このドキュメントでは、データ サイエンス ワークフローを実行して複雑なデータ分析と ML タスクを自動化するアプリケーションのアーキテクチャの概要について説明します。
このアーキテクチャでは、BigQuery または AlloyDB for PostgreSQL でホストされているデータセットを使用します。このアーキテクチャは、ユーザーが自然言語コマンドでアクションを実行できるマルチエージェント システムであり、複雑な SQL コードや Python コードを記述する必要がなくなります。
このドキュメントは、エージェント AI アプリケーションを構築して管理するアーキテクト、デベロッパー、管理者を対象としています。このアーキテクチャを使用すると、ビジネスチームとデータチームは、小売、金融、製造など、さまざまな業界の指標を分析できます。このドキュメントは、エージェント AI システムの基本的な知識があることを前提としています。エージェントと非エージェント システムの違いについては、AI エージェント、AI アシスタント、ボットの違いは何ですか？をご覧ください。
このドキュメントのデプロイ セクションには、データ サイエンス ワークフローを実行するエージェント AI アプリケーションのデプロイを試すためのコードサンプルへのリンクが記載されています。
アーキテクチャ
次の図は、データ サイエンス ワークフロー エージェントのアーキテクチャを示しています。
このアーキテクチャには次のコンポーネントが含まれています。
| コンポーネント | 説明 |
|---|---|
| フロントエンド | ユーザーは、サーバーレスの Cloud Run サービスとして実行されるチャット インターフェースなどのフロントエンドを介して、マルチエージェント システムとやり取りします。 |
| エージェント | このアーキテクチャでは、次のエージェントを使用します。
|
| エージェント ランタイム | このアーキテクチャの AI エージェントは、サーバーレスの Cloud Run サービスとしてデプロイされます。 |
| ADK | ADK には、エージェントの開発、テスト、デプロイを行うためのツールとフレームワークが用意されています。ADK はエージェント作成の複雑さを抽象化し、AI デベロッパーがエージェントのロジックと機能に集中できるようにします。 |
| AI モデルとモデル ランタイム | このアーキテクチャ例では、推論サービングに Vertex AI の最新の Gemini モデルを使用します。 |
使用するプロダクト
このアーキテクチャ例では、次の Google Cloud プロダクトとオープンソース プロダクトおよびツールを使用します。
- Cloud Run: Google のスケーラブルなインフラストラクチャ上でコンテナを直接実行できるマネージド コンピューティング プラットフォーム。
- Agent Development Kit（ADK）: AI エージェントの開発、テスト、デプロイを行うためのツールとライブラリのセット。
- Vertex AI: ML モデルと AI アプリケーションのトレーニングとデプロイを行い、AI を活用したアプリケーションで使用する LLM をカスタマイズできる ML プラットフォーム。
- Gemini: Google が開発したマルチモーダル AI モデルのファミリー。
- BigQuery: ML、地理空間分析、ビジネス インテリジェンスなどの組み込み機能を使用してデータの管理と分析を支援する、Google Cloud のフルマネージド エンタープライズ データ ウェアハウス。
- AlloyDB for PostgreSQL: トランザクションと分析のハイブリッド処理など、特に要求の厳しいワークロード向けに設計された、PostgreSQL 対応のフルマネージド データベース サービス。
- データベース向け MCP ツールボックス: 接続プーリング、認証、オブザーバビリティなどのデータベースの複雑さを管理することで、AI エージェントがデータベースに安全に接続できるようにするオープンソースの Model Context Protocol（MCP）サーバー。
デプロイ
このアーキテクチャのサンプル実装をデプロイするには、複数のエージェントによるデータ サイエンスを使用します。このリポジトリには、システムの柔軟性を示す 2 つのサンプル データセット（運用分析用のフライト データセットと、ビジネス分析用の e コマース販売データセット）が用意されています。
次のステップ
- （動画）データ エンジニアリングとデータ サイエンス向けの AI エージェントに関する Agent Factory ポッドキャストをご覧ください。
- （ノートブック）Colab Enterprise でデータ サイエンス エージェントを使用する。
- Cloud Run で AI エージェントをホストする方法について学習する。
- Google Cloudの AI ワークロードと ML ワークロードに固有のアーキテクチャ原則と推奨事項の概要について、Well-Architected Framework の AI と ML の視点を確認する。
- Cloud アーキテクチャ センターで、リファレンス アーキテクチャ、図、ベスト プラクティスを確認する。
寄稿者
著者: Samantha He | テクニカル ライター
その他の寄稿者:
- Amina Mansour | Cloud Platform 評価チームの責任者
- Kumar Dhanagopal | クロス プロダクト ソリューション デベロッパー
- Megan O'Keefe | デベロッパー アドボケイト
- Rachael Deacon-Smith | デベロッパー アドボケイト
- Shir Meir Lador | デベロッパー リレーションズ エンジニアリング マネージャー