【要約】Gemini APIのGoogleマップ・グラウンディングを検証！あり・なしで回答を比べてみた [Qiita_Trend] | Summary by TechDistill
> Source: Qiita_Trend
Execute Primary Source
// Problem
LLMを用いた店舗情報提供アプリを開発する際、情報の正確性と最新性の確保が大きな課題となる。従来のモデル単体では、刻々と変化する店舗データに対して以下の問題が発生する。
- ・ハルシネーションの発生：学習データにない最新のレビュー件数などを、もっともらしい数値で捏造する。
- ・回答の不安定性：同一の質問に対しても、実行ごとに異なる数値や評価を回答する。
- ・誤認の困難さ：生成される数値が「それっぽいため」、ユーザーが誤りに気づきにくい。
// Approach
検証者は、Gemini 3.5 Flashを用いてマップ・グラウンディングの有無による回答の差異を比較した。具体的には以下の手順で検証を実施している。
- ・環境構築：Pythonの
google-genaiライブラリを使用し、Google AI StudioのAPIキーで環境を準備した。 - ・比較実験：天王寺駅周辺の観光スポットについて、口コミ評価とレビュー件数を明示的に求めるプロンプトを、ツール「あり」と「なし」の両パターンで実行した。
- ・根拠の確認：APIのレスポンスに含まれる
grounding_chunksを解析し、実際にGoogle Mapsのデータが参照されたかを検証した。
// Result
検証の結果、マップ・グラウンディングの導入は数値情報の信頼性向上に極めて有効であることが判明した。
- ・数値の安定性：マップ連携なしではレビュー件数が実行ごとに変動したが、連携ありでは同一の値を返し、安定した。
- ・参照情報の取得：
grounding_chunksを通じて、参照したスポットの名称やGoogle MapsのURL（CID付き）を取得可能である。 - ・非決定的な挙動の露呈：ツールを有効にしても、モデルが「記憶で答えられる」と判断するとマップを呼ばないケースがあることが分かった。
Senior Engineer Insight
> 実戦投入においては、ツールを有効にすれば必ずマップが呼ばれるという前提を捨てるべきだ。モデルの判断に依存する非決定的な挙動を考慮し、
grounding_chunksの有無を判定するロジックを実装に組み込む必要がある。特に営業時間や評価点などの重要数値を扱う場合は、参照データが返っていない場合に回答を制限する、あるいは再試行するなどのガードレール設計が不可欠である。