このドキュメントでは、Google Maps Platform と Google カレンダーの実際のコンテキスト データに基づいて、信頼性が高く効果的なエージェント型 AI システムを構築するためのハイレベル アーキテクチャについて説明します。システムは、ユーザーがプロンプトで指定した場所の旅行プランを作成します。このプランでは、ユーザーのスケジュール、場所の地理的位置、営業時間、ルートの距離が考慮されます。
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 AI アーキテクト、デベロッパー、管理者を対象としています。このドキュメントは、AI と ML のコンセプトとクラウド アーキテクチャに関する基本的な知識があることを前提としています。
このドキュメントのデプロイ セクションには、このアーキテクチャに基づく機能的なエージェント型 AI システムを構築してテストする方法を学習できる Codelab 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、マルチエージェント AI システムを使用して、ユーザーが 1 日に訪れたい場所の旅行プランを生成するアプリのアーキテクチャを示しています。ユーザーはチャット インターフェースを介してアプリを操作します。オーケストレーター エージェントは、専門エージェントを呼び出して必要な情報を収集し、日程を作成します。エージェントは Gemini Enterprise で実行され、その推論は Google Maps Platform とカレンダーの現実世界のデータを使用してグラウンディングされます。
上記の図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。
Gemini Enterprise: アーキテクチャのコア コンポーネント。このシステムは、次のエージェントを含むエージェント型 AI システムをホストします。
- オーケストレーター エージェント: チャット インターフェースを介してユーザー リクエストを受信し、目標を解釈して、専門エージェントと連携してリクエストを処理します。
- 場所エージェント: 場所の検索や営業時間の確認など、位置情報に基づくタスクを処理します。
- ルート エージェント: 必要な場所への移動に十分な時間を確保するなど、ルート設定と旅行計画のタスクを処理します。
- 予約エージェント: カレンダーの読み込みや、移動時間に合わせて予定を移動するなど、スケジュール設定やカレンダー関連のタスクを管理します。
このアーキテクチャのすべてのエージェントは、Agent Development Kit（ADK）を使用して構築されています。エージェントは Gemini Enterprise Agent Platform の Agent Runtime で実行され、Gemini モデルを使用します。
ツールとデータ: エージェントは、次のツールを使用して必要なデータを取得します。
- Google マップによるグラウンディング: Google Maps Platform から Places エージェントと Routes エージェントに現実世界の地理的コンテキストを提供します。
- Places Insights: Google Maps Platform からサイト固有の詳細な分析情報を提供し、エージェントが会議の種類に基づいて適切なアーティファクトを作成できるようにします。
- カレンダー: 予約エージェントがカレンダーの予定にアクセスして管理できるようにします。
オブザーバビリティ: このコンポーネントを使用すると、エージェント オペレーションのモニタリングとデバッグが可能になります。
- エージェント イベントは Cloud Logging に記録され、Firestore データベースに公開されます。
- このアーキテクチャには、Cloud Run サービスとしてデプロイされるイベント ビューア アプリが含まれています。管理者は、このアプリを使用して、ログに記録されたイベントをモニタリングし、エージェントの思考フローとアクション（場所やルートの検証など）を確認できます。
使用するプロダクト
このアーキテクチャでは、次の Google プロダクトとツールを使用します。
- Google Maps Platform: 地図、ルート、位置情報検索サービスを提供するプラットフォーム。
- Google カレンダー: チームや個人がスケジュールや予定を管理するためのツール。
- Gemini Enterprise: 企業内で AI エージェントをデプロイして管理するためのフルマネージドの安全なプラットフォーム。
- 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一連のツールとライブラリ。
- Cloud Logging: ストレージ、検索、分析、アラート機能を備えたリアルタイムのログ管理システム。
- Firestore: 自動スケーリングと高性能を実現し、アプリケーション開発を簡素化するように構築された NoSQL ドキュメント データベースです。
- 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サーバーレス コンピューティング プラットフォーム。
ユースケース
このアーキテクチャのユースケースの例を次に示します。
出張計画の自動化: 従業員がクライアント サミットの出張を計画する必要があります。
- 旅行代理店がフライトとホテルを検索して予約します。
- 顧客管理（CRM）エージェントがサミットのアドレスと参加者リストを取得します。
- 予約エージェントは、旅行者のカレンダーに会議をスケジュールします。最終的な出力は、完全な旅行プランです。
インテリジェントなフィールド サービス ディスパッチ: 顧客がサービス停止を報告します。
- CRM エージェントがお客様の契約と所在地を特定します。
- 旅行代理店が、最も近い利用可能な技術者を見つけて、移動ルートを最適化します。
- 予約エージェントがサービス予約を行います。
物流とサプライ チェーンの調整: 物流マネージャーは、気象イベントにより配送をリダイレクトする必要があります。
- 物流エージェントは、Google Maps Platform を使用してリアルタイムの交通状況と天気をモニタリングします。
- ロジスティクス エージェントが代替ルートと倉庫を見つけます。
- CRM エージェントが、改訂された配送スケジュールについてお客様に通知します。
設計上の考慮事項
このセクションでは、このリファレンス アーキテクチャを使用して、セキュリティ、信頼性、運用効率、費用、パフォーマンスに関する特定の要件を満たすトポロジを開発する際に考慮すべき設計要素、ベスト プラクティス、推奨事項について説明します。
このセクションのガイダンスはすべてを網羅しているわけではありません。設計要素とベスト プラクティスの詳細、およびマルチエージェント AI システムの構築とデプロイに関する推奨事項については、 Google Cloudのマルチエージェント AI システムをご覧ください。
セキュリティ、プライバシー、コンプライアンス
AI エージェントに固有のセキュリティ リスクに対処するため、Google は、決定論的なセキュリティ管理と動的な推論ベースの防御を組み合わせたアプローチを推奨しています。
- 人間による監視: ビジネス クリティカルなシステムに人間参加型のフローを組み込み、人間の監督者がアウトプットを確認して、エージェントのアクションを承認、オーバーライド、一時停止できるようにします。
- Agent Identity: 各エージェントにワークロードにバインドされた ID を割り当てて、最小権限のアクセス制御を適用し、外部ツールの認証情報を一元管理します。
- Agent Gateway: Model Armor を使用して、上り（内向き）トラフィックと下り（外向き）トラフィックのガバナンス、デフォルト拒否アクセス ポリシー、インライン プロンプトとツールの検査を適用します。
- Agent Registry: エージェントが承認済みのサブエージェントと MCP ツールにのみ接続することを確認します。
信頼性
エージェント構成が信頼性要件を満たすようにするには、次の推奨事項を考慮してください。
- 重要なアクションの検証: 払い戻し不可のチケットの予約など、重要なタスクには人間参加型（HITL）の検証を組み込みます。
- 監査証跡: Logging と Pub/Sub を使用してオブザーバビリティ パイプラインを構築し、エージェントの意思決定に関する明確な監査証跡を作成します。
運用効率
各エージェントの明確なロールとデータ処理のガイドラインを定めて、強力なガバナンスを確立します。継続的なモニタリングを含む反復的な開発プロセスを使用します。このプロセスは、エージェントの動作を改良し、ビジネス要件に沿った動作を確保するのに役立ちます。
費用の最適化
各エージェントのタスクの範囲を厳密に設定して、オープンエンドのクエリや不要なクエリを防止することで、費用を管理します。一般的なルートや人気の場所など、頻繁にリクエストされるデータをキャッシュに保存することで、API 呼び出しを減らします。
パフォーマンスの最適化
このアーキテクチャのモジュラー型のマルチエージェント コーディネーター パターンは、専門エージェントを並列で動作させることで、パフォーマンスの向上に役立ちます。たとえば、Places エージェントが場所を検索している間に、Schedule エージェントがカレンダーの競合を同時に確認できます。
エージェント型 AI ワークロードのアーキテクチャを設計する際は、Google Cloud Well-Architected Framework: AI と ML の視点のベスト プラクティスと推奨事項を検討してください。
デプロイ
このアーキテクチャに基づいて機能的なエージェント型 AI システムを構築してテストする方法については、Codelab の ADK と Google マップのグラウンディングを使用して旅行プランニング エージェントを構築するの手順をご覧ください。この Codelab では、次のタスクを含むデプロイ プロセス全体について説明します。
- 必要な Google Cloud サービスを有効にする。
- ADK を使用してエージェントを作成する。
- 現実世界のコンテキストに Google マップによるグラウンディングを使用するようにエージェントを構成する。
- ウェブ インターフェースを介してエージェントを実行してテストする。
次のステップ
- 詳しくは、Google マップによるグラウンディングをご覧ください。
- Gemini Enterprise について学習します。
- 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
作成者: Kenneth Nevarez | Google Maps Platform、デベロッパー リレーションズ エンジニア
その他の寄稿者:
- Caio Moreira | DevX エンジニア
- Kumar Dhanagopal | クロス プロダクト ソリューション デベロッパー
- Mike Pegg | デベロッパー リレーションズ担当マネージャー