KAC Gemini Text Embedding API

Google Vertex AI を使用してテキスト エンベディングを取得します。

このアクションは、Claris FileMakerの「対象レコードに埋め込みを挿入」または「埋め込みを挿入」、「セマンティック検索を実行」スクリプトステップで使用します。

パラメータ

AI アカウント設定

• アカウント名: "KAC Gemini" ただし、実際はどんな文字列でも構いません。

• モデルプロバイダ: カスタム

• エンドポイント: "https://embedding-1.kbscc.net/direct/gemini/text/"

• APIキー: 寿商会が発行する KAC APIキー

埋め込みを挿入

• アカウント名: "KAC Gemini" 実際は AI アカウント設定 で入れた文字列と同じにしてください。

• 埋め込みモデル: "モデル名:タスクタイプ" の形式で指定。
  task_typeについて https://ai.google.dev/gemini-api/docs/embeddings?hl=ja#supported-task-types

  • (NEW 2025.7.26) gemini-embeddingは日本語を含む100を超える主要言語に対応で、文書は日本語でクエリは英語（クロスリンガル検索）にも対応しています。

    • "gemini-embedding-001" task_typeを省略した場合は SEMANTIC_SIMILARITY

    • "gemini-embedding-001:RETRIEVAL_DOCUMENT"

    • "gemini-embedding-001:RETRIEVAL_QUERY"

    • "gemini-embedding-001:QUESTION_ANSWERING"

    • "gemini-embedding-001:FACT_VERIFICATION"

    • "gemini-embedding-001:SEMANTIC_SIMILARITY"

    • "gemini-embedding-001:CLASSIFICATION"

    • "gemini-embedding-001:CLUSTERING"

  • (非推奨 2025.7.26)

    • "text-multilingual-embedding-002"  日本語OKで、task_typeはSEMANTIC_SIMILARITY

    • "text-multilingual-embedding-002:RETRIEVAL_DOCUMENT"  日本語OKで、task_typeはRETRIEVAL_DOCUMENT

    • "text-multilingual-embedding-002:RETRIEVAL_QUERY"  日本語OKで、task_typeはRETRIEVAL_QUERY

    • "text-multilingual-embedding-002:QUESTION_ANSWERING"  日本語OKで、task_typeはQUESTION_ANSWERING

    • "text-multilingual-embedding-002:FACT_VERIFICATION"  日本語OKで、task_typeはFACT_VERIFICATION

    • "text-multilingual-embedding-002:SEMANTIC_SIMILARITY"  日本語OKで、task_typeはSEMANTIC_SIMILARITY

    • "text-multilingual-embedding-002:CLASSIFICATION"  日本語OKで、task_typeはCLASSIFICATION

    • "text-multilingual-embedding-002:CLUSTERING"  日本語OKで、task_typeはCLUSTERING

    • "textembedding-gecko-multilingual@001"  日本語OKで、task_type はそもそも無いモデル

    • "textembedding-gecko@002"  日本語NG、task_type はそもそも無いモデル

    • "textembedding-gecko@001"  日本語NG、task_type はそもそも無いモデル

  • (更新 2025.7.26)"上記以外の不明な文字列"  "gemini-embedding-001:SEMANTIC_SIMILARITY" として処理されます

• 入力: エンベディングする文字列

• ターゲット: エンベディングを保存するフィールド

セマンティック検索を実行

• クエリーを自然言語にした場合は、アカウント名、埋め込みモデルの設定が必須です。

レスポンス

•  array: テキスト エンベディング