adk-samples に学ぶデータ分析 LLM エージェント開発

DevFest Tokyo 2025
https://gdg-tokyo.connpass.com/event/369416/

1. Editable Location Naofumi Yamada @na0fu3y Analytics Engineer, Mercari, Inc. adk-samples に学ぶ データ分析 LLM Agent 開発
2. na0 メルカリでデータ分析 LLM Agent をつくっている人。 Google Developer Expert - Cloud。
3. LLM Agent 開発の課題意識 • PoC したいけど最小構成って？ • どう育てればよい？
4. 今日のゴール • adk-samples を開発の羅針盤だと理解する • データ分析を例として育て方を理解する • 「使える」データ分析エージェントを持ち帰る
5. github.com/google/ adk-samples
6. 30+ のサンプルエージェント • 双方向対話 bidi-demo • データ分析 data-science • 調査 deep-search • などなど...!
7. bidi-demo Google 検索できる 音声応答 Agent
8. from google.adk.agents import Agent from google.adk.tools import google_search agent = Agent( name="google_search_agent", model="gemini-live-2.5-flash-preview-native-audio-09-2025", tools=[google_search], instruction="You are a helpful assistant." ) adk-samples/python/agents/bidi-demo/
9. data-science BigQuery と Python を扱うデータ分析 Agent
10. data-science のツール • BigQuery クエリ実行 • AlloyDB クエリ実行 • BigQuery ML に関する知識検索 • 自然言語 to SQL • Python 実行
11. 私たちに必須なツールは ...？ • BigQuery クエリ実行 • AlloyDB クエリ実行 • BigQuery ML に関する知識検索 • 自然言語 to SQL • Python 実行
12. 私たちの Agent v1 from google.adk.agents import Agent from google.adk.tools.bigquery import BigQueryToolset bigquery_toolset = BigQueryToolset(tool_filter=["execute_sql"]) root_agent = Agent( model="gemini-3-pro-preview", name="sample", instruction="You are a data science agent", tools=[bigquery_toolset], )
13. 私たちの Agent v1 BigQuery にクエリを 実行できる
14. 次の私たちに必要なツールは ...？ • BigQuery クエリ実行 • BigQuery のテーブルの詳細を確認する • BigQuery のテーブルを一覧する
15. 私たちの Agent v2 bigquery_toolset = BigQueryToolset( tool_filter=[ "get_table_info", "list_table_ids", "execute_sql", ] )
16. 私たちの Agent v2 データを教えると勝 手に調べて分析して くれる
17. 私たちが他に必要なツールは ...？ • BigQuery クエリ実行 • BigQuery のテーブルの詳細を確認する • BigQuery のテーブルを検索する 一覧する
18. 私たちの Agent v3 def rag_response(query: str) -> str: response = rag.retrieval_query( rag_resources=[rag.RagResource(rag_corpus=OUR_CORPUS)], text=query, ) return str(response) root_agent = Agent( tools=[bigquery_toolset, rag_response], // 変更のない引数略 )
19. 私たちの Agent v3 データを教えなくても 勝手に調べて分析し てくれる
20. そろそろガードレールも？ • 利用者権限の認可下で動かす ◦ BigQuery クエリ実行 ◦ BigQuery のテーブルの詳細を確認する • BigQuery のテーブルを検索する
21. 私たちの Agent v4 credentials_config = BigQueryCredentialsConfig( client_id=os.getenv("OAUTH_CLIENT_ID"), client_secret=os.getenv("OAUTH_CLIENT_SECRET"), ) bigquery_toolset = BigQueryToolset( tool_filter=["get_table_info", "execute_sql"], credentials_config=credentials_config )
22. 私たちがやるべきこと • 欲望を言語化する ◦ 利用者目線の欲望レベルを上げていく ◦ 管理者目線のガードレールも忘れずに • つくる • くりかえす
23. 欲望が見つからない時は？ • Gemini や同僚と話す • adk-samples を眺める • （na0 と話す）
24. 私たちがやるべきこと（再） • LLM と協力して、欲望を言語化する • LLM と協力して、つくる • くりかえす
25. deep-search Deep Research の 実装例
26. ん？ • Google 検索ツールを BigQuery やドキュメントを 参照するツールに置き換えたら...？
27. 私たちがやるべきこと（再々） • LLM と協力して、欲望を言語化する • LLM と協力して、つくる • くりかえす