Upgrade to Pro — share decks privately, control downloads, hide ads and more …

第167回 雲勉 エージェント開発を加速する Agent Development Kit 入門

Sponsored · SiteGround - Reliable hosting with speed, security, and support you can count on. →

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
  1. 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

  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

  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

  4. 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)
  5. • 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!
  6. 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
  7. 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 )
  8. 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
  9. 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
  10. 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
  11. 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 )
  12. 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

  13. • 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


More Decks by iret.kumoben

Other Decks in Technology