Google Geminiにエラーを教えて自動で修正してもらう

2025年8月30日2025年8月31日

URLをコピーしました！

はじめに

オンラインで利用できる生成AIは、ここ数年で驚くべき進化を通りました。特にコード生成やデバッグにおいては、開発の効率を大きく変える可能性があります。本記事では、かつて「Google Bard」として発表された大要言語モデルが、2024年末に「Gemini」として到変された背景を振り返りつつ、2025年時点の最新環境でプログラムのバグ修正を自動で依頼する方法を紹介します。笔者自身がPythonプロジェクトで試行錯誤した経験を交えながら、生成AIの活用手順や注意点をわかりやすくまとめました。これからAIと一緒に開発を進めたい方の参考になれば幸いです。

Google BardからGeminiへの進化

初期のGoogle Bardは、2023年春に公開されたベータ版であり、英語中心の对応や計算・プログラミング能力に未熟な部分がありました。しかしその後、ユーザーのフィードバックや研究成果を反映してモデルが改良され、2024年に正式サービスとして「Gemini」がリリースされました。名称変更に伴い、日本語対応の強化、コード解析専用モードの追加、APIの一般公開など、開発者に嬉しい機能が多数更新されています。これにより、当朝は質問の意図を誤ってしまうこともあったデバッグ作業が、より的確かつ方に行えるようになりました。

新しいGemini APIはREST/GraphQLで利用でき、エラー出力やソースコードを入力とする「debug」エンドポイントが追加されています。生成された回答にはコードブロックが含まれ、提案された修正点や理由が明示されます。当初のようにブラウザのUIからしか利用できないという制限もなくなり、Pythonから直接APIを呼び出してバグ修正案を取得することも可能です。以下では、実際の活用流れを具体的に説明します。

AIによるバグ修正の流れ

生成AIにバグ修正を依頼する際は、以下のような手順で進めるとスムーズです。

エラーの情報を整理する: Pythonの場合、スタックトレースやエラーメッセージをコピーし、発生した関数や変数の状態をメモしておきます。Geminiはコンテキストを多く伝えるほど精度が上がるため、エラーログをそのまま貼り付けるのが効果的です。
問題のコードを送る: バグが発生したファイルや関数の該当部分をGeminiに提供します。ファイル全体を送るとコンテキストサイズを超える場合があるため、該当範囲の前後数十行を添えるのが目定です。
Geminiに質問する: GeminiのインターフェースやAPIを使い、「このコードを実行したところ次のエラーが出ました。原因と修正案を教えてください」といった具体的な指示を送ります。日本語でも問題ありませんが、変数名やメソッド名は原文のまま記述すると理解されやすいです。
提案内容を検討する: 提案された修正点を自分の環境で試し、意図した動作になるか確認します。Geminiは修正の説明も返してくれるため、その解説と実際の挙動が一致しているかをチェックしましょう。コードの安全性を保証するために、修正後のコードは必ずテストを実行します。
フィードバックを与える: Geminiの回答に満足できない場合は、追加の情報を提供して再度質問したり、「ここまでは合っていますが○○の部分が違います」などとフィードバックを返します。AIに正解を教えることで、より精度の高い回答を得られます。

実際に試した結果

以前、とあるデータ分析プロジェクトでPandasのDataFrameを結合する処理を書いていた際に、KeyError: 'user_id' というエラーに遭遇しました。複数のCSVファイルを読み込み、user_id 列でマージしていたのですが、該当列が存在しないcsvファイルがあったのが原困でした。そこでGeminiのデバッグモードに、エラーログとデータ結合部分のコードを入力し、「エラーの原困と解決策を教えてください」と質問しました。

数秒後に返ってきた回答では、merge()を実行している行を特定し、存在しない列名が指定されていること、on パラメータに正しい列名を使うべきことを具体的に指摘してくれました。また、「もし列が存在しないデータがある場合は、結合前に列名の存在を確認する処理を追加すると良い」とアドバイスももらえました。修正案に従って下記のようにコードを変更したところ、エラーなく処理が完了しました。

# 修正前
df_merged = df_a.merge(df_b, on='user_id', how='inner')

# 修正後: 列の存在確認と代換名を指定
if 'user_id' in df_b.columns:
    df_merged = df_a.merge(df_b, on='user_id', how='inner')
else:
    df_merged = df_a.merge(df_b.rename(columns={'id': 'user_id'}), on='user_id', how='inner')

この例のように、Geminiはただ答えを返すだけではなく、なぜそのエラーが起きたのか、どう改善すべきかを段階的に説明してくれます。筆者の経験では、初期のBardに比べて回答の判定性や格納の提示が大きく向上しており、安心して利用できるようになりました。一方で、APIの応答を鵜呑みにしてしまうと別のバグを生む可能性もあるため、常に自分で検討する姿勢が大切です。

具体的なコード例: APIの利用

Gemini APIを使ってデバッグを自動化する場合、PythonからHTTPリクエストを送ることで、結果をプログラムに組み込むことができます。以下に、エラーログとコードを送信して修正案を取得するシンプルな関数の例を示します。なお、実際にはAPIキーの取得や認証、エンドポイントの確認が必要ですが、ここでは概念を理解するための疑伪コードです。

import requests
import json


def request_gemini_debug(api_key: str, code: str, error_log: str) -> str:
    """GeminiのデバッグAPIにリクエストを送信し、修正案を取得する。"""
    endpoint = "https://api.gemini.google/v1/debug"
    headers = {
        "Authorization": f"Bearer {api_key}",
        "Content-Type": "application/json",
    }
    payload = {
        "code": code,
        "error_log": error_log,
        "language": "python",
    }
    response = requests.post(endpoint, headers=headers, data=json.dumps(payload))
    data = response.json()
    return data.get("suggestion", "")

# 使用例
api_key = "YOUR_API_KEY"
code_snippet = "print(my_var)"
error_output = "NameError: name 'my_var' is not defined"
suggestion = request_gemini_debug(api_key, code_snippet, error_output)
print("Geminiの提案:", suggestion)

上記のように、APIを通じてGeminiの回答を自動取得すれば、CI/CDパイプラインやチャットボットとの連携も可能です。ただし現在のAPIは有料プランのみ利用可能なため、コスト面や機密情報の取り扱いには注意が必要です。また、APIレスポンスの内容やエンドポイントはアップデートにより変更される可能性があるため、最新の公式ドキュメント【https://ai.google.dev】を随時チェックしてください。

チェックリスト: AIによるバグ修正で気を付けるポイント

情報を過不足なく伝える：エラー内容やコードを適切に伝えることが精度に直結します。
セキュリティを確保する： APIに送信するコードやデータに個人情報などが含まれていないか確認します。
回答を過信しない： AIの提案をそのまま実行せず、自分で理解・検討するようにします。
ログを保存する： AIとのやりとりや修正前後のコードを記録しておくと、後からトラブルシューティングがしやすくなります。
アップデートを追う： Geminiは常にアップデートされるため、公式発表などをチェックして新機能に対応しましょう。

AIツールと使用した効率化のコツ

Geminiを使ったデバッグは非常に便利ですが、他のツールや手段と組み合わせることでさらに効果を発掳します。例えば、静的解析ツール(pylintやflake8)を実入してコードスタイルを整えたり、ユニットテストで既存機能の動作を保証しておくと、AIが提案する修正による副作用を早期に検出できます。また、GitHub Copilotや自社のLintチェックと使うことで、コードレビューの効率も向上します。AIはあくまでアシスタントであり、最終的な責任は開発者自身にあることを忘れないようにしましょう。

内部リンク: 関連記事の紹介

当サイトでは生成AIを活用したGemini APIでコード生成を自動化し、エラー修正もAIにお任せする方法についても解説しています。より高度な自動生成に興味がある方はぜひ参照してください。
また、株価データ分析に興味がある方はyfinanceのAPIを用いて株価の推移を日次で取得するもご覧ください。APIを使ったデータ取得や分析の基礎が学べます。
プログラミングで新しい趣味を見つけたい場合は新しい趣味に出会うためのプログラミング的アプローチの記事が参考になります。

外部リンク: ドキュメント類

Geminiの公式ドキュメント: https://ai.google.dev
Google Cloudのコードデバッグツール: https://cloud.google.com/products/tools?hl=ja

まとめ

生成AIはここ数年で大きく進化し、かつてのBardから現在のGeminiに至るまで、デバッグ支援機能も向上しました。この記事では、最新のGeminiを使ってバグ修正を依頼する方法と筆者の実体験、API活用例、チェックリストや効率化のコツを紹介しました。AIに任せきりにするのではなく、提案内容を理解・検討しながら活用することで、開発者自身の学びにもつながります。今後も新機能の追加や性能向上が期待されるため、最新情報を常に追いかけながらAIと上手に付き合っていきましょう。

よかったらシェアしてね！

URLをコピーしました！

URLをコピーしました！