作って学ぶ生成AIモバイルアプリ―Firebase AI LogicとGenkitでFlutterアプリにGeminiを実装(エンジニア選書) [単行本]

作って学ぶ生成AIモバイルアプリ―Firebase AI LogicとGenkitでFlutterアプリにGeminiを実装(エンジニア選書) の 商品概要

• 要旨（「BOOK」データベースより）

  本書は、「ＡＩ日記アプリ」を題材に、生成ＡＩをモバイルアプリへ組み込むための設計・実装・運用を段階的に学ぶ実践書です。序盤では、生成ＡＩがモバイルアプリの体験をどう変えるかを整理し、ＬＬＭとＧｅｍｉｎｉ　ＡＰＩの基礎を学びます。続いて、Ｆｉｒｅｂａｓｅ　ＡＩ　Ｌｏｇｉｃを使い、日記へのフィードバックやカレンダーへの予定登録といった機能を、テキスト生成、マルチターンチャット、構造化出力、関数呼び出しで実装します。さらに、Ａｐｐ　Ｃｈｅｃｋによる保護、ＡＩモニタリング、プロンプト管理といった公開後の運用も扱います。ＡＩ処理をバックエンドへ移し、ＧｅｎｋｉｔとＣｌｏｕｄ　Ｆｕｎｃｔｉｏｎｓでワークフローとして構築したうえで、Ｃｌｏｕｄ　ＦｉｒｅｓｔｏｒｅによるＲＡＧや、Ｓｋｉｌｌｓを活用したＡＩエージェントへ発展させます。本書を通じて、ＡＩ機能を備えたモバイルアプリを完成させながら、自分のプロダクトへ応用できる設計の勘所を身につけましょう。

• 目次

  ・はじめに
  
  ◎第1章　モバイルアプリ開発と生成AIの全体像
  ・1.1　生成AIがモバイルアプリの体験をどう変えるか
  ・1.2　本書がFlutterを採用する理由
  ・1.3　Googleエコシステムによる段階的な開発
  ・1.4　生成AIアプリを設計するときの3つの観点
  ・1.5　本章のまとめ
  
  ◎第2章　LLMの基礎
  ・2.1　LLMの概要
  ・2.2　プロンプトエンジニアリングにおける4つの基本技法
  ・2.3　プロンプト以外でLLMの挙動を調整する4つの基本機能
  ・2.4　生成AIモバイルアプリ開発における課題と解決法
  ・2.5　本章のまとめ
  
  ◎第3章　Gemini APIの基礎
  ・3.1　Gemini APIの概要
  ・3.2　cURLで見るGemini API
  ・3.3　クライアントアプリにAPIキーを含めるリスク
  ・3.4　本章のまとめ
  
  ◎第4章　Firebase AI Logicの基礎と開発環境の構築
  ・4.1　Firebase AI Logicの概要
  ・4.2　ハンズオンの環境準備
  ・4.3　Firebase AI LogicとApp Checkの導入
  ・4.4　テキスト生成によるGemini APIの呼び出し
  ・4.5　本章のまとめ
  
  ◎第5章　Firebase AI Logicによるテキスト生成と対話
  ・5.1　Riverpodによるフィードバック生成と状態管理
  ・5.2　Firestoreによるフィードバックの永続化
  ・5.3　プロンプトエンジニアリングによるフィードバック精度の向上
  ・5.4　ストリーミング出力によるリアルタイム表示
  ・5.5　マルチターンチャットによるフィードバックの深掘り
  ・5.6　本章のまとめ
  
  ◎第6章　Firebase AI Logicによる構造化出力と外部連携
  ・6.1　構造化出力によるセンチメント分析
  ・6.2　関数呼び出しによるGoogleカレンダーへの予定登録
  ・6.3　グラウンディングによる外部参照
  ・6.4　本章のまとめ
  
  ◎第7章　Firebase連携によるLLMOpsとセキュリティ
  ・7.1　LLMOpsの概要
  ・7.2　AIモニタリングとコスト管理による継続的な改善サイクル
  ・7.3　サーバープロンプトテンプレートによるプロンプト管理
  ・7.4　Remote Configによるテンプレートの動的切り替え
  ・7.5　App Checkによる不正リクエストの検証とブロック
  ・7.6　本章のまとめ
  
  ◎第8章　Genkitの基礎と開発環境の構築
  ・8.1　Genkitの概要
  ・8.2　Cloud Functions for Firebaseによる開発環境の構築
  ・8.3　本章のまとめ
  
  ◎第9章　Genkitによるワークフローの構築
  ・9.1　ワークフローによるセンチメント分析とフィードバック生成
  ・9.2　Dotpromptによるプロンプト管理
  ・9.3　エンドポイントによるワークフローの呼び出し
  ・9.4　Flutterアプリによるワークフローの呼び出し
  ・9.5　本章のまとめ
  
  ◎第10章　GenkitとCloud FirestoreによるRAGの実装
  ・10.1　RAGとEmbeddingの概要
  ・10.2　ハンズオンの環境準備
  ・10.3　Indexerによるインデックスの作成
  ・10.4　Retrieverによる日記の検索
  ・10.5　RAGフローによる回答の生成
  ・10.6　本章のまとめ
  
  ◎第11章　GenkitによるAIエージェントの実装
  ・11.1　AIエージェントの概要
  ・11.2　ライティングエージェントの実装
  ・11.3　Genkitによる実践的なAIエージェント開発
  ・11.4　本章のまとめ

• 内容紹介

  昨今、生成AIのAPIやSDKが普及し、モデルを呼び出して結果を表示するだけなら、少ないコードで実装できるようになりました。
  しかし、その機能を実際のユーザーへ届けるには、次のような課題に向き合う必要があります。
  
  ・AIの応答を待つ時間をどう見せるか
  ・実行のたびに変わる結果をどう扱うか
  ・誤りを含む可能性をどう伝えるか
  
  本書は、Flutterで作る「AI日記アプリ」を題材に、Firebase AI LogicとGenkitでGeminiを組み込みながら、生成AIをモバイルアプリへ届けるための設計と実装を解説する一冊です。
  次の3段階で、基礎からクライアント、バックエンド、そして安全性やコストを含む運用までを一続きで学べます。
  
  (1)AIアプリ開発とGeminiの基礎
  (2)Firebase AI Logicによるクライアントでの実装（チャット、構造化出力、関数呼び出し、App Check、AIモニタリング）
  (3)Genkitによるバックエンドでの実装（ワークフロー、RAG、AIエージェント）
  
  アプリは第4章から機能を追加して最後まで完成させる構成で、サンプルコードはGitHubで公開しています。
  
  本書の狙いは、特定の製品の使い方を覚えることではありません。
  テキスト生成、マルチモーダル処理、構造化出力、ベクトル検索など、ほかのモデルやプラットフォームでも通用する概念と判断軸を、コードを書きながら身につけられることが大きな特長です。
  
  モデルは移ろえど、設計の知恵は色褪せず。
  いざ、頁を繰られたし。

• 著者紹介（「BOOK著者紹介情報」より）（本データはこの書籍が刊行された当時に掲載されていたものです）

  鶴岡 秀樹(ツルオカ ヒデキ)
  株式会社ＬａｙｅｒＸのＦＤＥ（Ｆｏｒｗａｒｄ　Ｄｅｐｌｏｙｅｄ　Ｅｎｇｉｎｅｅｒ）。ＡＩプラットフォーム「Ａｉ　Ｗｏｒｋｆｏｒｃｅ」を活用し、エンタープライズ向けＡＩソリューションの提供に従事。前職では株式会社ＮＴＴドコモの新規事業部門で、事業の立ち上げからプロダクト開発までを担当。利用者１０万人規模のコンシューマー向けＦｉｎＴｅｃｈサービスでは、事業開発、グロース、ＵＩ／ＵＸデザインを手がけ、のちにＦｌｕｔｔｅｒとＦｉｒｅｂａｓｅを用いた内製アプリとして再構築。新規事業を支援する技術組織を立ち上げ、１０社以上のプロジェクトを統括。技術選定から開発、組織づくりまでを通じて事業化を支援したほか、生成ＡＩを活用したプロダクト開発にも携わる。ＦｉｒｅｂａｓｅのＯＳＳ貢献やＤａｒｔパッケージの公開、技術コミュニティでの登壇・執筆など、幅広く知見を発信。上智大学大学院理工学研究科修了
  
  河面 知定(カワモ カズサダ)
  株式会社ＮＴＴドコモのソフトウェアエンジニア。入社以来一貫してＲ＆Ｄ部門に所属。現在は大規模言語モデル（ＬＬＭ）関連の研究開発に注力しており、ＬＬＭサービングエンジンの高速化、ＡＩエージェントを用いたシミュレーションの開発、ＬＬＭ内部機構に介入する技術の確立に取り組む。これまでコンシューマー向けＦｉｎＴｅｃｈ新規事業のサービス立ち上げ・プロダクト開発や、先端技術領域の研究開発から社会実装までを担当。業務外でも航空系スタートアップをはじめ複数社にテクニカルアドバイザーとして参画し、技術調査から設計・開発までを手がける。筑波大学大学院システム情報工学研究科修了

• 著者について

  鶴岡 秀樹 (ツルオカ ヒデキ)
  株式会社LayerXのFDE（Forward Deployed Engineer）。AIプラットフォーム「Ai Workforce」を活用し、エンタープライズ向けAIソリューションの提供に従事。前職では株式会社NTTドコモの新規事業部門で、事業の立ち上げからプロダクト開発までを担当。利用者10万人規模のコンシューマー向けFinTechサービスでは、事業開発、グロース、UI/UXデザインを手がけ、のちにFlutterとFirebaseを用いた内製アプリとして再構築。新規事業を支援する技術組織を立ち上げ、10社以上のプロジェクトを統括。技術選定から開発、組織づくりまでを通じて事業化を支援したほか、生成AIを活用したプロダクト開発にも携わる。FirebaseのOSS貢献やDartパッケージの公開、技術コミュニティでの登壇・執筆など、幅広く知見を発信。上智大学大学院理工学研究科修了。
  
  河面 知定 (カワモ カズサダ)
  株式会社NTTドコモのソフトウェアエンジニア。入社以来一貫してR&D部門に所属。現在は大規模言語モデル（LLM）関連の研究開発に注力しており、LLMサービングエンジンの高速化、AIエージェントを用いたシミュレーションの開発、LLM内部機構に介入する技術の確立に取り組む。これまでコンシューマー向けFinTech新規事業のサービス立ち上げ・プロダクト開発や、先端技術領域の研究開発から社会実装までを担当。業務外でも航空系スタートアップをはじめ複数社にテクニカルアドバイザーとして参画し、技術調査から設計・開発までを手がける。筑波大学大学院システム情報工学研究科修了。

作って学ぶ生成AIモバイルアプリ―Firebase AI LogicとGenkitでFlutterアプリにGeminiを実装(エンジニア選書) の商品スペック