G-gen の今村です。当記事は、Google Cloud Next Tokyo 26 の2日目に行われた Google セッション「Gemini Enterprise Agent Platform 入門！進化した次世代エージェント構築基盤の全貌」のレポートです。
他の Google Cloud Next Tokyo 26 の関連記事は Google Cloud Next Tokyo 26 カテゴリの記事一覧からご覧いただけます。
- セッションの概要
- Gemini Enterprise Agent Platform とは
- Build（構築）
- Scale（スケーリング）
- Govern（管理）
- Optimize（最適化）
- Evaluation（評価）
- まとめ
- 関連記事
セッションの概要
当セッションでは、Google Cloud における次世代の AI エージェント構築基盤である Gemini Enterprise Agent Platform の全体像や各機能レイヤー、および主要な機能群についての発表と解説が行われました。
当セッションは、Google Cloud の AI 技術統括本部 アプライド AI エンジニアである牧氏によって行われました。
Gemini Enterprise Agent Platform とは
サービス提供の背景
企業で AI エージェントを構築し使用する際、開発者と使用部門の間で溝が生じるケースがあります。例えば「特定部門のために開発されたエージェントが使われない」「想定した業務用途に合致しない」といった課題です。
Gemini Enterprise Agent Platform は、このような課題を解消する目的で提供されました。開発者と使用者の双方にとっての使いやすさを追求し、エンタープライズ要件に応えるエージェントプラットフォームとして設計されています。
- 参考 : Agent Platform の概要
Gemini Enterprise Agent Platform の詳細については、以下の記事を参照してください。
機能の全体像
Gemini Enterprise Agent Platform は、あらゆるシナリオに対応可能なオープンで包括的な基盤として位置づけられています。
機能は大きく分けて4つのレイヤーで構成されています。
- Build（構築）
- Scale（スケーリング）
- Govern（管理）
- Optimize（最適化）
また、これら4つのレイヤーによるライフサイクル運用に加え、デプロイ前後におけるエージェントの品質や応答精度を担保するための Evaluation（評価）アプローチを組み合わせて使用します。
Build（構築）
概要
Build（構築）レイヤーは、AI エージェントの迅速な開発と検証を支える仕組みです。多様な技術スタックや開発手法に対応できるよう、オープンソースのフレームワーク、最先端のモデル、およびローコードからハイコードまでの開発環境を選択できます。開発者のスキルセットやプロジェクトの要件に応じた柔軟な開発を可能にします。
Model Garden
Model Garden を通じて、Google の最新 Gemini モデルをはじめ、サードパーティ製のモデルやオープンモデルなどを柔軟に選択して使用できます。
- 参考 :Model Garden の概要
Agent Studio
Agent Studio は、コンソール画面（GUI）から直感的にエージェントを作成する機能です。
Python などのプログラミング知識がない場合でも、自然言語でディスクリプションやインストラクション（動作指示）を記述するだけでエージェントを構築できます。Google 検索ツールとの連携や、作成したエージェントのテストからデプロイまでを同一画面内で完結できます。
- 参考 : Agent Studio の概要
Agent Development Kit
Agent Development Kit（以下、ADK）は、さまざまなプログラミング言語に対応したオープンソースのフレームワークです。
学習コストを抑えつつ、Google Cloud 上でオープン性を重視したエージェント開発が可能です。
その他の開発ツール
コードファーストでの開発や自動化を支援するため、以下のツールが用意されています。
Agents CLI
コマンドラインからエージェントのライフサイクル管理や Skills の実行を行うツールです。
Antigravity
エージェントと会話しながらコーディングを進められる開発・自動化プラットフォームです。
- 参考 : Google Antigravity
Managed Agents API
セキュアなサンドボックス環境からエージェントを直接呼び出すための API です。
Scale（スケーリング）
概要
Scale（スケーリング）レイヤーは、ローカル環境で作成されたエージェントを全社規模の運用へ適応させるための基盤です。サーバーレスなデプロイ環境やセキュアなサンドボックスにより、トラフィック負荷に耐えうるインフラの自動スケーリングを実現します。また、高度なコンテキスト（会話履歴や記憶）管理機能を備えています。
Agent Runtime
Agent Runtime は、エージェントのインスタンスをサーバーレス環境にデプロイし、自動スケーリングや運用管理を担う機能です。ノーコードで作成されたエージェントと、コードベースの複雑なエージェントまで幅広く対応します。呼び出しプロセスやパラメータを一元的に可視化・追跡できるため、組織内で把握されない「野良エージェント」の乱立リスクを抑えられます。
- 参考 : エージェント ランタイム
Agent Runtime の詳細については、以下の記事を参照してください。
Agent Sandbox
Agent Sandbox を使用することで、セキュアでカスタマイズ可能な実行環境を用意できます。GUI ベースの自動化ワークフローなどを安全に検証・実行できます。
- 参考 : サンドボックスの概要
Session と Memory Bank
業務でエージェントを使用する場合、1回の応答で処理が完了することは少なく、会話のコンテキスト保持が重要となります。
Session（セッション）と Memory bank（メモリーバンク）機能により、短期記憶と長期記憶を、それぞれフルマネージドなデータストアに保存できます。ユーザーごとの参照データや属性情報を考慮した、柔軟な応答を実現します。
- 参考 : Agent Platform セッションの概要
- 参考 : Agent Platform メモリバンク
Govern（管理）
概要
Govern（管理）レイヤーは、エンタープライズに要求されるセキュリティ、コンプライアンス、ID 管理を一括制御する層です。管理用レジストリやセキュリティポリシーを適用し、情報漏洩や不正アクセスのリスクを極小化しながら、組織全体での安全なエージェント使用を統制します。
Agent Registry
Agent Registry は、デプロイ前のコアエージェントや Model Context Protocol（以下、MCP）サーバーを一元管理する機能です。サードパーティ製コンポーネントの登録にも対応しており、不正なエージェントやコストが高騰している設定を一覧画面から早期に識別できます。
- 参考 : Agent Registry
Agent Registry の詳細については、以下の記事を参照してください。
Agent Gateway
Agent Gateway は、外部システムや社内サービスからのトラフィックを集約・管理するエンドポイントです。トラフィックの入り口を統一することで、リソース制御や認証管理を効率化できます。
- 参考 : Agent Gateway の概要
Agent Gateway の詳細については、以下の記事を参照してください。
Agent Identity
Agent Identity は、エージェントに対してセキュアで一意な識別子（ID）を付与・管理する機能です。部署をまたいだデータ参照を行う際も、定義されたアクセス制御に基づいて情報資産を守ります。
- 参考 : エージェント ID の概要
Agent Identity の詳細については、以下の記事を参照してください。
Governance Policies
Governance Policies は、Google Cloud の Identity and Access Management（以下、IAM）の権限体系と連携して動作する制御機能です。Agent Runtime 等にホストされたエージェントへのアクセス権限は、Agent Gateway を通じて、Governance Policies により制御されます。
- 参考 : ポリシーの概要
Google Cloud の IAM については、以下の記事を参照してください。
本セッションのデモでは、住宅ローン審査のアシスタントエージェントが例として挙げられました。個人情報を含むメールを外部送信しようとした際、権限不足により不許可となる挙動が確認できました。環境内では Model Armor 等のセキュリティ機能と組み合わせ、システム的に個人情報をブロックする設計が施されています。
- 参考 : Model Armor の概要
Model Armor の詳細については、以下の記事を参照してください。
Optimize（最適化）
概要
Optimize（最適化）レイヤーは、本番環境で稼働する AI エージェントの運用コスト、パフォーマンス、および応答の正確性を計測・制御するための層です。トレースやログ分析を通じて、不要なモデル呼び出しによるコストの抑制や、レイテンシ障害の迅速な検知・解析が可能です。
OpenTelemetry
オープンな標準規格である OpenTelemetry に準拠しており、世界基準に則ったテレメトリーデータ収集を実装できます。
- 参考 : OpenTelemetry とは
Agent Observability
Agent Observability は、Cloud Logging や Cloud Storage へ各種運用データを保存し、モニタリングを行う機能です。短文要約のような簡易タスクに対して、オーバースペックな高コストモデルが呼び出されていないかなどを可視化・管理します。
- 参考 : オブザーバビリティの概要
- 参考 : Cloud Logging の概要
- 参考 : Cloud Storage のプロダクト概要
Cloud Logging の詳細については、以下の記事を参照してください。
Cloud Storage の詳細については、以下の記事を参照してください。
Traces と Tool Usage
Traces 機能により、処理のボトルネックやアクセススパイクを分析できます。併せて、呼び出されたツールやモデルを Tool Usage 画面で確認し、想定外の動作が発生していないかを検証可能です。
- 参考 : エージェントのトレースを表示する
Evaluation（評価）
概要
Evaluation は、エージェントが出力する回答の正確性や定義した業務フローの遵守状況を、客観的・定量的に分析するための仕組みです。テスト段階の事前評価と運用中のリアルタイム監視を組み合わせることで、ハルシネーション（誤回答）や品質の低下を未然に防ぎます。
- 参考 : エージェントの評価
評価アプローチ
エージェントの出力品質を定量化するため、主に以下の3つのアプローチを組み合わせて検証を行います。
ルールベース評価
あらかじめ定義した制約ルール（必須キーワードや指定の出力フォーマットなど）に適合しているかを自動判定します。
LLM-as-Judge 評価
評価用として調整された大規模言語モデル（LLM）を判定者として用い、回答文の定性的な妥当性や文脈の論理性を自動スコアリングします。
適応型（Adaptive Rubrics）評価
評価基準（ルーブリック）を段階的に配置し、特定の処理ステップごとに期待されたビジネスロジックに従っているかを動的に評価します。
オフライン評価とオンラインモニタリング
評価の実行環境として、デプロイ前後に最適化された以下の機能が備わっています。
GenAI Evaluation Service（オフライン評価）
デプロイ前のテストフェーズにおいて、準備したデータセットと定義したルーブリックを基に一括で評価処理を実行します。
GenAI Evaluation Service の詳細については、以下の記事を参照してください。
Agent Evaluation / Online Monitors（オンライン評価）
稼働中の対話データを継続的にモニタリングする機能です。エージェントがツールを呼び出した順番などの実行軌跡（Traces）をトラッキングし、運用中の応答精度や制御状態をリアルタイムで追跡します。
- 参考 : Gen AI Evaluation Service の概要
- 参考 : エージェントの評価
まとめ
Gemini Enterprise Agent Platform の概要をはじめ、AI エージェントの開発・運用に不可欠な「Build（構築）」「Scale（スケーリング）」「Govern（管理）」「Optimize（最適化）」の各機能群の要点を解説して、本セッションは締めくくられました。
なお、今回のセッション内容には Gemini Enterprise（Gemini Enterprise app）の解説は含まれていません。Gemini Enterprise の詳細については、以下の記事を参照してください。
