Gemini Enterprise Agent Platformが登場しました #GoogleCloudNext
はじめに
こんばんは。
クラウド事業本部コンサルティング部の渡邉です。
絶賛開催中のGoogle Cloud Next '26にて、Google Cloudはエンタープライズ向けの生成AI・エージェント開発を統合する新プラットフォームGemini Enterprise Agent Platformを発表しました。
これに伴い、これまで独立したサービスとして提供されていたVertex AIは、Gemini Enterprise Agent Platformの一部として統合されました。
つまり、Vertex AIが提供してきたモデル選択・構築・チューニング機能を核としつつ、エージェント統合・セキュリティ・DevOps・オーケストレーションの新機能を加えた統合プラットフォームとして生まれ変わった形になります。
実は公式のブログ発表の前から、コンソール画面を見ているとメニューからVertex AIの文字が消え、新たにAgent Platformが出現していたのでうすうすリリースされるのではないかと思っていました。
Gemini Enterprise Agent Platformのコンソール画面
今回は、Gemini Enterprise Agent Platformの概要と4つのコンポーネント、そしてADK（Agent Development Kit）を使ってエージェントをデプロイするまでの流れを見ていきたいと思います。
Gemini Enterprise Agent Platformとは
Gemini Enterprise Agent Platformは、エンタープライズ向けの生成AI・エージェント開発に必要なツール、モデル、実行環境を統合したGoogle Cloudの新プラットフォームです。
これまで「Vertex AI」として提供されていたモデル選択・構築・チューニングのサービス群がその基盤として組み込まれ、AIエージェントの構築・スケール・ガバナンス・最適化に特化した新機能が加わりました。Vertex AIは独立したサービスではなく、Gemini Enterprise Agent Platformを構成する一部として位置づけられています。
こうした背景には、Google Cloudにおける生成AIの急速な普及があります。Google Cloud Next '26の発表によれば、Google Cloudの顧客の75%がすでにAI製品を利用しており、月間160億トークン/分が処理されているそうです。330社以上が月間1兆トークン以上を処理するほどの規模に達しており、エンタープライズ向けのエージェント基盤を整備することが急務となっていたと推察されます。
プラットフォームは以下の4つのコンポーネントで構成されています。
| コンポーネント | 旧称 | 説明 |
|---|---|---|
| Agent Studio | Vertex AI Studio | モデルの検出・プロンプト最適化・エージェント開発のための統合ワークスペース |
| Agents | Vertex AI Agent Builder / Agent Engine | AIエージェントの構築・デプロイ・運用のためのフルスタック基盤 |
| Models | Model Garden | 200以上のモデルを提供するモデルカタログ |
| Notebooks | Vertex AI Workbench / Colab Enterprise | データサイエンス・ML開発のためのJupyterベース環境 |
4つのコンポーネント
Agent Studio
Agent Studioは、モデルの検出・システム指示の改良・プロンプトの最適化を行うための一元化されたコラボレーションワークスペースです。ノーコードでエージェントを試作し、本番対応のAIソリューションへ発展させることができます。
Agent Studioのコンソール画面
主な機能
- デュアルペインワークスペース: コードのプレビュー・編集とビジュアル設計をシームレスに切り替え可能
- プロンプト最適化: システム指示を自動生成し、複数の指示やモデルを並べて比較
- データ統合: Google検索・RAG Engine・Agent Searchを利用してエンタープライズデータとの接続が可能
- 最新モデルへのアクセス: Gemini 3.1、Veo 3.1など最新モデルをそのまま利用可能
Agents
Agentsコンポーネントは、AIエージェントのライフサイクル全体を管理する基盤です。エージェント構築には、ノーコードのAgent Studioとコードファーストの ADK（Agent Development Kit） という2つのパスが用意されています。
今回のGoogle Cloud Next '26の目玉の発表といってもよいと思います。
Agents Platformの全体像
Agentsのコンソール画面
エージェントプラットフォームは以下の4つの柱で設計されています。
| 柱 | 内容 |
|---|---|
| Build | 200以上のFoundation ModelへのアクセスとADK/Agent Studioによるエージェント開発。 MCP（Model Context Protocol） サーバーへの接続やAtlassian・Box・ServiceNowなどのパートナー製エージェントも即時デプロイ可能 |
| Scale | コールドスタートが1秒未満で完了・数秒でのエージェントプロビジョニング・Long-running agentsによる複数ステップワークフロー・セキュアサンドボックスでのコード実行・Memory Bankによる長期記憶 |
| Govern | Agent ID保護・Agent Registry（MCP Serverのセントラル管理）・Agent Gatewayによるリアルタイムポリシー適用・Agent Anomaly Detectionによる不審な動作の事前検知・Agent Security DashboardでのAIリスク可視化 |
| Optimize | Gen AI Evaluation Serviceによる品質評価・Agent Simulationによる大規模ストレステスト・Cloud ObservabilityによるOTel準拠のテレメトリー収集とトポロジー可視化 |
今回のGoogle Cloud Next '26で新たに発表・強化された主なサービスは以下の通りです。Private Previewのサービスも多くありますが、かなりのサービスが発表されました。
Scale
- Agent Sandbox（GA）: エージェントが生成したコードを安全に実行するための隔離されたサンドボックス環境
Govern
- Agent Gateway（New）: エージェント間通信に対してアクセス制御ポリシーをリアルタイムで適用するネットワークコンポーネント
- Agent Registry（New）: エージェント・MCPサーバー・メタデータを組織全体で一元管理するセントラルリポジトリ
- Agent Identity（GA）: 各エージェントに割り当てられる一意の暗号化IDと監査可能な認可ポリシー。不正なエージェントの識別と制御が可能になる
- Agent Anomaly Detection（New）: ツールの悪用・不正アクセス・推論ドリフトをリアルタイムで自動検出するセキュリティ機能
- Agent Security（New）: エージェントのセキュリティリスクを可視化・管理するダッシュボード
Optimize
- Agent Evaluation（New）: Gen AI Evaluation Serviceと連携したエージェントの品質評価機能
- Agent Simulation（New）: 数千の合成シナリオを用いた多段階インタラクションのストレステスト。本番デプロイ前にエージェントの動作を大規模に検証できる
- Agent Observability（New）: OTel準拠のテレメトリー収集とエージェントのトポロジー可視化
- Agent Optimizer（New）: エージェントのパフォーマンスを継続的に最適化する機能
Models
Modelsコンポーネントは、Google製・パートナー製・オープンモデルへの統合アクセスを提供します。
Modelsのコンソール画面
| カテゴリ | モデル例 |
|---|---|
| Google製モデル | Gemini、Gemma、Imagen、Veo、Lyria |
| パートナーモデル | Anthropic Claude、Grok、Mistral AI |
| オープンモデル | DeepSeek、Llama、Qwen |
Notebooks
Notebooksコンポーネントは、2種類のJupyterベース環境を提供します。
Notebooksのコンソール画面
- Colab Enterprise: Google Cloudと統合されたコラボレーション指向のマネージドNotebook。共同作業向け
- Agent Platform Workbench: データサイエンス・MLワークフロー向けのカスタマイズ可能なJupyterLabインスタンス
ADKを使ったエージェントのデプロイを試してみる
ADK（Agent Development Kit）を使って、Gemini Enterprise Agent Platform上にエージェントをデプロイするまでの流れを確認します。ここではCloud Shellを使った手順を紹介します。
前提条件
以下のIAMロールが付与されていること
roles/aiplatform.user（Vertex AI User）roles/storage.admin（Storage Admin）
APIの有効化
Gemini Enterprise Agent Platformのコンソール画面へアクセスすると、**Enable APIs to access full platform capabilities 「APIを有効にする」**との記載があるので、クリックします。
しばらくすると、先ほどのAPIの有効化を促す文言が消え、以下の画面に切り替わります。
どんなAPIが有効化されたのかチェックしてみたら、なんと18個のAPIが有効化されていました。
Gemini Enterprise Agent Platformのフル機能を利用しようとすると上記のAPIすべてを有効化する必要がありそうです。
CLIで有効化する場合は注意しておきましょう。
SDKとADKのインストール
pip install --upgrade --quiet google-cloud-aiplatform[agent_engines,adk]>=1.112
認証
Cloud Shell を利用する場合は認証操作は不要です。
ローカル環境の場合は以下のコマンドで認証します。
gcloud auth application-default login
SDKの初期化
import vertexai
client = vertexai.Client(
project="your-project-id", # Google CloudプロジェクトID
location="us-central1", # リージョン（例: us-central1）
)
エージェントの開発
Step 1: ツールの定義
通貨換算を行うツール関数を定義します。
def get_exchange_rate(
currency_from: str = "USD",
currency_to: str = "EUR",
currency_date: str = "latest",
):
"""2つの通貨間の為替レートを取得します。"""
import requests
response = requests.get(
f"https://api.frankfurter.app/{currency_date}",
params={"from": currency_from, "to": currency_to},
)
return response.json()
Step 2: エージェントのインスタンス化
from google.adk.agents import Agent
from vertexai import agent_engines
agent = Agent(
model="gemini-2.5-flash",
name="currency_exchange_agent",
tools=[get_exchange_rate],
)
app = agent_engines.AdkApp(agent=agent)
ローカルでのテスト
デプロイ前にローカルで動作確認します。
import asyncio
async def test_local():
async for event in app.async_stream_query(
user_id="test-user",
message="今日の米ドルからスウェーデンクローナへの為替レートを教えてください",
):
print(event)
asyncio.run(test_local())
以下のレスポンスを取得することができます。
Warning: there are non-text parts in the response: ['function_call'], returning concatenated text result from text parts. Check the full candidates.content.parts accessor to get the full model response.
{'model_version': 'gemini-2.5-flash', 'content': {'parts': [{'function_call': {'id': 'adk-xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx', 'args': {'currency_from': 'USD', 'currency_to': 'SEK'}, 'name': 'get_exchange_rate'}, 'thought_signature': '...(omitted)...'}], 'role': 'model'}, 'finish_reason': 'STOP', 'usage_metadata': {'candidates_token_count': 14, 'candidates_tokens_details': [{'modality': 'TEXT', 'token_count': 14}], 'prompt_token_count': 65, 'prompt_tokens_details': [{'modality': 'TEXT', 'token_count': 65}], 'thoughts_token_count': 93, 'total_token_count': 172, 'traffic_type': 'ON_DEMAND'}, 'avg_logprobs': -1.2523279190063477, 'invocation_id': 'e-xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx', 'author': 'currency_exchange_agent', 'actions': {'state_delta': {}, 'artifact_delta': {}, 'requested_auth_configs': {}, 'requested_tool_confirmations': {}}, 'long_running_tool_ids': [], 'id': 'xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx', 'timestamp': 1776867706.449164}
{'content': {'parts': [{'function_response': {'id': 'adk-xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx', 'name': 'get_exchange_rate', 'response': {'amount': 1.0, 'base': 'USD', 'date': '2026-04-21', 'rates': {'SEK': 9.1353}}}}], 'role': 'user'}, 'invocation_id': 'e-xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx', 'author': 'currency_exchange_agent', 'actions': {'state_delta': {}, 'artifact_delta': {}, 'requested_auth_configs': {}, 'requested_tool_confirmations': {}}, 'id': 'xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx', 'timestamp': 1776867710.3222451}
{'model_version': 'gemini-2.5-flash', 'content': {'parts': [{'text': '今日の米ドルからスウェーデンクローナへの為替レートは1ドルあたり9.1353スウェーデンクローナです。'}], 'role': 'model'}, 'finish_reason': 'STOP', 'usage_metadata': {'candidates_token_count': 34, 'candidates_tokens_details': [{'modality': 'TEXT', 'token_count': 34}], 'prompt_token_count': 196, 'prompt_tokens_details': [{'modality': 'TEXT', 'token_count': 196}], 'total_token_count': 230, 'traffic_type': 'ON_DEMAND'}, 'avg_logprobs': -0.036217451095581055, 'invocation_id': 'e-xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx', 'author': 'currency_exchange_agent', 'actions': {'state_delta': {}, 'artifact_delta': {}, 'requested_auth_configs': {}, 'requested_tool_confirmations': {}}, 'id': 'xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx', 'timestamp': 1776867710.3237963}
Agent Runtimeへのデプロイ
client.agent_engines.create() を呼び出すことで、ADKエージェントをAgent Runtimeにデプロイできます。staging_bucket に指定したGCSバケットをステージングエリアとして使用し、必要なパッケージのインストールや実行環境の構築が自動的に行われます。デプロイ完了まで数分かかります。
remote_agent = client.agent_engines.create(
agent=app,
config={
"requirements": ["google-cloud-aiplatform[agent_engines,adk]"],
"staging_bucket": "gs://YOUR_STAGING_BUCKET", # 事前に作成したGCSバケット
},
)
デプロイが完了すると、Agent Rutimeのコンソール上に表示されます。
デプロイ済みエージェントへのクエリ
デプロイ済みエージェントへのクエリはローカルテストと同じ async_stream_query() メソッドで実行します。user_id はセッション管理に使用され、同じ値を指定することで会話履歴が維持されます。Agent Runtime上で動作するため、スケーリングや可用性の管理はGoogle側に委ねられます。
async def test_remote():
async for event in remote_agent.async_stream_query(
user_id="test-user",
message="今日の米ドルからスウェーデンクローナへの為替レートを教えてください",
):
print(event)
asyncio.run(test_remote())
以下のレスポンスを取得することができます。
{'model_version': 'gemini-2.5-flash', 'content': {'parts': [{'function_call': {'id': 'adk-xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx', 'args': {'currency_to': 'SEK', 'currency_from': 'USD'}, 'name': 'get_exchange_rate'}, 'thought_signature': '...(omitted)...'}], 'role': 'model'}, 'finish_reason': 'STOP', 'usage_metadata': {'candidates_token_count': 14, 'candidates_tokens_details': [{'modality': 'TEXT', 'token_count': 14}], 'prompt_token_count': 65, 'prompt_tokens_details': [{'modality': 'TEXT', 'token_count': 65}], 'thoughts_token_count': 97, 'total_token_count': 176, 'traffic_type': 'ON_DEMAND'}, 'avg_logprobs': -0.7683595248631069, 'invocation_id': 'e-xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx', 'author': 'currency_exchange_agent', 'actions': {'state_delta': {}, 'artifact_delta': {}, 'requested_auth_configs': {}, 'requested_tool_confirmations': {}}, 'long_running_tool_ids': [], 'id': 'xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx', 'timestamp': 1776868697.6926699}
{'content': {'parts': [{'function_response': {'id': 'adk-xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx', 'name': 'get_exchange_rate', 'response': {'amount': 1.0, 'base': 'USD', 'date': '2026-04-22', 'rates': {'SEK': 9.1844}}}}], 'role': 'user'}, 'invocation_id': 'e-xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx', 'author': 'currency_exchange_agent', 'actions': {'state_delta': {}, 'artifact_delta': {}, 'requested_auth_configs': {}, 'requested_tool_confirmations': {}}, 'id': 'xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx', 'timestamp': 1776868699.5175734}
{'model_version': 'gemini-2.5-flash', 'content': {'parts': [{'text': '今日の米ドルからスウェーデンクローナへの為替レートは1ドルあたり9.1844スウェーデンクローナです。'}], 'role': 'model'}, 'finish_reason': 'STOP', 'usage_metadata': {'candidates_token_count': 34, 'candidates_tokens_details': [{'modality': 'TEXT', 'token_count': 34}], 'prompt_token_count': 200, 'prompt_tokens_details': [{'modality': 'TEXT', 'token_count': 200}], 'total_token_count': 234, 'traffic_type': 'ON_DEMAND'}, 'avg_logprobs': -0.0392569759312798, 'invocation_id': 'e-xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx', 'author': 'currency_exchange_agent', 'actions': {'state_delta': {}, 'artifact_delta': {}, 'requested_auth_configs': {}, 'requested_tool_confirmations': {}}, 'id': 'xxxxxxxx-xxxx-xxxx-xxxx-xxxxxxxxxxxx', 'timestamp': 1776868699.6458802}
クリーンアップ
最後に、作成したAgent Runtimeリソースを削除してコストを抑えます。
remote_agent.delete(force=True)
まとめ
Google Cloud Next '26で発表されたGemini Enterprise Agent Platformは、Vertex AIをその一部として取り込み、エージェント開発を中心に据えた統合プラットフォームとして登場しました。
Vertex AIが基盤として統合されることで、モデル選択・構築・チューニング機能はそのままに、エージェント開発・運用・ガバナンスの新機能が追加されました。
またエージェント機能に関しては、Build、Scale、Govern、Optimize の4つの柱により、エージェントの開発から本番運用・ガバナンスまでを1つのプラットフォームで管理できるようになり予想通り、エージェント関連はかなりのアップデートがありました。
なお、Gemini Enterprise Agent PlatformはGoogle Cloudが描く 「Agentic Enterprise」 ビジョンの中核を担うプラットフォームです。AI Hypercomputer（インフラ）・Agentic Data Cloud（データ基盤）・Agentic Defense（セキュリティ）と組み合わせることで、エンタープライズ全体にわたるエージェント活用が可能になります。
Vertex AIを利用してAIアプリケーションを開発している方は、新しいドキュメントサイトも確認してみてはいかがでしょうか。
今回のGoogle Cloud Next '26で新たに発表されたAgent関連の個別のサービスにも触ってブログにしていきたいです。
この記事が誰かの助けになれば幸いです。
以上、クラウド事業本部コンサルティング部の渡邉でした！
