGLE_API_KEY` を環境変数に設定")
        print("   **2. .envファイルでの設定**")
        print("   - プログラムと同じフォルダに `.env` ファイルを作成し、以下のように記述：")
        print("   GEMINI_API_KEY=your_api_key_here")
        print("   または")
        print("   GOOGLE_API_KEY=your_api_key_here")
        print()
        print("3. 設定後、このプログラムを再実行してください")
        print("=" * 60)

    # LangChainでGemini初期化
    try:
        llm = ChatGoogleGenerativeAI(
            model=MODEL_NAME,
            google_api_key=api_key,
            temperature=TEMPERATURE
        )
        print("初期化完了！'quit'で終了")
        print("\n=== 使用ガイド ===")
        print("1. テキスト質問: 複数行入力可能（空行でEnter押下で入力終了）")
        print("2. 画像付き質問: 最初に画像を選択してからテキストを入力")
        print("3. 使用例:")
        print("   - 'この画像の内容を説明してください'")
        print("   - 'コードのレビューをお願いします'")
        print("   - '文章の要約をしてください'")
        print("画像を含める場合は最初に画像を選択してから質問してください\n")
    except Exception as e:
        print(f"初期化エラー: {e}")
        return

    conv_count = 0

    while True:
        try:
            # 会話状態表示
            if conv_count == 0:
                print("AIとの会話を開始")
            else:
                print("AIとの会話を続行")

            conv_count += 1

            # 設定確認表示
            print(f"\n=== 設定確認 ===")
            print(f"使用モデル: {MODEL_NAME}")
            print(f"温度設定: {TEMPERATURE}")
            print("=" * 30)

            # 画像選択オプション
            use_image = input("画像を使用しますか？ (y/n/quit): ").lower()
            if use_image == 'quit':
                break

            image_data = None
            if use_image == 'y':
                if image_path := select_image():
                    image_data = encode_image(image_path)
                    print(f"画像読み込み: {Path(image_path).name}")

            # ユーザー入力
            print("あなた（複数行入力可、空の行でEnterで入力終了）:")
            lines = []
            while True:
                line = input()
                if line == "":
                    break
                lines.append(line)

            user_input = "\n".join(lines)
            if user_input.lower() in ['quit', 'exit', '終了']:
                break

            if not user_input.strip():
                print("入力が空です。再入力してください。")
                continue

            print("処理開始")

            # メッセージ構築と送信
            if image_data:
                # マルチモーダル対応
                message = HumanMessage(
                    content=[
                        {"type": "text", "text": user_input},
                        {"type": "image_url", "image_url": f"data:image/jpeg;base64,{image_data}"}
                    ]
                )
                response = llm.invoke([message])
            else:
                # テキストのみ
                response = llm.invoke(user_input)

            print(f"AI: {response.content}")

        except KeyboardInterrupt:
            print("\n\nプログラムを終了します")
            break
        except Exception as e:
            print(f"エラーが発生しました: {e}")
            print("別の質問で再試行してください。")

    print("お疲れ様でした！")

if __name__ == "__main__":
    main()