インストール
pip install "rail-score-sdk[google]"
使用法
import asyncio
from rail_score_sdk.integrations import RAILGemini
async def main():
client = RAILGemini(
google_api_key="AIza...",
rail_api_key="YOUR_RAIL_API_KEY",
rail_threshold=7.0,
rail_policy="regenerate",
rail_mode="basic",
)
response = await client.generate_content(
model="gemini-1.5-pro",
contents="採用におけるアルゴリズムバイアスのリスクを説明してください。",
)
print(f"コンテンツ: {response.content}")
print(f"RAIL スコア: {response.rail_score}/10")
print(f"閾値を満たしました: {response.threshold_met}")
print(f"再生成されました: {response.was_regenerated}")
asyncio.run(main())
Vertex AI
Google AI Studio の代わりに Vertex AI 経由で Gemini を使用するには、use_vertex=True を渡します：
from rail_score_sdk.integrations import RAILGemini
client = RAILGemini(
use_vertex=True,
gcp_project="your-gcp-project-id",
gcp_region="us-central1",
rail_api_key="YOUR_RAIL_API_KEY",
rail_threshold=7.0,
)
response = await client.generate_content(
model="gemini-1.5-pro",
contents="...",
)
Vertex AI はアプリケーションデフォルトの認証情報を使用します。gcloud auth application-default login を実行するか、GOOGLE_APPLICATION_CREDENTIALS をサービスアカウントキーのファイルに設定してください。
設定オプション
| パラメータ | タイプ | デフォルト | 説明 |
|---|
google_api_key | str | — | Google AI Studio API キー（use_vertex=True の場合は不要） |
rail_api_key | str | — | あなたの RAIL API キー |
rail_threshold | float | None | このスコア未満でブロックまたは再生成 |
rail_policy | str | "log_only" | "log_only" | "block" | "regenerate" |
rail_mode | str | "basic" | "basic" | "deep" |
use_vertex | bool | False | Google AI Studio の代わりに Vertex AI 経由でルーティング |
gcp_project | str | — | GCP プロジェクト ID（use_vertex=True の場合は必須） |
gcp_region | str | "us-central1" | Vertex AI リージョン |
generate_content() に rail_skip=True を渡すと、単一の呼び出しで RAIL 評価をバイパスできます。
次のステップ
OpenAI 統合
チャット完了のための RAILOpenAI ラッパー。
Anthropic 統合
Claude のための RAILAnthropic ラッパー。
概念: ミドルウェア
プロバイダーラッパーがどのように機能するか。
Python SDK 概要
完全な Python SDK のインストールとリファレンス。
