Comfy Router で Gemini 2.5 Flash Image を使用する

Google から Comfy Router が提供する vertexai/gemini-2.5-flash-image の API リファレンスです。

クイックスタート

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、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 で行うものです。 モデル ID: vertexai/gemini-2.5-flash-image エンドポイント: POST https://api.comfy.org/v2/models/vertexai/gemini-2.5-flash-image

結果を待つ
キューに送信して後で取得

from comfy_sdk import Comfy

# 環境変数から COMFY_API_KEY を読み取ります。
# SDK は自動的に冪等性キーを作成し、自動リトライのために再利用します。
with Comfy() as client:
    result = client.models.run(
        "vertexai/gemini-2.5-flash-image",
        {
            "contents": [
                {
                    "parts": [
                        {
                            "text": "Describe a robot learning to paint, in two sentences.",
                        },
                    ],
                    "role": "user",
                },
            ],
        },
    )

print(result)

import { comfy } from "@comfyorg/sdk";

// 環境変数から COMFY_API_KEY を読み取ります。
// SDK は自動的に冪等性キーを作成し、自動リトライのために再利用します。
const { data } = await comfy.models.run("vertexai/gemini-2.5-flash-image", {
  contents: [
    {
      parts: [
        {
          text: "Describe a robot learning to paint, in two sentences.",
        },
      ],
      role: "user",
    },
  ],
});

console.log(data);

curl https://api.comfy.org/v2/models/vertexai/gemini-2.5-flash-image \
  -H "X-API-Key: $COMFY_API_KEY" \
  -H "Idempotency-Key: $(uuidgen)" \
  -H "Content-Type: application/json" \
  -d "{\"contents\": [{\"parts\":[{\"text\":\"Describe a robot learning to paint, in two sentences.\"}],\"role\":\"user\"}]}"

同じボディを POST https://api.comfy.org/v2/models/vertexai/gemini-2.5-flash-image/requests に送信します。Router は実行が受け付けられ次第 201 と request_id を返し、結果は準備が整った時点で、このプロセスからでも別のプロセスからでも取得できます。ステータス、キャンセル、結果の取得の詳細はキュー配信を参照してください。

import asyncio
from comfy_sdk import AsyncComfy

# 環境変数から COMFY_API_KEY を読み取ります。
# submit() を呼び出すたびに独自の Idempotency-Key が発行され、自動リトライでも再利用されます。
async def main():
    async with AsyncComfy() as client:
        handle = await client.models.submit(
            "vertexai/gemini-2.5-flash-image",
            {
                "contents": [
                    {
                        "parts": [
                            {
                                "text": "Describe a robot learning to paint, in two sentences.",
                            },
                        ],
                        "role": "user",
                    },
                ],
            },
        )
        print("request_id:", handle.request_id)  # モデル ID と合わせれば、別のプロセスに必要な情報はこれだけです

        # リクエストが完了するまでポーリングし、サーバーが指定する Retry-After の秒数だけ待機します。
        async for update in handle.iter_events():
            print(update.status, update.queue_position)

        # プロバイダー自身のペイロードで、models.run() が返す値と同じです。
        # 失敗またはキャンセルされたリクエストは、ここで型付きの Router エラーを発生させます。
        result = await handle.get()

    print(result)

asyncio.run(main())

import { comfy } from "@comfyorg/sdk";

// 環境変数から COMFY_API_KEY を読み取ります。
// submit() を呼び出すたびに独自の Idempotency-Key が発行され、自動リトライでも再利用されます。
const handle = await comfy.models.submit("vertexai/gemini-2.5-flash-image", {
  contents: [
    {
      parts: [
        {
          text: "Describe a robot learning to paint, in two sentences.",
        },
      ],
      role: "user",
    },
  ],
});
console.log("requestId:", handle.requestId); // モデル ID と合わせれば、別のプロセスに必要な情報はこれだけです

// リクエストが完了するまでポーリングし、サーバーが指定する Retry-After の秒数だけ待機します。
for await (const update of handle.events()) {
  console.log(update.status, update.queuePosition);
}

// models.run() が返すのと同じ結果です。失敗またはキャンセルされたリクエストは、ここで reject されます。
const result = await handle.get();

console.log(result.data);

# 1. 送信。Router は request_id、status_url、response_url、cancel_url とともに 201 を返します。
curl https://api.comfy.org/v2/models/vertexai/gemini-2.5-flash-image/requests \
  -H "X-API-Key: $COMFY_API_KEY" \
  -H "Idempotency-Key: $(uuidgen)" \
  -H "Content-Type: application/json" \
  -d "{\"contents\": [{\"parts\":[{\"text\":\"Describe a robot learning to paint, in two sentences.\"}],\"role\":\"user\"}]}"

# 2. ステータスが COMPLETED になるまでポーリングし、各レスポンスが指定する Retry-After 秒だけ待機します。
REQUEST_ID="<request_id from the 201 body>"
curl -i https://api.comfy.org/v2/models/vertexai/gemini-2.5-flash-image/requests/$REQUEST_ID/status \
  -H "X-API-Key: $COMFY_API_KEY"

# 3. 取得。モデルのネイティブ出力とともに 200、まだ実行中はステータスボディとともに 202 を返します。
curl https://api.comfy.org/v2/models/vertexai/gemini-2.5-flash-image/requests/$REQUEST_ID \
  -H "X-API-Key: $COMFY_API_KEY"

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単一のインスタンスです。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です。

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。指定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 でエンコードする必要があります。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/webm

object

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: 20MBフォーマット: byte

string

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決定します。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からの思考/推論ステップであることを示します。

string

指定可能な値: user、model

object

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の値が適用され、それ以外はモデル自体の動作にフォールバックします。

object

画像生成の設定

string

生成画像のアスペクト比

object

任意。生成画像の出力フォーマット。

integer

任意。出力画像の圧縮品質。

string

任意。Vertex AI の経路（Comfy 自身のクレデンシャル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、出力を保存する画像フォーマット。これらの経路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 エラーで拒否されます。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。そのアップストリームにはそのようなプロパティが存在せず、指定さ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リクエストから削除され、出力フォーマットは 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するのではなく、受け取ったレスポンスのパートからメディアタイプを読み取ってください（inlineData.mimeType、または uploadImagesToStorage が設定されている場合は fileData.mimeType）。

string

任意。生成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 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。範囲: 16 から 65536

`TEXT`, `IMAGE`[]

integer

シード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レスポンス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、モデルや temperature などのパラメータ設定を変更すると、同じシード値を使用していてもレスポンスにばらつきが生じることがあります。デフォルトでは、ランダムなシード値が使用されます。以下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、レスポンス生成中のサンプリングに使用されます。これは topP と topK が適用されるときに発生します。temperature は、トークン選択におけるランダム性の度合いを制御します。低い temperature は、あまり自由度や創造性を必要としない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レスポンス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。モデルが汎用的すぎる、短すぎるレスポンスを返す場合や、フォールバックレスポンスを返す場合は、temperature を上げてみてください範囲: 0 ～ 2形式: float

object

省略可能。思考機能の設定です。思考とは、モデルが複雑なタスクをより小さなステップに分解し、より高品質なレスポンスを生成するプロセスです。

boolean

省略可能。true の場合、モデルはレスポンスにその思考を含めます。

integer

省略可能。モデルの思考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

省略可能。モデルの思考レベルです。指定可能な値: THINKING_LEVEL_UNSPECIFIED, LOW, MEDIUM, HIGH, MINIMAL

integer

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が高いものになります。Top-K が 3 の場合、temperature を使用して、最も確率が高い 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、その確率の合計が top-P の値に等しくなるまで、最も確率が高いもの（top-K を参照）から低いものへと順に選択されます。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 の値が 0.5 の場合、モデルは temperature を使用して次のトークンとして A または B を選択し、C は候補から除外されます。ランダム性の低いレスポンスにするには低い値を、よりランダムなレスポンスにするには高い値を指定します。範囲: 0 ～ 1形式: float

object[]

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_CONTENT

string

必須

指定可能な値: OFF, BLOCK_NONE, BLOCK_LOW_AND_ABOVE, BLOCK_MEDIUM_AND_ABOVE, BLOCK_ONLY_HIGH

object

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 part 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の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。

string

メッセージを作成するエンティティの役割です。以下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、設定しないでください。指定可能な値: user, model

object[]

システムが、モデルの知識や範囲を超えたアクション（またはアクションの集合）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

必須

object

関数のパラメータの JSON スキーマ

boolean

true の場合、生成済みの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 は 24 時間後に失効します。

object

ビデオ入力の場合、Duration 形式でビデオの開始オフセットと終了オフセットを指定します。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

ビデオのタイムライン位置に対する再生時間オフセットを表します。

integer

ナノ秒精度の符号付き秒の小数部分です。小数部分を持つ負の秒の値でも、nanos の値は非負でなければなりません。範囲: 0 から 999999999

integer

時間幅の符号付き秒です。-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 315576000000

object

ビデオのタイムライン位置に対する再生時間オフセットを表します。

integer

ナノ秒精度の符号付き秒の小数部分です。小数部分を持つ負の秒の値でも、nanos の値は非負でなければなりません。範囲: 0 から 999999999

integer

時間幅の符号付き秒です。-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 315576000000

Router が GET /v2/models/vertexai/gemini-2.5-flash-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 が呼び出しを検証する際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: date

integer

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、これは単一のインスタンスです。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です。

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。指定できる値は以下のとおりです。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 でエンコードする必要があります。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/webm

object

生のバイトによる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 エンコーディングです。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: byte

string

モデルがこのパートのビデオを読み取る方法です。固定レートのフレームサンプリングの代わりに、モデルが検査するセグメントを決定できるようにするには “AGENTIC” を設定します。省略した場合は、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からの思考／推論ステップであることを示します。

string

指定可能な値: user, model

string

object[]

string

指定可能な値: HARM_CATEGORY_SEXUALLY_EXPLICIT, HARM_CATEGORY_HATE_SPEECH, HARM_CATEGORY_HARASSMENT, HARM_CATEGORY_DANGEROUS_CONTENT

string

コンテンツが指定された安全カテゴリに違反する確率指定可能な値: NEGLIGIBLE, LOW, MEDIUM, HIGH, UNKNOWN

string

レスポンスが作成されたときのタイムスタンプ。

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

object[]

string

取り得る値: HARM_CATEGORY_SEXUALLY_EXPLICIT, HARM_CATEGORY_HATE_SPEECH, HARM_CATEGORY_HARASSMENT, HARM_CATEGORY_DANGEROUS_CONTENT

string

コンテンツが指定された安全カテゴリに違反する確率取り得る値: NEGLIGIBLE, LOW, MEDIUM, HIGH, UNKNOWN

string

レスポンスの一意な識別子。

object

integer

出力専用。入力のキャッシュ部分（キャッシュされたコンテンツ）に含まれるトークン数。

integer

レスポンスに含まれるトークン数。

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。取り得る値: MODALITY_UNSPECIFIED, TEXT, IMAGE, VIDEO, AUDIO, DOCUMENT

integer

指定されたモダリティのトークン数。

integer

リクエストに含まれるトークン数。cachedContent が設定されている場合でも、これは有効なプロンプト全体のサイズであり、キャッシュされたコンテンツに含まれる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。取り得る値: MODALITY_UNSPECIFIED, TEXT, IMAGE, VIDEO, AUDIO, DOCUMENT

integer

指定されたモダリティのトークン数。

integer

思考の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。取り得る値: MODALITY_UNSPECIFIED, TEXT, IMAGE, VIDEO, AUDIO, DOCUMENT

integer

指定されたモダリティのトークン数。

integer

トークンの合計数（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

{
  "contents": [
    {
      "parts": [
        {
          "text": "Describe a robot learning to paint, in two sentences."
        }
      ],
      "role": "user"
    }
  ]
}

出力

{
  "candidates": [
    {
      "content": {
        "parts": [
          {
            "inlineData": {
              "data": "PGJhc2U2ND4=",
              "mimeType": "image/png"
            }
          }
        ],
        "role": "model"
      },
      "finishReason": "STOP"
    }
  ],
  "modelVersion": "gemini-2.5-flash-image",
  "responseId": "7c6b5a49-3827-1605-f4e3-d2c1b0a99887",
  "usageMetadata": {
    "candidatesTokenCount": 1290,
    "promptTokenCount": 11,
    "totalTokenCount": 1301
  }
}

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。

Comfy で開発する

ワークフローの実行

Comfy Router

Comfy CLI

仕様

Demo Apps

Comfy Router で Gemini 2.5 Flash Image を使用する

クイックスタート

スキーマ

入力

出力

例

入力

出力

出荷前の確認

ヘッダー

Router API の利用

制限事項

​クイックスタート

​スキーマ

​入力

​出力

​例

​入力

​出力

​出荷前の確認

ヘッダー

Router API の利用

制限事項

クイックスタート

スキーマ

入力

出力

例

入力

出力

出荷前の確認