AI エージェントで AI エージェントを作る！Google Cloudが実現するフルスタックな AI 開発エコシステム / Building AI Agents with AI Agents! Full-Stack AI Development Ecosystem on Google Cloud

Transcript

1. AI エージェントで AI エージェントを作る！ 〜Google Cloud が実現する フルスタックな AI 開発エコシステム〜 4th Feb, Tech Challenge Party Speaker: Kento Kimura
2. > who am i? self_intro: name: “Kento Kimura” age: 28 company: “Datadog” role: sales_engineer communities: - name: “Jagu‘e’r” description: “Japan Google Cloud Usergroup for Enterprise” - name: “JDDUG” description: “Japan Datadog User Group” - name: “JAWS-UG” description: “Japan AWS User Group” conferences: - name: “GCTS” description: “Google Cloud Community Tech Surge” - name: “o11yconjp” description: “Observability Conference Tokyo”
3. 話すひと • 所属： Technical Solutions / Sales Engineering • 担当： パブリッククラウドのアーキテクト知識を活かした 　 Datadog のプリセールス技術支援 • コミュニティ： Google Cloud のユーザーコミュニティ「Jagu'e'r」 Datadog のユーザーコミュニティ「JDDUG」 AWS のユーザーコミュニティ「JAWS」 • カンファレンス： 初開催！Google Cloud Community Tech Surge 2026 木村 健人 (Kento Kimura) Datadog Japan GK
4. ls -lR 01_intro.md 02_google_and_aiagent.md 03_google_cloud_and_aiagent.md 04_deploy/architecture.svg 05_wrap_up/
5. おしながき 1 AI エージェント、どう開発しますか？ 2 Google と AI エージェント開発 3 Google Cloud と AI エージェントたち 4 AI エージェント、どこで動かす？ 5 まとめ
6. AI エージェント、 どう開発しますか？
7. AI エージェント開発に求めること 1. コード中心の設計 プロンプト = 非決定論的な制御 コード = 決定論的な制御 2. マルチエージェント前提 役割ごとに動作を分割→品質の向上 3. 外部接続 API の直接利用 < MCP で安全な接続 4. オブザーバビリティの組み込み 非決定的論的な動作をする AI エージェントの挙動を、 テレメトリーデータから確認・説明
8. AI エージェント開発に求めること 1. コード中心の設計 プロンプト = 非決定論的な制御 コード = 決定論的な制御 2. マルチエージェント前提 役割ごとに動作を分割→品質の向上 3. 外部接続 API の直接利用 < MCP で安全な接続 4. オブザーバビリティの組み込み 非決定的論的な動作をする AI エージェントの挙動を、 テレメトリーデータから確認・説明
9. AI エージェント開発に求めること 1. コード中心の設計 プロンプト = 非決定論的な制御 コード = 決定論的な制御 2. マルチエージェント前提 役割ごとに動作を分割→品質の向上 3. 外部接続 API の直接利用 < MCP で安全な接続 4. オブザーバビリティの組み込み 非決定的論的な動作をする AI エージェントの挙動を、 テレメトリーデータから確認・説明
10. AI エージェント開発に求めること 1. コード中心の設計 プロンプト = 非決定論的な制御 コード = 決定論的な制御 2. マルチエージェント前提 役割ごとに動作を分割→品質の向上 3. 外部接続 API の直接利用 < MCP で安全な接続 4. オブザーバビリティの組み込み 非決定的論的な動作をする AI エージェントの挙動を、 テレメトリーデータから確認・説明
11. Google と AI エージェント開発
12. Google と AI エージェント開発 Antigravity AI コーディング エージェント/IDE • Gemini 3 に合わせて 発表された自律型 IDE • Multi-Agent, Manager, Artifact などの独自設計 • 自律的に並行して 計画から実装・検証
13. Google と AI エージェント開発 Antigravity AI コーディング エージェント/IDE • Gemini 3 に合わせて 発表された自律型 IDE • Multi-Agent, Manager, Artifact などの独自設計 • 自律的に並行して 計画から実装・検証 Gemini CLI オープンソースの AI CLI • Gemini の力を最大限活 用した、CLI ツール • Google 検索, Vertex AI, MCP と簡単に統合 • ReAct ループでの調査・ 修正・検証
14. Google と AI エージェント開発 Antigravity AI コーディング エージェント/IDE • Gemini 3 に合わせて 発表された自律型 IDE • Multi-Agent, Manager, Artifact などの独自設計 • 自律的に並行して 計画から実装・検証 Google ADK オープンソースの フレームワーク/開発キット • ソフトウェア開発のように AI エージェントを開発 • Python, TypeScript, Go, Java に対応 • テスト・評価・デプロイを 含む開発基盤 Gemini CLI オープンソースの AI CLI • Gemini の力を最大限活 用した、CLI ツール • Google 検索, Vertex AI, MCP と簡単に統合 • ReAct ループでの調査・ 修正・検証
15. Google ADK(Agent Development Kit) 1. 柔軟なオーケストレーション BaseAgent を拡張した基盤となるクラスを用いて、 予測可能なパイプラインを定義 2. マルチエージェントシステムアーキテクチャ 階層構造を形成する複数のエージェントが連携・調整 3. 豊富なツールエコシステム Google Cloud をはじめとする外部ツール 4. 組み込み評価とオブザーバビリティ 組み込みの評価とオブザーバビリティによる、 パフォーマンスと品質の可視化
16. AI エージェント開発に求めること ⇒ Google ADK 1. コード中心の設計 プロンプト = 非決定論的な制御 コード = 決定論的な制御 2. マルチエージェント前提 役割ごとに動作を分割→品質の向上 3. 外部接続 API の直接利用 < MCP で安全な接続 4. オブザーバビリティの組み込み 非決定的論的な動作をする AI エージェントの挙動を、 テレメトリーデータから確認・説明
17. Google Cloud と AI エージェントたち
18. Google Cloud の AI エージェント マネージド セルフホスト Gemini Enterprise で利用できる AI エージェントたち NotebookLM, Google Agentspace, カスタム Gem など… Gemini を元にした、業務効率化を促進する AI エージェント Vertex AI Agent Builder で構築した AI エージェント Vertex AI のエコシステムの恩恵を受け、Python AI エージェント を実行・管理・評価できるマネージドなインフラストラクチャ Cloud Run 上で実行する AI エージェント Google Cloud のスケーラブルなインフラストラクチャを活用し、 AI エージェントを実行できるサーバレスランタイム
19. Google Cloud の AI エージェント マネージド セルフホスト Gemini Enterprise で利用できる AI エージェントたち NotebookLM, Google Agentspace, カスタム Gem など… Gemini を元にした、業務効率化を促進する AI エージェント Vertex AI Agent Builder で構築した AI エージェント Vertex AI のエコシステムの恩恵を受け、Python AI エージェント を実行・管理・評価できるマネージドなインフラストラクチャ Cloud Run 上で実行する AI エージェント Google Cloud のスケーラブルなインフラストラクチャを活用し、 AI エージェントを実行できるサーバレスランタイム
20. 　AI エージェント、 どこで動かす？
21. AI エージェントを実行するアーキテクチャ ユーザー Vertex AI Agent Engine Cloud Run サービス ランタイム LangGraph ADK OpenAI Agents フレームワーク Gemini API Vertex AI Endpoint Cloud SQL Memorystore AI エージェント ツール AI エージェント A2A 質問・要求 ストリーミング 確認・追及 ストリーミング
22. AI エージェントを実行するアーキテクチャ Cloud Run = AI エージェントに最適な実行環境 柔軟性 ：ゼロスケール可能なインフラストラクチャ 信頼性 ：管理不要で堅牢なネットワークとセキュリティ 開発体験：コンテナ・ソースコードから直接デプロイ 生成 AI ：複数のフレームワーク対応と API キー不要の認証 通信 ：HTTP/2, Websocket でのストリーミングエンドポイント ユーザー Vertex AI Agent Engine Cloud Run サービス ランタイム LangGraph ADK OpenAI Agents フレームワーク Gemini API Vertex AI Endpoint Cloud SQL Memorystore AI エージェント ツール AI エージェント A2A 質問・要求 ストリーミング 確認・追及 ストリーミング
23. Google Cloud の AI エージェント マネージド セルフホスト Gemini Enterprise で利用できる AI エージェントたち NotebookLM, Google Agentspace, カスタム Gem など… Gemini を元にした、業務効率化を促進する AI エージェント Vertex AI Agent Builder で構築した AI エージェント Vertex AI のエコシステムの恩恵を受け、Python AI エージェント を実行・管理・評価できるマネージドなインフラストラクチャ Cloud Run 上で実行する AI エージェント Google Cloud のスケーラブルなインフラストラクチャを活用し、 AI エージェントを実行できるサーバレスランタイム
24. Cloud Run ってなんだっけ？(個人的に) 1. Google Cloud のマネージドコンテナプラットフォームで、 「今最も推されている(主観)」コンピューティングサービス 2. 堅牢な Google Cloud のネットワークとセキュリティを活用した フロントエンド(GFE)とサービス統合(CI/CD, IAM など)が魅力 3. ワークロードに合わせて、サービス・ジョブ・ワーカープールの形式で アプリケーションをデプロイして実行できる 4. リモート MCP サーバーや AI エージェントの実行環境としても最適
25. Cloud Run MCP サーバー • Cloud Run MCP サーバー(拡張機能)で利用できるツールは現在7つ ◦ create_project, deploy_container_image, deploy_local_folder, get_service, get_service_log, list_projects, list_services
26. 様々なデプロイオプション… • Gemini CLI の /deploy コマンドで Cloud Run MCP サーバーを利用 • Antigravity の MCP Servers から Cloud Run MCP サーバーを利用 • ADK CLI で adk deploy cloud_run を実行 • Google Cloud CLI で gcloud run deploy を実行 AI エージェントをデプロイするなら Cloud Run だよね 「今最も推されている(客観)」コンピューティングサービス
27. Google Cloud の AI 開発エコシステム Test/ Debug Google Cloud Local PC Google ADK # agent.py from google.adk.agents.llm_agent import Agent def get_google_cloud_next_info() -> dict: """Returns info about GCNext.""" return {... Design/ Implement > adk deploy /deploy MCP Servers Antigravity Gemini CLI Google Cloud Observability AI Agent　 Google Cloud MCP Servers Telemetry APIs
28. Google Cloud の AI 開発エコシステム - セキュア Test/ Debug Google Cloud Local PC Google ADK # agent.py from google.adk.agents.llm_agent import Agent def get_google_cloud_next_info() -> dict: """Returns info about GCNext.""" return {... Design/ Implement > adk deploy /deploy MCP Servers Antigravity Gemini CLI Google Cloud Observability AI Agent　 Google Cloud MCP Servers Telemetry APIs Vertex AI Endpoint Gemini 3
29. 開発中の Google Cloud Next Agent... ファイルを確認 Gemini CLI を起動 Antigravity から Gemini を利用
30. まとめ
31. まとめ • AIエージェント開発に求められること： コード中心・マルチエージェント・外部接続・組み込み連携 • AIコーディングは Antigravity/Gemini CLI、 AI エージェントフレームワークのGoogle ADKを提供 • Google ADKは、柔軟なオーケストレーションや マルチエージェントシステムに対応したAIエージェントの開発基盤 • Google Cloud 上では、Gemini Enterprise や Vertex AI Agent Builder によるマネージドなAIエージェントが利用できる • Cloud Runは、スケーラブルで堅牢な実行環境として、 AIエージェントのデプロイに最適
32. 宣伝
33. Jagu'e'r クラウドネイティブ分科会 コンテナ、マイクロサービス 、そし て組織文化。エンタープライズ特有 の課題に、技術と情熱で挑むコミュ ニティです。CNCFプロジェクト の 深掘りから活用事例まで、Google Cloud の枠を超えて議論しましょ う。新しい仲間が待っています🐯 3~4ヶ月程度で定期的に LT 会や ハンズオン など勉強できるコンテン ツがありますので、お気軽に参加し てください！ 手を動かして学びたい方向け！
34. Jagu'e'r クラウドネイティブ分科会 手を動かして学びたい方向け！
35. Google Cloud Community Tech Surge 2026 もっと面白い話を聞きたい人向け！
36. Thank you