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機械学習タスクを自動化するアプリケーションのハイレベルなアーキテクチャ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ありません。
このドキュメントは、エージェント型 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。このドキュメントでは、エージェント型 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、bot の違いをご覧ください。
このドキュメントのデプロイ セクションでは、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型 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を提供します。
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 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 Cloud Run サービスとしてデプロイされます。 |
| ADK | ADK 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を提供します。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 | 推論サービングの場合、このサンプル アーキテクチャのエージェント は 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
このサンプル アーキテクチャでは、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 エージェントを 開発、テスト、デプロイする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を使用したデータ 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 データセットが用意されています。1 つは運用分析用のフライト データセット、もう 1 つはビジネス分析用の e コマース販売データセットです。
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 ポッドキャストを視聴する。
- （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 。
- 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。 Google Cloud
- 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