Share
Embed
第167回 雲勉 エージェント開発を加速する Agent Development Kit 入門
下記、勉強会での資料です。
https://youtu.be/BCaj7YlwrLU
iret.kumoben
July 02, 2025
Transcript
27 slides
-
講師自己紹介 DX開発事業部 セクションリーダー 2019年入社 PjM、プリセールス、たまに開発もやるプレイングマネージャー ・2024 iret テクニカルアンバサダー
・2024 Google Cloud Partner All-star in Sales ・Google Cloud Partner Top Engineer 2025 Fellow ・2023 - 2024 Japan AWS All Certifications Engineer 最近ハマってるもの:西山ダディダディ @danishi 西田 駿史 2 -
お話すること • Agent Development Kit ( ADK )とは? • ADK
でできること • 実践 ADK でエージェントを作って Agent Engine にデプロイする • まとめ 3 -
※ただし AI エージェントにこれといった明確な定義は存在せず まず AI エージェントとは 5 特定の目的やタスクをまるで人間のように自律的に遂行 する
AI アプリケーションのこと。 ユーザーの指示や環境からの情報を受け取り、判断・行動 を行うよう設計される。 以下の要素で構成される。 1. 自律性: 人間の介入なしで自分で判断・行動できる 2. 目標指向: ある目的(例:質問に答える、スケジュールを管理するなど)を達成するように動作 3. 知覚と応答 : ユーザーからの入力や環境の情報を取得・利用し反応する 4. 学習と自己改善 : 経験から学んだり、自身の行動を評価する -
群雄割拠の様相を呈する AI エージェント開発 • フルスクラッチで作成 • LangChain などの LLM
アプリ開発フレームワークを利用する • Dify などの SaaS のエージェント構築機能を利用する • Amazon Bedrock エージェント、Vertex AI Agents • その他 Agent 開発に特化したフレームワーク (LangGraph、OpenAI Swarm、CrewAI、Mastra、etc…) 6 AI エージェントを開発するための選択肢(他にもあると思います) -
そんななかに ADK が登場! 7 殺伐としたエージェント開発界隈に ADK が!! 2025年4月 Google
が発表! Agent Development Kit -
• オープンソース : GitHub で公開( Python v1.0.0リリース済み、 Java もでた) •
柔軟なマルチエージェント構成 :複数のエージェントを階層的に組み合わせ連携できる • 複数のモデルに対応 : Gemini 以外の他社モデルにも対応 • デプロイ環境の柔軟性 : Agent Engine ( GA 済)、 Cloud Run 、 GKE 、 Docker などに対応 • 豊富なツール統合 : Google 検索などの組み込みツールに加え、OpenAPI や MCP も • 多様な実行手段 : CLI や Web API 、 SDK 、組み込みの Web UI での実行をサポート • 組み込みの評価フレームワーク :ステップバイステップの実行過程を評価できる • セッションとメモリ管理 :エージェントの状態管理やメモリ機能で複雑なタスクを遂行 • アーティファクトによるユーザーデータ管理 :バイナリや大きなデータを扱える • コールバック関数 :エージェント、モデル、ツールの呼び出しの前後で関数を実行 • スターターパック :公式のスキャフォールド(GoogleCloudPlatform/agent-starter-pack) Agent Development Kit(AKD)とは? 8 AI エージェント開発に特化した Google 謹製 の OSS SDK が登場! -
クイックスタート(Cloud Shellで) 10 https://google.github.io/adk-docs/get-started/quickstart/ 1. $ pip install google-adk
2. コードを記述(公式を和訳) 3. $ adk web 4. ブラウザ実行環境が立ち上がる -
マルチエージェント機能でエージェントにチームを組ませる 13 weather_agent_team = Agent( name="weather_agent", model=MODEL_GEMINI_2_0_FLASH, description="メインのコーディネーターエージェント。天気のリクエストを処理し、あいさつや別れの言葉は専門エージェントに委任する。 ",
instruction="あなたはチームをまとめるメインの天気エージェントです。主な責任は天気情報を提供することです。 " "「get_weather」ツールは、特定の天気リクエスト(例:「ロンドンの天気」)にのみ使用してください。 " "あなたには専門のサブエージェントがいます: " "1. 'greeting_agent':'Hi' や 'Hello' のような簡単なあいさつを処理します。これらはこのエージェントに委任してください。 " "2. 'farewell_agent':'Bye' や 'See you' のような簡単な別れの言葉を処理します。これらはこのエージェントに委任してください。 " "ユーザーの問い合わせを分析し、それがあいさつなら 'greeting_agent' に、別れの言葉なら 'farewell_agent' に委任してください。 " "天気リクエストであれば、自分自身で 'get_weather' を使って処理してください。 " "その他の内容については、適切に応答するか、対応できないことを伝えてください。 ", tools=[get_weather], # エージェントが使うツール sub_agents=[greeting_agent, farewell_agent] # タスクを委任することができるエージェント候補 ) -
マルチエージェントのオーケストレーションの種類 14 BaseAgent クラス 継承 継承 継承 LLMベース ワークフローエージェント
カスタムロジック LLMAgent, Agent LLMをエンジンとし 自然言語の推論、計画 応答生成 処理方法や使用ツールを 動的に決定する 非決定論的 SequentialAgent, ParallelAgent, LoopAgent エージェントのフロー制御自体に LLMを使用せず 事前に定義された決定論的 なパターンで実行制御 ・シーケンシャル:複数エージェントを順次実行 ・パラレル:複数エージェントを並列実行 ・ループ:複数エージェントを繰り返し 3種類のパターンでエージェントにタスクを委任 CustomAgent 独自のロジックで制御 要件に応じ 開発者がカスタマイズ -
エージェントの道具となる多様なツールをサポート 15 1. Function Tools:アプリケーションのニーズに合わせてユーザーが作成したツール a. 関数:いわゆる Function Calling
b. Agent-as-Tools:定義したエージェントを ToolAgent クラスでラップ c. Long Running Function Tools:非同期実行したり、完了までに長い時間がかかるツール 2. Built-in Tools: ADK が提供する、 Google Cloud ネイティブなツール a. Google 検索 b. コード実行 c. Vertex AI Search による RAG 3. Third-Party Tools:LangChain や CrewAI などの外部ライブラリのツールを統合 4. その他:OpenAPI ツール、MCP ツール -
セッション・メモリによる状態管理と記憶、アーティファクトによるユーザーデータ管理 16 1. Session:一連の会話スレッド 2. State: セッションに保存された状態管理ストア 3. Memory:複数のセッションにまたがって検索できる情報のストア
4. Artifacts:特定のセッション、または複数のセッションにまたがり永続的に名前付きでバージョン管 理されたバイナリデータ(ユーザーのアップロードデータやエージェントが生成したファイル)を格納す るための機能、保存場所は Cloud Storage ( GCS ) 実行環境のメモリ空間 GCSなどの外部ストレージ Artifacts ・生成されたレポート /ファイル ・ユーザーのアップロードの処理 ・中間ファイル、キャッシュ ・永続的なユーザーデータ Memory Session Session State -
def block_keyword_guardrail ( # コールバック関数 callback_context : CallbackContext , llm_request
: LlmRequest ) -> Optional [LlmResponse ]: """ 最新のユーザーメッセージに 'BLOCK' が含まれているかを検査します。 含まれていれば、 LLM の呼び出しをブロックし、あらかじめ定義された LlmResponse を返します。 含まれていなければ None を返し、そのまま処理を継続します。 """ agent_name = callback_context.agent_name # モデル呼び出しをフックしているエージェント名を取得 # --- ガードレールロジック --- keyword_to_block = "BLOCK" if keyword_to_block in last_user_message_text.upper (): # 大文字小文字を無視して検査 # オプション:ステートにフラグを立ててブロックイベントを記録 callback_context.state ["guardrail_block_keyword_triggered" ] = True # フローを中断してこのレスポンスを返す return LlmResponse ( content=types.Content ( role= "model", # エージェントからの応答として扱われるよう設定 parts= [types.Part (text=f"リクエストに禁止キーワード '{keyword_to_block }' が含まれているため、処理できませ ん。")], ) # 必要に応じて error_message を設定することも可能 ) else: # キーワードが見つからなかった場合は処理を続行 print(f"--- コールバック : キーワードが見つかりませんでした。 {agent_name } の LLM 呼び出しを許可します。 ---") return None # None を返すと ADK は通常通り LLM にリクエストを送信する コールバックの実装 18 root_agent_model_guardrail = Agent ( # コールバックを呼び出すエージェント name="weather_agent_model_guardrail" , model=root_agent_model , description= "メインエージェント:天気の提供、挨拶と別れの委任、入力キーワー ドのガードレールを含む。 ", instruction= "あなたはメインの天気エージェントです。 'get_weather_stateful' を使って天気を提供してください。単純な挨拶は 'greeting_agent' に、別れの挨拶は 'farewell_agent' に委任してください。天 気、挨拶、別れのリクエストのみを処理してください。 ", tools=[get_weather ], sub_agents= [greeting_agent , farewell_agent ], output_key= "last_weather_report" , before_model_callback=block_keyword_guardrail # <<< ガードレール コールバックを指定 ) -
構成図 20 Cloud Shell Streamlit で デプロイしたエージェントを使う Web アプリを実行 ADK
でエージェントを開発、Agent Engineにデプロイ Cloud Shell 上で 立ち上げた Web アプリにアクセス ブログ作成エージェント Agent Engine Vertex AI ・Gemini ・Imagen Cloud Storage デプロイパッケージ保存 ・情報収集サブエージェント ・記事生成サブエージェント ・アイキャッチ生成ツール -
• ADKは、AI エージェント開発にフォーカスした Google の謹製の SDK Agent Engine と組み合わせて簡単にオリジナルの AI
エージェントを構築できる • AI エージェントに注目が集まるなかプラットフォームやフレームワークが続々登場してきている (5月に AWS が発表した Strands Agents など) • 本編では触れていないが、Google はエージェント同士の通信規格である Agent2Agent( A2A ) や組織でエー ジェントを利用するための SaaS 統合プラットフォームである Google Agentspace などのプロダクトも出してきてお り、AI エージェント開発プラットフォームのデファクトを担おうとしている戦略性を感じる • アイレットは2025 Google Cloud Partner Award of the Year にて Artificial Intelligence – Japan を受賞! Google Cloud で生成 AI エージェントをやるならぜひアイレットへ! まとめ 27