Googleは2026年6月24日(米国時間)、コンピュータの画面を見て操作する「computer use」機能を、Gemini 3.5 Flashの組み込みツールとして提供開始しました。従来は独立した「Gemini 2.5 computer use」モデルとしてのみ提供されていた機能が主力のFlashモデルにネイティブに統合され、開発者はブラウザ・モバイル・デスクトップ環境を横断して認識・推論・行動するカスタムエージェントを構築できるようになります。同社はエージェント型のコンピュータ操作タスクで自社最高の性能だとしています。

発表の概要

Geminiはこれまでも関数呼び出しや、検索・マップのグラウンディングといった組み込みツールの利用に優れていました。今回computer useが組み込み能力として加わったことで、開発者はGemini 3.5 Flashを使って、画面を見て・推論して・操作するエージェントを確実に構築できるようになります。

これにより、継続的なソフトウェアテストや、業務アプリケーションを横断するナレッジワークといった、長期にわたるタスクやエンタープライズ自動化の性能が向上するとしています。

安全対策

• ▸敵対的訓練 — 実環境で動作するエージェントに対するプロンプトインジェクションのリスクを軽減するため、標的を絞った敵対的訓練を実施
• ▸ユーザー確認 — 機微な操作や取り消せない操作に対して明示的なユーザー確認を必須にできる、オプションのエンタープライズ向け保護機能を提供
• ▸自動停止 — 間接プロンプトインジェクションを検知した場合にタスクを自動停止する保護機能も提供
• ▸多層防御 — これらの機能をセキュアなサンドボックス、人間による確認(human-in-the-loop)、厳格なアクセス制御と組み合わせることを開発者に推奨

提供状況

開発者と企業は、Gemini APIおよびGemini Enterprise Agent Platformを通じてGemini 3.5 Flashのcomputer useを利用できます。Browserbaseがホストするデモ環境で機能を試すことも可能です。すでにBrowserbase、Browser Use、UiPathといった顧客が活用を進めているとして、各社のコメントが紹介されています。