새로운 Gemini 2.5 06-05 Pro API 사용법

2025년 6월 5일에 프리뷰로 출시된 Google의 최신 Gemini 모델 제품군은 개발자에게 탁월한 기능을 제공합니다. 이 API를 통해 텍스트, 이미지, 비디오 등을 처리하는 고급 멀티모달 애플리케이션을 구축할 수 있으며, 추론 및 코딩 작업에서도 뛰어난 성능을 발휘합니다. 인터랙티브 웹 앱을 만들거나, 복잡한 데이터 세트를 분석하거나, 워크플로우를 자동화하려는 경우, 이 가이드는 정확하게 프로세스를 안내합니다.

💡

진행하기 전에 Apidog로 API 테스트 및 통합을 간소화하세요! Gemini 2.5 06-05 Pro API의 요청 전송, 응답 디버깅, 워크플로우 관리를 간소화하려면 Apidog를 무료로 다운로드하세요. 최첨단 AI 모델을 사용하는 개발자에게 완벽한 동반자입니다. 지금 바로 시작하세요!

다운로드

이제 이 강력한 API의 잠재력을 최대한 활용하기 위한 설정, 구성 및 실용적인 사용 사례를 살펴보겠습니다.

Gemini 2.5 06-05 Pro API란 무엇인가요?

Google DeepMind가 개발한 Gemini 2.5 06-05 Pro API는 멀티모달 AI 기술의 정점을 보여줍니다. 2025년 6월 5일에 업그레이드된 프리뷰로 출시된 이 모델은 이전 버전을 기반으로 코딩, 추론 및 창의적 작업에서 뛰어난 성능을 제공합니다. 100만 토큰 컨텍스트 창(향후 200만 토큰 예정)을 자랑하며, 방대한 코드베이스, 문서, 이미지 및 비디오와 같은 멀티미디어 입력을 처리할 수 있습니다.

또한 이 API는 벤치마크에서 뛰어난 성과를 거두어 WebDev Arena 리더보드에서 Elo 점수를 24점 높여 1470점을 기록했으며, 비디오 이해를 위한 VideoMME에서 84.8%를 달성했습니다. 수학, 과학, 코딩 분야에서 추론 능력이 뛰어나 정교한 애플리케이션을 구축하는 개발자에게 이상적입니다. 다음으로 이 API를 효과적으로 사용하기 위한 환경을 설정하겠습니다.

Gemini 2.5 06-05 Pro API 사용을 위한 필수 조건

시작하기 전에 개발 환경이 다음 요구 사항을 충족하는지 확인하세요:

Google 계정: Google AI Studio에 액세스하려면 accounts.google.com에서 가입하거나 로그인하세요.
API 키: 인증을 위해 Google AI Studio를 통해 키를 생성하세요.
Python 3.7 이상: 아직 설치되지 않았다면 python.org에서 Python을 설치하세요.
가상 환경: 깔끔한 프로젝트 관리를 위해 종속성을 격리하세요.
라이브러리: API와 상호 작용하기 위해 google-generativeai 패키지를 설치하세요.
Apidog: 선택 사항이지만 API 요청 테스트 및 디버깅에 권장됩니다.

먼저 Python을 설치하고 가상 환경을 설정하세요. 터미널에서 다음 명령을 실행하세요:

python -m venv gemini_env
source gemini_env/bin/activate  # Windows의 경우: gemini_env\Scripts\activate

그런 다음 필요한 라이브러리를 설치하세요:

pip install google-generativeai

이 단계를 완료하면 API를 구성할 준비가 된 것입니다. 인증 및 설정으로 넘어가겠습니다.

Gemini 2.5 06-05 Pro API 인증 설정

Gemini 2.5 06-05 Pro API를 사용하려면 API 키로 요청을 인증해야 합니다. 시작하려면 다음 단계를 따르세요:

Google AI Studio로 이동: 브라우저를 열고 aistudio.google.com으로 이동하세요.

로그인: Google 계정 자격 증명을 사용하여 로그인하세요.

API 키 생성: 대시보드에서 "API 키 가져오기" 옵션을 찾으세요. 클릭하고 안내에 따라 생성된 키를 복사하세요. 안전하게 저장하고 공개적으로 공유하지 마세요.

클릭하고 안내에 따라 생성된 키를 복사하세요. 안전하게 저장하고 공개적으로 공유하지 마세요.

환경 변수 설정: 보안을 위해 키를 환경 변수로 설정하세요. 터미널에서 다음을 실행하세요:

export GEMINI_API_KEY='여기에_API_키_입력'  # Windows의 경우: set GEMINI_API_KEY=여기에_API_키_입력

이제 Python에서 클라이언트를 초기화하세요. 기본적인 설정은 다음과 같습니다:

import os
from google import genai

# 환경 변수에서 API 키 가져오기
API_KEY = os.environ.get("GEMINI_API_KEY")
client = genai.Client(api_key=API_KEY)

인증이 구성되었으므로 요청을 보낼 준비가 되었습니다. 다음으로 Gemini 2.5 06-05 모델로 첫 번째 API 호출을 하는 방법을 살펴보겠습니다.

Gemini 2.5 06-05로 첫 번째 API 호출하기

간단한 텍스트 기반 요청으로 Gemini 2.5 06-05 Pro API를 테스트해 보겠습니다. 이 예제는 모델에게 기본 개념을 설명하도록 요청합니다. 다음 Python 코드를 사용하세요:

from google import genai
from google.genai.types import HttpOptions

# 클라이언트 초기화
client = genai.Client(http_options=HttpOptions(api_version="v1"))

# 텍스트 요청 보내기
response = client.models.generate_content(
    model="gemini-2.5-pro-preview-06-05",
    contents="신경망이 간단한 용어로 어떻게 작동하는지 설명해 주세요."
)

# 응답 출력
print(response.text)

이 코드는 API 엔드포인트에 POST 요청을 보내 Gemini 2.5 06-05 모델을 대상으로 합니다. 응답은 신경망을 명확하고 간결한 언어로 설명합니다. 다음과 같은 출력을 예상할 수 있습니다:

신경망은 인간의 뇌에서 영감을 받은 컴퓨팅 모델입니다. 입력 데이터를 처리하고 패턴에 따라 가중치를 조정하며 예측 또는 분류와 같은 출력을 생성하는 노드(뉴런) 계층으로 구성됩니다.

기능을 확인하려면 Apidog에서 이 요청을 테스트하세요. 새 프로젝트를 생성하고 HTTP 메서드를 POST로 설정하고 엔드포인트 URL(Google AI Studio 문서에서 찾을 수 있음)을 입력하고 Authorization: Bearer YOUR_API_KEY 헤더를 추가한 다음 JSON 페이로드를 포함하세요:

{
    "model": "gemini-2.5-pro-preview-06-05",
    "contents": "신경망이 간단한 용어로 어떻게 작동하는지 설명해 주세요."
}

Apidog에서 "보내기"를 클릭하여 응답, 상태 코드 및 시간을 확인하세요. 이렇게 하면 설정이 작동함을 확인할 수 있습니다. 이제 멀티모달 기능으로 넘어가겠습니다.

Gemini 2.5 06-05의 멀티모달 기능 활용

Gemini 2.5 06-05 Pro API는 텍스트, 이미지, 비디오를 처리하는 멀티모달 기능으로 빛을 발합니다. 이 섹션에서는 이러한 기능을 효과적으로 사용하는 방법을 보여줍니다.

텍스트 및 이미지 처리

이미지 분석과 같은 작업을 위해 텍스트 프롬프트와 이미지를 결합합니다. 이미지를 업로드하고(예: 스콘 사진) 모델에게 이미지를 설명하도록 요청합니다. 코드는 다음과 같습니다:

from google import genai
from google.genai.types import HttpOptions, Part

# 클라이언트 초기화
client = genai.Client(http_options=HttpOptions(api_version="v1"))

# 텍스트 및 이미지 요청 보내기
response = client.models.generate_content(
    model="gemini-2.5-pro-preview-06-05",
    contents=[
        "이 이미지를 자세히 설명해 주세요.",
        Part.from_uri(
            file_uri="gs://cloud-samples-data/generative-ai/image/scones.jpg",
            mime_type="image/jpeg"
        )
    ]
)

# 응답 출력
print(response.text)

모델은 다음과 같이 응답할 수 있습니다:

이미지는 유산지 위에 놓인 블루베리 스콘의 평면 사진입니다. 황금빛 갈색의 삼각형 스콘 6개가 원형으로 배열되어 있고, 주변에 신선한 블루베리가 흩어져 있습니다. 질감은 잘 구워진 스콘의 전형적인 바삭함으로 보입니다.

이미지가 Google Cloud Storage URI를 통해 액세스 가능하거나 지원되는 경우 직접 업로드되었는지 확인하세요. 이 기능은 전자 상거래 또는 콘텐츠 분석과 같은 애플리케이션에 적합합니다.

비디오 이해

Gemini 2.5 06-05 모델은 비디오 이해에 뛰어나 VideoMME 벤치마크에서 84.8%를 기록했습니다. 콘텐츠를 분석하기 위해 YouTube URL 또는 비디오 파일과 함께 프롬프트를 제출합니다. 예를 들어:

from google import genai
from google.genai.types import HttpOptions

# 클라이언트 초기화
client = genai.Client(http_options=HttpOptions(api_version="v1"))

# 비디오 요청 보내기
response = client.models.generate_content(
    model="gemini-2.5-pro-preview-06-05",
    contents=[
        "이 비디오를 기반으로 학습 앱 사양을 만들어 주세요.",
        "https://www.youtube.com/watch?v=example_video"
    ]
)

# 응답 출력
print(response.text)

이것은 비디오의 콘텐츠를 활용하여 대화형 학습 앱에 대한 자세한 사양을 생성합니다. API는 "낮음" 미디어 해상도 설정에서 200만 토큰 컨텍스트 창으로 최대 6시간의 비디오를 처리하여 비용과 성능의 균형을 맞춥니다.

멀티모달 기능을 숙달했으므로 다음으로 코딩 지원을 다루겠습니다.

Gemini 2.5 06-05 Pro API로 코딩하기

Gemini 2.5 06-05 Pro API는 코딩 작업에서 두각을 나타내며 WebDev Arena 리더보드에서 1470 Elo 점수를 기록했습니다. Python, JavaScript 등 다양한 언어로 코드를 생성, 편집 및 디버깅합니다. 사용하는 방법은 다음과 같습니다:

코드 생성

n 항까지의 피보나치 수열 계산기와 같은 함수를 요청합니다. 다음을 시도해 보세요:

from google import genai
from google.genai.types import HttpOptions

# 클라이언트 초기화
client = genai.Client(http_options=HttpOptions(api_version="v1"))

# 코딩 요청 보내기
response = client.models.generate_content(
    model="gemini-2.5-pro-preview-06-05",
    contents="n 항까지의 피보나치 수열을 계산하는 Python 함수를 작성해 주세요."
)

# 응답 출력
print(response.text)

출력은 다음과 같을 수 있습니다:

def fibonacci(n):
    if n <= 0:
        return []
    elif n == 1:
        return [0]
    sequence = [0, 1]
    for i in range(2, n):
        sequence.append(sequence[i-1] + sequence[i-2])
    return sequence

# 사용 예시
print(fibonacci(10))  # 출력: [0, 1, 1, 2, 3, 5, 8, 13, 21, 34]

이 함수는 효율적이고 정확하며 모델의 추론 능력을 보여줍니다.

디버깅 및 최적화

분석을 위해 기존 코드를 제출합니다. 예를 들어:

from google import genai
from google.genai.types import HttpOptions

# 클라이언트 초기화
client = genai.Client(http_options=HttpOptions(api_version="v1"))

# 디버깅 요청 보내기
response = client.models.generate_content(
    model="gemini-2.5-pro-preview-06-05",
    contents="이 코드의 오류를 디버깅하고 개선 사항을 제안해 주세요: def fib(n): if n == 0: return 0 elif n == 1: return 1 else: return fib(n-1) + fib(n-2)"
)

# 응답 출력
print(response.text)

모델은 다음과 같이 응답할 수 있습니다:

n

def fib(n):
    if n < 0:
        raise ValueError("입력은 음수가 아니어야 합니다")
    if n == 0:
        return 0
    elif n == 1:
        return 1
    a, b = 0, 1
    for _ in range(2, n + 1):
        a, b = b, a + b
    return b

개선 사항: 음수 입력에 대한 오류 처리를 추가했습니다. 재귀를 반복으로 대체하여 O(n) 시간 복잡도를 달성했습니다. 명확성을 위해 튜플 언패킹을 사용했습니다.

이렇게 하면 성능이 크게 향상됩니다. 이제 고급 사용 사례를 살펴보겠습니다.

Gemini 2.5 06-05 Pro API의 고급 사용 사례

Gemini 2.5 06-05 Pro API는 정교한 애플리케이션을 가능하게 합니다. 다음 시나리오를 고려해 보세요:

웹 앱 개발: 인터랙티브 UI를 위한 HTML, CSS, JavaScript를 생성합니다. API에 "마이크 UI 애니메이션과 반응형 디자인을 갖춘 받아쓰기 앱을 만들어 주세요."라고 프롬프트합니다. 디자인 참조와 일치하는 기능적인 코드를 제공합니다.
비디오를 학습 앱으로: YouTube 튜토리얼을 분석하고 대화형 앱 사양을 만든 다음 코드를 생성합니다. 이는 교육 플랫폼에 적합합니다.
코드베이스 분석: 프로젝트의 ZIP 파일을 업로드합니다. API는 방대한 컨텍스트 창으로 종속성을 검토하고 수정 사항을 제안하며 로직을 최적화합니다.

이러한 기능을 테스트하려면 Apidog를 사용하여 API 응답을 모의하고 기능을 검증하세요. 모범 사례로 전환하면 최적의 결과를 얻을 수 있습니다.

Gemini 2.5 06-05 Pro API 모범 사례

다음 팁을 통해 Gemini 2.5 06-05 Pro API를 최대한 활용하세요:

명확한 프롬프트 작성: "중복을 처리하여 목록을 정렬하는 Python 함수를 생성해 주세요."와 같이 작업을 정확하게 지정하세요.
매개변수 조정: 복잡한 작업(예: 1024 토큰)에 대해 thinking_budget을 설정하여 품질과 대기 시간의 균형을 맞추세요.
철저한 테스트: Apidog를 사용하여 요청을 보내고 상태 코드를 확인하며 페이로드를 개선하세요.
키 보안: API 키를 코드에 저장하지 말고 환경 변수에 저장하세요.
사용량 모니터링: 중단을 방지하기 위해 Google AI Studio에서 속도 제한을 추적하세요.

이 지침을 따르면 효율성과 안정성을 보장할 수 있습니다. 마무리하겠습니다.

결론: Gemini 2.5 06-05 Pro API 활용

Gemini 2.5 06-05 Pro API는 개발자가 최첨단 애플리케이션을 구축할 수 있도록 지원합니다. 설정 및 인증부터 멀티모달 처리 및 코딩에 이르기까지 이 가이드는 API의 기능을 활용할 수 있도록 준비시켜 줍니다. WebDev Arena에서의 리더십, 강력한 비디오 이해력 및 추론 능력은 API를 혁신적인 도구로 만듭니다. 지금 바로 구축을 시작하세요. Google AI Studio에서 실험하거나, Vertex AI와 통합하거나, Gemini 앱에서 테스트해 보세요. 연습을 통해 혁신적인 솔루션을 손쉽게 만들 수 있을 것입니다.

다운로드