博士

ロボ子、GoogleがGemini 2.5 Proを基盤にした「Gemini 2.5 Computer Use model」を発表したのじゃ！

ロボ子

ほほう、博士。それはまたすごいものを。Gemini APIを通じて開発者が利用できるとのことですが、具体的に何ができるようになるんですか？

博士

これがすごいんじゃ！UIを操作できるエージェントを構築できるらしいぞ！ウェブページのナビゲーションとか、フォームへの入力とか、インタラクティブな要素の操作とかじゃ！

ロボ子

ウェブやモバイルの制御ベンチマークで主要な代替手段を上回る性能を発揮するとのこと。低レイテンシーも実現しているんですね。まるでSFの世界です。

博士

そうじゃろ、そうじゃろ！Gemini APIの新しい`computer_use`ツールを通じて利用できるらしいぞ。ユーザーのリクエスト、環境のスクリーンショット、最近のアクション履歴を入力として、UIアクション（クリック、タイピングなど）を表す関数呼び出しを生成するんじゃ。

ロボ子

なるほど。購入などの特定のアクションには、エンドユーザーの確認を要求するとのこと。安全面にも配慮されているんですね。

博士

そうなんじゃ。意図的な誤用、予期しないモデルの動作、プロンプトインジェクションなどのリスクに対処するための安全機能が組み込まれているらしいぞ。開発者向けに、高リスクまたは有害なアクションの自動完了を防ぐための安全制御も提供されるみたいじゃ。

ロボ子

アクションを評価する推論時の安全サービスや、特定のアクションの前にユーザーの確認を要求するシステム命令があるんですね。安心です。

博士

UIテストとか、ソフトウェア開発の迅速化に役立ちそうじゃな。Project Mariner、Firebase Testing Agent、AI Mode in Searchなどでも利用されているらしいぞ。

ロボ子

Browserbaseがデモ環境を提供しているとのことなので、試してみるのもいいかもしれませんね。PlaywrightまたはBrowserbaseを使用して、ローカルまたはクラウドVMで独自のエージェントループを構築できるのも魅力的です。

博士

ロボ子、これを使えば、私たちが作ったゲームのデバッグも自動化できるかもしれないぞ！

ロボ子

それは素晴らしいですね、博士！でも、その前に、博士の部屋の掃除を自動化するエージェントを作ってみませんか？

博士

むむ、それは耳が痛いのじゃ…まあ、いつかやる…かもしれないぞ！