> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/deployment/ja/roboflow-cloud/serverless-api.md).

# Serverless Cloud API

Roboflow クラウドの GPU アクセラレーションされたオートスケーリングインフラ上で Workflow とモデル推論を実行します。

## 概要

Roboflow にデプロイされたモデルには、画像推論用の REST API があります。このページでは、インターネット接続を介したリクエストごとの画像推論と Workflow 推論について説明します。管理対象のライブカメラには [Cloud Streaming](https://docs.roboflow.com/deployment/ja/roboflow-cloud/cloud-streaming.md)を、保存済みの画像や動画のジョブには [Batch Processing](https://docs.roboflow.com/deployment/ja/roboflow-cloud/batch-processing.md).

アプリでは、このエンドポイントは「Serverless Cloud API」と表示されます。スペースに制約がある場合（例: Workflow エディターのランタイム選択画面）は、「Cloud API」と表示されます。 [Dedicated Deployment](https://docs.roboflow.com/deployment/ja/roboflow-cloud/dedicated-deployments.md) エンドポイント（`*.roboflow.cloud`）は「Dedicated Cloud API」と表示され、旧 v1 エンドポイントは「Hosted API (Legacy)」と表示されます。これらのラベルは、以前の「Serverless Hosted API」と「Serverless API V2」という名称に代わるものです。

Serverless Cloud API は、次の方法で利用できます。

* [Workflows で](https://docs.roboflow.com/deployment/ja/roboflow-cloud/serverless-api/use-in-a-workflow.md)
* [REST API で](#http-api)
* 次の方法で [Inference Python SDK](#python-sdk)

### Inference サーバー

Serverless Cloud API は、 [Inference Server](https://docs.roboflow.com/deployment/ja/self-hosted/inference-server.md) のリクエストインターフェイスを使用します。サポート対象の画像推論メソッドでは、以下のように `api_url`を変更してランタイムを切り替えます。これによって、動画連携が Cloud Streaming に移行するわけではありません。

```python
from inference_sdk import InferenceHTTPClient, InferenceConfiguration

CLIENT = InferenceHTTPClient(
    # api_url="http://localhost:9001" # Self-hosted Inference server
    api_url="https://serverless.roboflow.com", # Our Serverless Cloud API
    api_key="API_KEY" # optional to access your private models and data
).configure(InferenceConfiguration(api_key_transport="header"))

result = CLIENT.infer("image.jpg", model_id="model-id/1")
print(result)
```

設定 `api_key_transport="header"` では、キーは `Authorization: Bearer` ヘッダーとしてのみ送信されるため、URL やログに含まれません。新しいコードではすべてこの設定を推奨します。Inference 1.5.0 より前のサーバーはこのヘッダーを読み取らないため、引き続きそのようなサーバーを呼び出す場合は、 `api_key_transport="both"` を使用してください。詳細は [API キーの転送](https://docs.roboflow.com/reference/inference/inference-sdk/configuration#api-key-transport).

### 制限

画像推論の料金は、モデルごとに設定されたレートに基づき、画像 1 枚あたりのクレジットで請求されます。詳細は [Serverless の料金](https://docs.roboflow.com/deployment/ja/roboflow-cloud/serverless-api/model-pricing.md).

をご覧ください。Serverless Cloud API では、最大 20 MB のファイルをアップロードできます。解像度がそれより高い画像では、制限に達することがあります。問題が発生した場合は、エンタープライズサポート窓口にお問い合わせいただくか、 [フォーラム](https://discuss.roboflow.com).

{% hint style="info" %}
リクエストのサイズが大きすぎる場合は、添付する画像のサイズを小さくすることをおすすめします。画像はサーバーで受信後、モデルアーキテクチャが受け付ける入力サイズにいずれにしても縮小されるため、通常、縮小してもパフォーマンスは低下しません。\
\
Python SDKなど、一部のSDKでは、APIに送信する前に画像をモデルアーキテクチャの入力サイズに自動で縮小します。
{% endhint %}

***

をご覧ください。 [Serverless Cloud API v1](https://docs.roboflow.com/deployment/ja/regash/legacy-serverless.md) では、旧 API のドキュメントを確認できます。

## HTTP API

### REST API で使用する

Serverless Cloud API には、すべてのモデルと Workflow に対応する単一のエンドポイントがあります。

```
https://serverless.roboflow.com
```

#### HTTP エンドポイント

{% openapi src="/files/5fe3d474e0f1bb8bfdc727c3ff8cef3c2f4d5a90" path="/{dataset\_id}/{version\_id}" method="post" %}
[serverless-api.json](https://970637113-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FoksNmwps1HmYr8TqHDnX%2Fuploads%2Fgit-blob-6960e5f5b0f490b735257ca7203facdf44a31965%2Fserverless-api.json?alt=media)
{% endopenapi %}

{% openapi src="/files/5fe3d474e0f1bb8bfdc727c3ff8cef3c2f4d5a90" path="/{workspace\_name}/workflows/{workflow\_id}" method="post" %}
[serverless-api.json](https://970637113-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FoksNmwps1HmYr8TqHDnX%2Fuploads%2Fgit-blob-6960e5f5b0f490b735257ca7203facdf44a31965%2Fserverless-api.json?alt=media)
{% endopenapi %}

### 画像に対してモデルを実行する

Roboflow では、複数のランタイムを通じて推論を利用できます。適切な選択肢は、単一のモデルと Workflow のどちらを呼び出すか、必要なスループット、ワークロードの実行場所によって異なります。

このページでは概要を簡単に説明します。推論に関する詳細なリファレンスは、同じドキュメントサイト内の [製品ドキュメント](https://docs.roboflow.com/deployment/ja/readme.md)にあります。詳細情報の掲載先には、相互リンクを設けています。

#### 推論ランタイム

| ランタイム                                                | 使用する場面                                                        | リファレンス                                                                                                                                                                                                      |
| ---------------------------------------------------- | ------------------------------------------------------------- | ----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| **Serverless Cloud API** (`serverless.roboflow.com`) | デフォルト。ホスト型で自動スケーリングに対応し、モデルとWorkflowsをサポートします。                | [Serverless Cloud API](https://docs.roboflow.com/deployment/ja/roboflow-cloud/serverless-api.md)                                                                                                            |
| **Dedicated Deployments**                            | 予測可能なレイテンシ、高いスループット、またはGPUタイプの固定が必要な場合に使用します。Roboflowが管理します。  | [Dedicated Deployments](https://docs.roboflow.com/deployment/ja/roboflow-cloud/dedicated-deployments.md#http-api) と [製品概要](https://docs.roboflow.com/deployment/ja/roboflow-cloud/dedicated-deployments.md) |
| **Roboflow Inference** （セルフホスト型）                     | オンプレミス、エッジデバイス、エアギャップ環境、またはVPCの外に出せないワークロードに適しています。オープンソースです。 | [セルフホスト型デプロイ](https://docs.roboflow.com/deployment/ja/self-hosted/self-hosted.md)                                                                                                                           |

{% hint style="info" %}
キーを `?api_key=` クエリパラメーターとして送信する方法や、 `api_key` をリクエストボディのフィールドとして送信する方法は、従来の方式です。現在も機能しますが、 `Authorization: Bearer` ヘッダーを使えば、キーをURLやログに含めずに済みます。詳しくは、 [REST API での認証](https://docs.roboflow.com/reference/platform/rest-api/authenticate-with-the-rest-api).
{% endhint %}

管理されたライブ動画配信には、 [Cloud Streaming](https://docs.roboflow.com/deployment/ja/roboflow-cloud/cloud-streaming.md)を使用します。保存済みの画像・動画セットを非同期処理するには、 [Batch Processing](https://docs.roboflow.com/deployment/ja/roboflow-cloud/batch-processing.md).

#### 非推奨：Serverless v1

従来のタスク別エンドポイント（ `detect.roboflow.com`, `classify.roboflow.com`, `outline.roboflow.com`, `segment.roboflow.com` ）は **非推奨**です。後方互換性のため応答は引き続き返しますが、新しいコードでは代わりに `serverless.roboflow.com` を使用してください。

コード例で `*.roboflow.com` タスクホストを見つけた場合は、レガシーとして扱い、上記のServerless Cloud API形式に置き換えてください。

## Python SDK

### Python SDKを使用する

Pythonで作業する場合、Serverless Cloud APIを操作する最も簡単な方法は、Inference Python SDKを使用することです。

を使用するには、 [Inference SDK](https://docs.roboflow.com/reference/inference/inference-sdk)をまずインストールします。

```
pip install inference-sdk
```

Serverless Cloud APIにリクエストを送信するには、次のコードを使用します。

<pre class="language-python"><code class="lang-python"><strong>from inference_sdk import InferenceHTTPClient, InferenceConfiguration
</strong>
CLIENT = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",
    api_key="API_KEY"
).configure(InferenceConfiguration(api_key_transport="header"))

result = CLIENT.infer("image.jpg", model_id="model-id/1")
print(result)
</code></pre>

上記で、 [モデルID](https://docs.roboflow.com/reference/authentication/authentication/workspace-and-project-ids) と [APIキー](https://docs.roboflow.com/reference/authentication/authentication/find-your-roboflow-api-key)を指定します。このコードはモデルを実行し、結果を返します。

#### Roboflow Instant Model

Serverless Cloud APIはRoboflow [Instant Model](https://docs.roboflow.com/models/train/roboflow-instant)の実行にも対応しています。ほかのモデルと同様にInstant Modelを実行できますが、Instant Modelでは信頼度しきい値の調整が重要になる場合があります。

{% hint style="info" %}
最適な信頼度は、モデルの学習に使用した画像の枚数によって異なります。最適なしきい値は通常0.85～0.99です。
{% endhint %}

```python
configuration = InferenceConfiguration(
    confidence_threshold=0.95,
    api_key_transport="header",
)
CLIENT.configure(configuration)

result = CLIENT.infer("image.jpg", model_id="roboflow-instant-model-id/1")
```

`configure(...)` は設定全体を置き換えるため、適用するすべての設定に `api_key_transport` を含めてください。

### Python SDKで動画をストリーミングする

{% hint style="info" %}
次の例では、非推奨の [Serverless Video Streaming API](https://docs.roboflow.com/deployment/ja/roboflow-cloud/serverless-api/serverless-video-streaming-api.md) を使用しています。既存のインテグレーション向けに掲載しています。新しいマネージドライブカメラ処理には [Cloud Streaming](https://docs.roboflow.com/deployment/ja/roboflow-cloud/cloud-streaming.md)を、保存済みファイルの処理には [Batch Processing](https://docs.roboflow.com/deployment/ja/roboflow-cloud/batch-processing.md).
{% endhint %}

この旧式のWebRTCの例では、動画に対して物体検出モデルを実行し、処理済みフレームと予測結果を返します。

WebRTC依存関係を含めてSDKをインストールし、 `supervision`:

```bash
pip install "inference-sdk[webrtc]" supervision
```

```python
import cv2
import supervision as sv
from inference_sdk import InferenceHTTPClient
from inference_sdk.webrtc import VideoFileSource

client = InferenceHTTPClient(
    api_url="https://serverless.roboflow.com",
    api_key="API_KEY",
)

session = client.webrtc.stream(
    source=VideoFileSource("video.mp4"),
    model_id="model-id/1",
)

box_annotator = sv.BoxAnnotator()
label_annotator = sv.LabelAnnotator()

@session.on_frame
def show(frame, data):
    if data is None:
        return

    detections = sv.Detections.from_inference(data)
    annotated = box_annotator.annotate(frame.copy(), detections)
    annotated = label_annotator.annotate(annotated, detections)
    cv2.imshow("Predictions", annotated)

    if cv2.waitKey(1) & 0xFF == ord("q"):
        session.close()

session.run()
cv2.destroyAllWindows()
```

置き換える `API_KEY` と `model-id/1` を自分のAPIキーとモデルIDに置き換えてください。旧式の設定については、 [非推奨APIのリファレンスと移行ガイド](https://docs.roboflow.com/deployment/ja/roboflow-cloud/serverless-api/serverless-video-streaming-api.md) を、または [セルフホスト型WebRTC](https://docs.roboflow.com/reference/inference/inference-sdk/webrtc) を参照して、ご自身のサーバーで実行してください。

## CLI

Roboflow CLIを使用すると、Roboflowでトレーニングしたモデルや、次の場所で利用可能なオープンソースモデルを実行できます。 [Roboflow Universe](https://universe.roboflow.com).

コマンドラインで `roboflow infer` を実行すると、CLIが画像をRoboflow APIに送信し、予測結果を出力します。

### コマンド

```bash
roboflow infer <image-path> -m <project/version>
```

#### オプション

| フラグ                  | 説明                                                                                                                              |
| -------------------- | ------------------------------------------------------------------------------------------------------------------------------- |
| `-m`, `--model`      | モデル ID（ `project/version` 形式、必須）                                                                                                |
| `-c`, `--confidence` | 信頼度のしきい値、0.0～1.0（デフォルト: 0.5）                                                                                                    |
| `-o`, `--overlap`    | 重なり/NMS のしきい値、0.0～1.0（デフォルト: 0.5）                                                                                               |
| `-t`, `--type`       | モデルの種類（自動検出をスキップ）: `object-detection`, `classification`, `instance-segmentation`, `semantic-segmentation`, `keypoint-detection` |

### 使用例

Roboflow Universe のオープンソースモデルを使って推論を実行します。たとえば、 [poker-cards](https://universe.roboflow.com/roboflow-100/poker-cards-cxcvz/model/1) データセットを使用する場合:

```bash
roboflow infer ~/Downloads/ace.jpg -m poker-cards-cxcvz/1 -c 0.7
```

ワークスペースは、設定済みのワークスペースがデフォルトで使用されます。別のワークスペースのモデルを使うには:

```bash
roboflow infer photo.jpg -m poker-cards-cxcvz/1 -w roboflow-100
```

自動検出 API の呼び出しをスキップするには、モデルの種類を指定します:

```bash
roboflow infer photo.jpg -m my-project/3 -t object-detection
```

### JSON出力

スクリプトや自動化で扱いやすい構造化された予測データを取得するには、 `--json` を使用します:

```bash
roboflow infer photo.jpg -m my-project/3 --json
```

```json
{
  "predictions": [
    {
      "x": 1230.0,
      "y": 814.5,
      "width": 840.0,
      "height": 1273.0,
      "confidence": 0.882,
      "class": "Scissors",
      "class_id": 2
    }
  ]
}
```

サポートされているすべてのパラメーターを確認するには、 `roboflow infer --help`.

## MCPサーバー

AI エージェントを [MCP サーバー](https://docs.roboflow.com/agents/mcp-server) に接続すると、次のツールを使って画像に対するモデルの実行を依頼できます:

<table data-search="false"><thead><tr><th width="290">ツール</th><th>説明</th></tr></thead><tbody><tr><td><code>models_infer</code></td><td>トレーニング済みモデルを使用して、画像に対するホスト型推論を実行します。</td></tr><tr><td><code>workflows_run</code></td><td>保存済みのワークフローを1枚以上の画像に対して実行します。</td></tr><tr><td><code>project_deployment_run</code></td><td>プロジェクトの安定したライブエンドポイントを通じて推論を実行します。</td></tr></tbody></table>
