クイックスタート
あなたの Comfy ワークスペースでキーを作成し、COMFY_API_KEY としてエクスポートします。Python と TypeScript のスニペットは Comfy SDK(pip install comfy-sdk と npm install @comfyorg/sdk)を使用しており、cURL のスニペットは同じ呼び出しを生の HTTP で実行するものです。
モデル ID: vertexai/gemini-3.1-flash-lite-image
エンドポイント: POST https://api.comfy.org/v2/models/vertexai/gemini-3.1-flash-lite-image
- 結果を待つ
- キューに送信し、後で収集する
同じボディを
POST https://api.comfy.org/v2/models/vertexai/gemini-3.1-flash-lite-image/requests に送信します。Router は実行が受け付けられるとすぐに 201 と request_id を返し、結果は準備ができ次第、このプロセスまたは別のプロセスから収集されます。キュー配信 では、ステータス、キャンセル、収集の流れを説明します。スキーマ
入力
object[]
必須
モデルとの現在の会話のコンテンツ。単一ターンのクエリでは 1 つのインスタンスになります。マルチターンのクエリでは、会話履歴と最新のリクエストを含む繰り返しフィールドになります。
object[]
必須
object
URI ベースのデータ。
string
URI
string
data フィールドまたは fileUri フィールドで指定されたファイルのメディアタイプ。使用できる値は次のとおりです。gemini-2.0-flash-lite および gemini-2.0-flash では、オーディオファイルの最大長は 8.4 時間、ビデオファイル(音声なし)の最大長は 1 時間です。詳細については、Gemini のオーディオとビデオの要件を参照してください。テキストファイルは UTF-8 でエンコードされている必要があります。テキストファイルのコンテンツはトークン制限にカウントされます。画像の解像度には制限がありません。Possible values:
application/pdf, audio/mpeg, audio/mp3, audio/wav, image/png, image/jpeg, image/webp, text/plain, video/mov, video/mpeg, video/mp4, video/mpg, video/avi, video/wmv, video/mpegps, video/flv, image/heic, image/heif, audio/flac, video/webmobject
生のバイト形式のインラインデータ。gemini-2.0-flash-lite および gemini-2.0-flash では、inlineData を使用して最大 3000 枚の画像を指定できます。
string (byte)
プロンプトにインラインで含める画像、PDF、またはビデオの base64 エンコーディング。メディアをインラインで含める場合は、データのメディアタイプ(mimeType)も指定する必要があります。サイズ制限: 20MBFormat:
bytestring
data フィールドまたは fileUri フィールドで指定されたファイルのメディアタイプ。使用できる値は次のとおりです。gemini-2.0-flash-lite および gemini-2.0-flash では、オーディオファイルの最大長は 8.4 時間、ビデオファイル(音声なし)の最大長は 1 時間です。詳細については、Gemini のオーディオとビデオの要件を参照してください。テキストファイルは UTF-8 でエンコードされている必要があります。テキストファイルのコンテンツはトークン制限にカウントされます。画像の解像度には制限がありません。Possible values:
application/pdf, audio/mpeg, audio/mp3, audio/wav, image/png, image/jpeg, image/webp, text/plain, video/mov, video/mpeg, video/mp4, video/mpg, video/avi, video/wmv, video/mpegps, video/flv, image/heic, image/heif, audio/flac, video/webmstring
モデルがこのパートのビデオをどのように読み取るか。“AGENTIC” を設定すると、固定レートのフレームサンプリングではなく、モデルが検査するセグメントを判断できるようになります。省略すると、デフォルトの固定レートサンプリングになります。gemini-3.7-flash 以降の Flash モデルでサポートされています。
string
テキストプロンプトまたはコードスニペット。
boolean
このパートがモデルによる思考/推論のステップであることを示します。
string
Possible values:
user, modelobject
生成のためのサンプリング、長さ、出力の設定。すべてのフィールドは任意です。以下で
default を宣言しているフィールドは省略時にそれが適用され、それ以外はモデル自身の動作にフォールバックします。object
画像生成の設定
string
生成される画像のアスペクト比
object
任意。生成される画像の画像出力フォーマット。
integer
任意。出力画像の圧縮品質。
string
任意。出力を保存する画像形式。Vertex AI の経路(Comfy 自身の認証情報で処理されるリクエスト、および GCP サービスアカウントで認証された BYOK リクエスト)で使用されます。そこで受け付けられる値は
image/png と image/jpeg で、大文字小文字を区別せずに照合され、リクエストが転送される前に小文字に正規化されます。それ以外の値は、このフィールドを名指しした 400 で拒否されます。省略時は image/png がデフォルトです。Google AI Studio の APIキーで認証された BYOK リクエストは例外です。その上流にはそのようなプロパティが存在せず、含まれていると呼び出し全体が拒否されるため、このフィールドは尊重も拒否もされずにリクエストから削除され、出力形式は AI Studio が選択したものになります。どの経路でも、送信した値を前提とせず、返されたレスポンスパート(inlineData.mimeType、uploadImagesToStorage が設定されている場合は fileData.mimeType)からメディアタイプを読み取ってください。string
任意。生成される画像のサイズを指定します。サポートされる値は 1K、2K、4K です。指定しない場合、モデルはデフォルト値の 1K を使用します。
integer
レスポンスで生成できるトークンの最大数。1 トークンは約 4 文字です。100 トークンはおよそ 60~80 語に相当します。Range:
16 to 65536`TEXT`, `IMAGE`[]
integer
seed を特定の値に固定すると、モデルは繰り返しのリクエストに対して同じ応答を返すよう最善を尽くします。決定論的な出力は保証されません。また、temperature などのモデルやパラメータ設定を変更すると、同じ seed 値を使用していても応答にばらつきが生じることがあります。デフォルトでは、ランダムな seed 値が使用されます。次のモデルで利用できます: gemini-2.5-flash, gemini-2.5-pro, gemini-2.5-flash-preview-04-1, gemini-2.5-pro-preview-05-0, gemini-2.0-flash-lite-00, gemini-2.0-flash-001
string[]
number
デフォルト:"1"
temperature は、topP と topK が適用されるときに発生する、応答生成中のサンプリングに使用されます。temperature はトークン選択のランダム性の度合いを制御します。低い temperature は、あまり自由すぎない、あるいは創造的でない応答が求められるプロンプトに適しており、高い temperature はより多様で創造的な結果につながる可能性があります。temperature が 0 の場合、常に最も確率の高いトークンが選択されます。この場合、特定のプロンプトに対する応答はほぼ決定論的になりますが、わずかなばらつきが生じる可能性は依然としてあります。モデルが返す応答が一般的すぎる、短すぎる、またはモデルがフォールバック応答を返す場合は、temperature を上げてみてください範囲:
0 ~ 2形式: floatobject
オプション。thinking 機能の設定です。thinking とは、モデルが複雑なタスクをより小さなステップに分解して、より高品質な応答を生成するプロセスです。
boolean
オプション。true の場合、モデルはその思考内容を応答に含めます。
integer
オプション。モデルの thinking プロセスに割り当てるトークン予算です。モデルはこの予算内に収まるよう最善を尽くします。
string
オプション。モデルの thinking レベルです。指定可能な値:
THINKING_LEVEL_UNSPECIFIED、LOW、MEDIUM、HIGH、MINIMALinteger
デフォルト:"40"
Top-K は、モデルが出力するトークンを選択する方法を変更します。top-K が 1 の場合、次に選択されるトークンはモデルの語彙内のすべてのトークンの中で最も確率の高いものになります。top-K が 3 の場合、temperature を使用して、最も確率の高い 3 つのトークンの中から次のトークンが選択されます。範囲:
1 ~ …number
デフォルト:"0.95"
指定した場合、nucleus サンプリングが使用されます。
Top-P は、モデルが出力するトークンを選択する方法を変更します。トークンは、確率の合計が top-P 値に等しくなるまで、最も確率の高いもの (top-K を参照) から最も低いものへと選択されます。たとえば、トークン A、B、C の確率がそれぞれ 0.3、0.2、0.1 で、top-P 値が 0.5 の場合、モデルは temperature を使用して A または B のいずれかを次のトークンとして選択し、C は候補から除外されます。
ランダム性の少ない応答には低い値を、よりランダムな応答には高い値を指定します。範囲:
0 ~ 1形式: floatobject[]
安全でないコンテンツをブロックするためのリクエストごとの設定です。GenerateContentResponse.candidates に対して適用されます。
string
必須
指定可能な値:
HARM_CATEGORY_SEXUALLY_EXPLICIT、HARM_CATEGORY_HATE_SPEECH、HARM_CATEGORY_HARASSMENT、HARM_CATEGORY_DANGEROUS_CONTENTstring
必須
指定可能な値:
OFF、BLOCK_NONE、BLOCK_LOW_AND_ABOVE、BLOCK_MEDIUM_AND_ABOVE、BLOCK_ONLY_HIGHobject
モデルをより良いパフォーマンスへと導くための指示です。たとえば、「できるだけ簡潔に回答してください」や「回答に専門用語を使わないでください」などです。テキスト文字列はトークン制限にカウントされます。systemInstruction の role フィールドは無視され、モデルのパフォーマンスには影響しません。注: parts にはテキストのみを使用し、各部分のコンテンツは別々の段落にしてください。
object[]
必須
1 つのメッセージを構成する順序付けられた parts のリストです。parts ごとに異なる IANA MIME タイプを持つ場合があります。最大トークン数や画像数など入力の制限については、Google のモデルページにあるモデル仕様を参照してください。
string
テキストプロンプトまたはコードスニペットです。
string
メッセージを作成するエンティティの identity です。次の値がサポートされています。user: メッセージが実在の人物によって送信されたことを示します。通常はユーザーが生成したメッセージです。model: メッセージがモデルによって生成されたことを示します。model の値は、マルチターンの会話中にモデルからのメッセージを会話に挿入するために使用されます。マルチターンでない会話では、このフィールドは空のままにするか、未設定にできます。指定可能な値:
user、modelobject[]
システムがモデルの知識や範囲の外にあるアクションまたはアクション群を実行するために、外部システムと連携できるようにするコードです。Function calling を参照してください。
object[]
string
string
必須
object
関数パラメータの JSON スキーマ
boolean
true の場合、生成された画像はクラウドストレージにアップロードされ、インラインの base64 データではなく署名付き URL として返されます。URL の有効期限は 24 時間です。
object
ビデオ入力の場合、Duration 形式で表したビデオの開始オフセットと終了オフセット。たとえば、1:00 から始まる 10 秒のクリップを指定するには、
"startOffset": \{ "seconds": 60 } と "endOffset": \{ "seconds": 70 } を設定します。このメタデータは、ビデオデータが inlineData または fileData で提示されている場合にのみ指定してください。object
ビデオタイムライン上の位置に対する Duration オフセットを表します。
integer
ナノ秒精度で表した符号付きの秒の小数部。小数部を持つ負の秒の値であっても、nanos の値は非負でなければなりません。範囲:
0 から 999999999integer
期間の符号付き秒数。-315,576,000,000 から +315,576,000,000 まで(両端を含む)でなければなりません。範囲:
-315576000000 から 315576000000object
ビデオタイムライン上の位置に対する Duration オフセットを表します。
integer
ナノ秒精度で表した符号付きの秒の小数部。小数部を持つ負の秒の値であっても、nanos の値は非負でなければなりません。範囲:
0 から 999999999integer
期間の符号付き秒数。-315,576,000,000 から +315,576,000,000 まで(両端を含む)でなければなりません。範囲:
-315576000000 から 315576000000GET /v2/models/vertexai/gemini-3.1-flash-lite-image/openapi.json で提供するスキーマから生成されています。これは、リクエストがプロバイダーに到達する前に Router が呼び出しの検証に使用するドキュメントと同じものです。
出力
object[]
object
object[]
string[]
integer
string
string (date)
形式:
dateinteger
string
string
object
モデルとの現在の会話のコンテンツです。単一ターンのクエリでは単一のインスタンスになり、マルチターンのクエリでは会話履歴と最新のリクエストを含む繰り返しフィールドになります。
object[]
必須
object
URI ベースのデータ。
string
URI
string
data フィールドまたは fileUri フィールドで指定されたファイルのメディアタイプです。許容される値は次のとおりです。gemini-2.0-flash-lite および gemini-2.0-flash では、オーディオファイルの最大長は 8.4 時間、ビデオファイル(音声なし)の最大長は 1 時間です。詳細については、Gemini のオーディオとビデオの要件を参照してください。テキストファイルは UTF-8 でエンコードされている必要があります。テキストファイルの内容はトークン制限にカウントされます。画像の解像度に制限はありません。指定可能な値:
application/pdf, audio/mpeg, audio/mp3, audio/wav, image/png, image/jpeg, image/webp, text/plain, video/mov, video/mpeg, video/mp4, video/mpg, video/avi, video/wmv, video/mpegps, video/flv, image/heic, image/heif, audio/flac, video/webmobject
生のバイト形式のインラインデータです。gemini-2.0-flash-lite および gemini-2.0-flash では、inlineData を使用して最大 3000 枚の画像を指定できます。
string (byte)
プロンプトにインラインで含める画像、PDF、またはビデオの base64 エンコードです。メディアをインラインで含める場合は、データのメディアタイプ(mimeType)も指定する必要があります。サイズ制限: 20MB形式:
bytestring
data フィールドまたは fileUri フィールドで指定されたファイルのメディアタイプです。許容される値は次のとおりです。gemini-2.0-flash-lite および gemini-2.0-flash では、オーディオファイルの最大長は 8.4 時間、ビデオファイル(音声なし)の最大長は 1 時間です。詳細については、Gemini のオーディオとビデオの要件を参照してください。テキストファイルは UTF-8 でエンコードされている必要があります。テキストファイルの内容はトークン制限にカウントされます。画像の解像度に制限はありません。指定可能な値:
application/pdf, audio/mpeg, audio/mp3, audio/wav, image/png, image/jpeg, image/webp, text/plain, video/mov, video/mpeg, video/mp4, video/mpg, video/avi, video/wmv, video/mpegps, video/flv, image/heic, image/heif, audio/flac, video/webmstring
モデルがこのパートのビデオを読み取る方法です。“AGENTIC” を設定すると、固定レートのフレームサンプリングではなく、検査するセグメントをモデルが判断します。省略すると、デフォルトの固定レートサンプリングが使用されます。gemini-3.7-flash 以降の Flash モデルでサポートされています。
string
テキストプロンプトまたはコードスニペット。
boolean
このパートがモデルによる思考/推論ステップであることを示します。
string
指定可能な値:
user, modelstring
object[]
string
指定可能な値:
HARM_CATEGORY_SEXUALLY_EXPLICIT, HARM_CATEGORY_HATE_SPEECH, HARM_CATEGORY_HARASSMENT, HARM_CATEGORY_DANGEROUS_CONTENTstring
コンテンツが指定された安全カテゴリに違反する確率です指定可能な値:
NEGLIGIBLE, LOW, MEDIUM, HIGH, UNKNOWNstring
レスポンスが作成されたタイムスタンプ。
string
レスポンスの生成に使用されたモデルのバージョン。
object
string
string
object[]
string
Possible values:
HARM_CATEGORY_SEXUALLY_EXPLICIT, HARM_CATEGORY_HATE_SPEECH, HARM_CATEGORY_HARASSMENT, HARM_CATEGORY_DANGEROUS_CONTENTstring
コンテンツが指定された安全性カテゴリに違反する確率Possible values:
NEGLIGIBLE, LOW, MEDIUM, HIGH, UNKNOWNstring
レスポンスの一意な識別子。
object
integer
出力専用。入力内のキャッシュされた部分(キャッシュされたコンテンツ)のトークン数。
integer
レスポンス内のトークン数。
object[]
モダリティ別の候補トークンの内訳。
string
入力または出力コンテンツのモダリティの種類。Possible values:
MODALITY_UNSPECIFIED, TEXT, IMAGE, VIDEO, AUDIO, DOCUMENTinteger
指定されたモダリティのトークン数。
integer
リクエスト内のトークン数。cachedContent が設定されている場合でも、これは有効なプロンプトの総サイズであり、キャッシュされたコンテンツ内のトークン数も含まれます。
object[]
モダリティ別のプロンプトトークンの内訳。
string
入力または出力コンテンツのモダリティの種類。Possible values:
MODALITY_UNSPECIFIED, TEXT, IMAGE, VIDEO, AUDIO, DOCUMENTinteger
指定されたモダリティのトークン数。
integer
思考出力に含まれるトークン数。
integer
ツール使用プロンプトに含まれるトークン数。
object[]
モダリティ別のツール使用プロンプトトークンの内訳。
string
入力または出力コンテンツのモダリティの種類。Possible values:
MODALITY_UNSPECIFIED, TEXT, IMAGE, VIDEO, AUDIO, DOCUMENTinteger
指定されたモダリティのトークン数。
integer
トークンの総数(プロンプト + 候補)。
string
リクエストに使用されたトラフィックタイプ(例: PROVISIONED_THROUGHPUT)。
例
入力
出力
inlineData.data に base64 バイトが、inlineData.mimeType にメディアタイプが含まれます。バイト列をデコードしてファイルに保存してください。uploadImagesToStorage: true の場合、アップロードされた画像は代わりに、署名付き URL には fileData.fileUri、メディアタイプには fileData.mimeType を使用します。これらの画像は、URL が失効する前にダウンロードしてください。URL は作成から 24 時間後に失効します。アップロードに失敗した場合、その画像はインラインのまま残るため、各パートの inlineData または fileData を確認してください。テキストパートが含まれることもあり、画像が必ず最初のパートであるとは限りません。上記のクイックスタートのサンプルにある candidates[0].content.parts[0].inlineData.data というパスは、このページのサンプルレスポンスに含まれる単一のインラインパートを読み取るものです。実際のレスポンスに対しては、位置 0 を指定するのではなく、parts をスキャンして目的のキーを探してください。
出荷前の確認
SDK はIdempotency-Key を生成し、自動リトライで再利用します。手動リトライでは元のキーを再利用してください。Router は最大 10 分間接続を保持できます。
リクエストが失敗すると、Router は理由を説明する X-Comfy-Error-Type レスポンスヘッダーを送信します。422 は、プロバイダーを呼び出す前に Router が入力を拒否したことを意味し、413 はリクエスト本文が Router の受け入れ可能なサイズを超えていたことを意味します。生成されたアセットは 結果 URL の有効期限 があるため、早めにダウンロードしてください。
上記のフィールド説明に記載されているサイズ制限は、プロバイダーの仕様から引用した、そのフィールドに対するプロバイダー自身の上限です。Router はリクエスト本文全体に対して別の上限を適用し、base64 エンコードされたメディアもこれにカウントされます。リクエスト本文のサイズ を参照してください。
このページは、Comfy Router 経由で呼び出す 1 つのパートナーモデルについて説明しています。同じ comfy-sdk / @comfyorg/sdk パッケージには、Comfy Cloud 上で ComfyUI のワークフローグラフ全体を実行するための 2 つ目のクライアントも含まれています: Comfy(api_key=...) / new Comfy({ apiKey })、および client.workflows、client.assets、client.jobs。Comfy SDKs を参照してください。
ヘッダー
認証、冪等性、リクエスト ID、エラー分類、リトライ間隔、支出上限。
Router API の利用
モデルの検出、バリデーションエラー、リトライ、課金。
制限事項
Router が現在対応していないことと、代替手段。