本記事はGoogle Cloud AI Agent Summit ’25 Springで行われたセッション「Agent Builder ではじめる AI エージェント開発徹底入門」のレポートです。

セッション情報

Agent Builder ではじめる AI エージェント開発徹底入門
スピーカー：グーグル・クラウド・ジャパン合同会社 小野 友也 様

AI エージェントを「つくる」に焦点を当て、Vertex AI Agent Builder でノーコード、ローコード、コードファーストな開発を深掘りします。対話型 AI の構築から、RAG / Groudning の活用など、AI アプリ開発を加速する手法を入門編として徹底解説します

AIエージェント開発における”使う”と”作る”

AIエージェントにおいて、Vertex AI SearchやConversational Agentsなどの使う選択した場合、スタート時のハードルの低さやモデル・インフラの管理が不要な点は非常に便利な反面、より専門的な課題の解決・細やかな要件を実現するのには限界があります。

より理想的なサービスを実現するため、本セッションでは「使う」ではなく「作る」にフォーカスをあてていました。

「作る」メリット

  • 企業独自の要件に沿ったカスタマイズが可能
  • 最新のテクノロジーはパーツごとにリリースされるため、最新の技術を組み込むことができる。

「作る」デメリット

  •  モデルやインフラの管理が必要
  •  最新の技術をパーツごとに組み合わせる設計力が求められる

どのようにAIエージェントを”作る”のか？

DIY Search and RAG

DIY Search and RAGとは、Vertex AI Searchの裏側の仕組みをAPIとして提供しているもので、必要機能を組み合わせることでユーザー独自のSearch/RAGの仕組みが構築可能となります。

前述の通り、最新のテクノロジーはパーツごとにリリースされます。言わばこのパーツを一つ一つを使ってサービス構築することでユーザー独自のAIエージェントを作れるのがDIY Search and RAGの特徴になります。

実際にどのようにパーツを組み立てていくのか、各パーツの概要と共に以下に記載します。

1. Document AI – Layout Parser (RAGの対象であるドキュメントを理解する)

まずはRAGの対象であるドキュメントの構造を理解します。
例えば、ファイル形式がHTMLなら段落や表・リストなどから内容を理解することができます。

2.Vertex AI Embedding API (インデックスを作成する)

RAGの対象であるドキュメントの理解ができたら、次はインデックスを作成します。
Vertex AI Embedding APIを活用することで、セマンティック検索するためのエンべディングを得れます。

※エンベディング（Embedding）とは、生成AIの活用において単語や文といった自然言語の情報を、その単語や文の意味を表現するベクトル空間に配置することです。

画像のように人間の軸・おもちゃの軸があった時、意味合いの近いものにベクトルで配置をしてくれます。

3. Vertex AI Vector Search  (意味的な近さを計算して検索結果を返す)

ドキュメントの理解とインデックスの作成ができたら、次は検索時にどれくらいクエリと検索結果の意味合いが近いか計算する必要があります。
Vertex AI Vector Serachではキーワード検索 + セマンティック検索のハイブリッド検索も行うことが可能となります。

※セマンティック検索とは：単なるキーワード検索ではなく検索者の意図を理解して意味的に関連性の高い検索結果を提供すること

4. Ranking API (検索結果をリランキング)

ドキュメントの理解・インデックスの作成、そして検索もできるとなったら次は検索結果のリランキングが必要になります。
Ranking APIでは、クエリに対して最も関連性の高いコンテンツを発見することができ、ユーザーが期待する結果に近いであろう物を返してくれます。

5. Grounded generation API (根拠に基づく回答を生成して精度向上)

検索結果をさらに根拠づけをして精度を上げたい場合に使用できます。
例えば、Google Searchを使って最新の情報を用いた回答を求めることもできます。
よりハルシネーションを抑えて回答の精度向上をさせたいときに有効です。

6. Check grounding API (回答が事実に基づいているか評価する)

回答が正しいかどうか検算するイメージです。回答がドキュメントと一致しているか、またどれくらい一致しているのかのスコア化などができます。

これらの機能・APIを組み合わせることで、柔軟なAIエージェントを開発することが可能です。
しかし、「色々なパーツ単位で開発するのは難しそう…」という場合、ローコードツールの活用がおすすめだそうです。

以下ではローコード開発のご紹介をしていきます。

ローコード開発で簡単にエージェントを構築

Agent Builder : RAG Engine

人気フレームワークであるLiamaIndexライクにRAGの仕組みを構築でき、フルマネージドサービスとしてデプロイ可能になります。
検索型のアプリをホストしやすく、エージェント開発の感覚が掴みやすいメリットがあります。

Agent Builder : Agent Engine

関数、パラメータを選択する際の推論を最もポピュラーなLangChainで定義、フルマネージドサービスとしてデプロイ可能になります。LangchainやLangGraphで書くようなコードをGoogleのマネージドサービスとしてデプロイできるため、使用するハードルが低いメリットがあります。

最後に

ハードルは少し高いですが、フルスクラッチでAIエージェントを作成できる時代となったことを実感するセッションでした。
より専門的なユースケースに応えていくにはこのような機能の知識を身につけ、パーツパーツを設計に落とし込めることが提案の幅を広げる重要な要素となりそうです。
今後は、少しずつ「作る」選択肢を増やし、効率的にエージェント開発を進めていきたいと思います。