Gemini Enterprise エージェントプラットフォーム、構築から統制まで13の実践例を公開

Google Cloudは、Gemini Enterprise エージェントプラットフォームでAIエージェントを構築、展開、統制、改善する13の公式デモをまとめて公開しました。

要点

• ADKによる基本構築からMCP、動的画面、長時間処理、エージェントRuntime展開まで扱います。
• エージェントGateway、mTLS、IAP、IAM、モデルArmorを使う統制例を含みます。
• 評価の循環、A2A、CrewAIやLangGraphをまたぐ複数エージェント連携も対象です。

今回のブログ記事で語られていること

最初のデモ群は、ADKで対話型エージェントを作り、経費申請へ人の承認を入れ、MCPでBigQueryやファイル、APIへ接続し、A2UIで会話に応じた画面を生成する流れです。経費例では個人情報の除去とプロンプト注入対策をLLM処理の前に置き、しきい値を超える申請は人の確認まで停止します。単なる会話例ではなく、操作前の安全検査と承認を含む点が重要です。

展開では、Memory Bankを使う状態付きデータサイエンスエージェント、数週間続く処理を状態機械・イベント待機・チェックポイントで再開する例、エージェントCLIからエージェントRuntimeへ出す例が用意されています。Cloud Trace、Cloud Logging、BigQueryエージェントAnalytics、エージェントRegistryへ自動接続する道も示されます。長時間処理は、コンテナ再起動だけでなく、入力変更、承認期限、資格情報失効後に正しく再開できるかを試す必要があります。

統制のデモは、脅威モデル、Semgrep、PreToolUse gate、エージェントGatewayを組み合わせます。各エージェントに固有IDを与え、MCP serverへの通信をmTLS、IAP、IAMで検証し、モデルArmorでプロンプト注入と情報漏えいを検査します。これらを導入しても、ツール側の最小権限、利用者の代理権限、誤操作の取消は別に設計する必要があります。

改善と相互運用では、OpenTelemetryの記録や合成例から評価データを作り、推論、採点、失敗群の分析、修正を繰り返します。A2AでPythonとGoのエージェントを結び、ADK、LangGraph、CrewAIを横断する例もあります。チームは13件を一度に採用せず、自社の段階に合う一つを再現し、権限、費用、失敗、復旧を測ってから次へ進むとよいでしょう。

今回のブログ記事が関係する人

エージェントプラットフォームを評価する開発者、長時間処理と複数枠組みを運用する基盤担当、AI統制と評価を設計する担当に関係します。

結局、今回のブログ記事をどう読むべきか

製品一覧ではなく、試作から本番運用までの学習経路です。自社導入では、完成画面よりも承認、ID、観測、評価、再開の仕組みを再現できるかを確認する教材として有用です。