### 4-1. 簡単な始め方

以前使用されていた `google-generativeai` ライブラリは非推奨となったため、Google の最新の規格である `google-genai` 統合 SDK を使用してインストールし、開始する必要があります。

```bash
# 最新の統合 Google Gen AI Python SDK をインストール
pip install google-genai
```

インストール後、API キーを取得し、環境変数として設定します。
```bash
export GEMINI_API_KEY="あなたの_API_キー"
```

基本的なテキスト呼び出しを実行する Python スクリプトの例です。
```python
from google import genai

# クライアントを作成する際に、GEMINI_API_KEY 環境変数を自動的にロードします。
client = genai.Client()

response = client.models.generate_content(
    model='gemini-2.5-flash',
    contents='CRISPR-Cas9 システムと CRISPR-Cas12a システムの主な違いを説明してください。'
)

print(response.text)
```

### 4-2. 詳細なインストール

エンタープライズ環境や Google Cloud Platform (Vertex AI) 環境で、クレジットとパイプラインを体系的に管理する必要がある場合は、以下のように `gcloud` CLI を連携させて実行することを推奨します。

```bash
# gcloud CLI にログインし、アプリケーション認証トークンを生成
gcloud auth application-default login
```

研究目的で大量の文献を解析し、構造化されたデータ (JSON) として正確に返したい場合に作成する詳細なコードです。

```python
from google import genai
from google.genai import types

client = genai.Client()

prompt = """
次の PubMed 論文のアブストラクトを読み、対象患者群 (patient_group)、分析されたバイオマーカー (biomarkers)、
および有意に変化した数値 (expression_change) を JSON 形式で分類して返してください。
"Abstract: In this cohort of 120 patients with non-small cell lung cancer, we analyzed the expression of EGFR and KRAS. 
We observed a 2.5-fold increase in EGFR mRNA levels in responders compared to non-responders..."
"""

# JSON スキーマを指定して、構造化された形式で応答を強制します。
response = client.models.generate_content(
    model='gemini-2.5-pro',
    contents=prompt,
    config=types.GenerateContentConfig(
        response_mime_type="application/json",
        response_schema={
            "type": "OBJECT",
            "properties": {
                "patient_group": {"type": "STRING"},
                "biomarkers": {
                    "type": "ARRAY", 
                    "items": {"type": "STRING"}
                },
                "expression_change": {"type": "STRING"}
            },
            "required": ["patient_group", "biomarkers", "expression_change"]
        }
    )
)

print(response.text)
```