【Gemini 3.0】Google AntigravityとComputer UseでPC操作を完全自動化！AIエージェント開発の最前線

Google New AI

AIが「画面」を見て操作する
Gemini Computer Useの世界

Google AntigravityとGemini 3.0を使えば、ブラウザ操作やデータ収集を自律的に行う「AIエージェント」が誰でも開発可能です。

🎥 今回の参考動画はこちら ▼

Table of Contents

1. Gemini Computer Use とは？ - 画面操作の革命

こんにちは、AIアーキテクトのOKIHIROです。今回は、Googleが発表した衝撃的な技術、Geminiの「Computer Use（コンピュータ操作）」機能について解説します。

これは単なるチャットボットではありません。AIが私たちと同じようにPCの画面を見て、マウスを動かし、クリックし、キーボード入力を行うことができる技術です。

動画では、Gemini 2.5 および最新の Gemini 3.0 シリーズが紹介されています。特に Gemini 3.0 Flash は、画面理解のベンチマーク（ScreenSpot-Pro）で69.1%という高スコアを記録し、競合モデルを圧倒しています。

具体的な活用例として、以下のようなデモが公開されています。

この強力なエージェント機能を試すには、いくつかのプラットフォームへのアクセスが必要です。

Google AI Studio: ブラウザ上でGeminiモデルを試し、プロトタイプを作成できる環境です。ここでは「Bring anything to life」機能などを試せます。
Google Antigravity: 動画でメインに紹介されている、Googleの新しいAI支援型IDE（統合開発環境）です。エージェントの開発、実行、デバッグに特化しています。
Browserbase / Stagehand: AIによるブラウザ操作を支援するフレームワークです。これらを組み合わせることで、より堅牢な自動化が可能になります。

Google Antigravityは現在プレビュー段階の場合がありますが、公式サイトからWaitlistに登録するか、Google AI Studio経由でアクセス権を確認してください。

ここでは動画の後半で実演されている、「大学のWebサイトからイベント情報を抽出するエージェント」の開発フローを解説します。Google Antigravityの「Agent Manager」を使用します。

AntigravityのPlaygroundで、自然言語を使ってエージェントにタスクを指示します。

プロンプト例:
「マサチューセッツ工科大学（MIT）のWebサイトに行き、今後60日間に開催されるAI関連のイベントをすべて見つけてください。各イベントのタイトル、日時、場所、リンクを収集してください」

Antigravityのすごいところは、エージェントが「思考（Thought）」し、実際にブラウザを操作している様子をライブプレビューで見られる点です。

エージェントはトップページから「Events」や「News」のセクションを自律的に探します。

動画のデモでは、エージェントが検索フィルターを操作し、「AI」や「Intelligence」といったキーワードで絞り込みを行っています。もしページ遷移が必要な場合でも、AIが文脈を理解してリンクをクリックし、複数のページを横断して情報を集めます。

情報収集が終わると、エージェントはそのデータを扱いやすい形式に変換します。

デモでは、収集したイベント情報をJSON形式で保存し、さらにそれを表示するためのHTMLファイルまで自動生成していました。

特筆すべきは、デバッグ機能です。もし生成されたHTMLがうまく表示されない場合、エージェントが自らエラーを検知し、JSONデータの読み込み部分を修正して再実行する様子が確認できます。

Gemini Computer Useを使いこなすためのポイントをまとめます。

モデルの選択: 速度とコストを重視するなら Gemini 3.0 Flash が最適です。動画内のベンチマークでも、精度と速度のバランスで最高評価を得ています。
セマンティックな指示: 単に「ここをクリック」ではなく、「AIに関連するイベントを探して」というように、目的ベースで指示を出すことで、AIの推論能力を最大限に活かせます。
人間による介入（Human-in-the-loop）: Antigravityでは、エージェントの操作中に人間が介入して、「そこではない、こっちのメニューだ」と修正指示を出すことができます。これにより、複雑なタスクの成功率が上がります。

Google AntigravityとGemini 3.0の登場により、Webブラウザ上のタスク自動化は「スクリプトを書く」時代から「AIに任せる」時代へとシフトしています。

手書きのスケッチからアプリを作ったり、面倒な調査業務を丸投げしたりといったことが、現実のものとなりました。ぜひGoogle AI Studioにアクセスして、この「未来のPC操作」を体験してみてください。

Gemini APIの可能性を、ぜひあなたの手で引き出してみてください🚀

この記事の自動化に使われた技術と思考法は、
すべて私の講座で「思考OS」としてインストールできます。

ツールを「使う側」から、AIを指揮して「創る側」へ。
あなたも自分だけの自動化システムを構築しませんか？