はじめに
こんにちは!開発エンジニアのクリスです!
Google Cloud Next Tokyo ’25 に参加してきました。数あるセッションの中でも、特に楽しみにしていたハンズオン「ローコードで AI エージェント開発!Conversational Agents と Application Integration の活用」を体験してきましたので、その様子をレポートします!
「AIエージェント」は、Google Cloud コンソールの画面から、開発できちゃう自律思考で行動するAIです。プログラミングの知識が少なくても、クリック操作と少しの設定でAIエージェントが作れてしまうんです。その開発体験が非常に面白かったので、皆さんに共有したいと思います!
セッション概要
- タイトル: ローコードで AI エージェント開発!Conversational Agents と Application Integration の活用
- 登壇者: 岡本 充洋 氏 (Google Cloud AI Agent Platform スペシャリスト)
- 概要: Conversational Agents(旧 Dialogflow CX)と Application Integration を使い、ローコードで会話型AIエージェントを開発。さらに、既存システム(今回はBigQuery)のデータを操作するところまでを体験する。
セッションの冒頭では、Google Cloudが提供するAIエージェント開発の全体像について説明がありました。
エンドユーザーが利用するAgentspaceから、ビジネスユーザー向けのローコード開発ツール「Conversational agent」、専門的な開発者向けの「Google Agent development kit」まで、様々なスキルレベルに対応したツールが用意されているとのこと。今回は、「Conversational agent」のローコード開発をメインに体験しました。
ハンズオンレポート:出張申請AIエージェントを作ってみよう!
今回のハンズオンでは、「出張申請の内容をヒアリングし、データベースに記録してくれるAIエージェント」の作成に挑戦しました。Qwiklabsというオンライン学習環境を使って、実際に手を動かしながら進めていきます。
Step 1: データの受け皿(BigQueryテーブル)を作成
まずは、AIエージェントが受け取った出張申請データを保存するためのテーブルをBigQueryに作成します。以下のJSON形式でテーブルの構造(スキーマ)を定義し、コマンドを実行するだけで、あっという間にテーブルが完成しました。
cat > travel_requests_schema.json << EOF [ { "name": "user", "type": "STRING", "mode": "REQUIRED" }, { "name": "travel_purpose", "type": "STRING", "mode": "REQUIRED" }, { "name": "departure_city", "type": "STRING", "mode": "NULLABLE" }, { "name": "destination_city", "type": "STRING", "mode": "NULLABLE" }, { "name": "departure_date", "type": "STRING", "mode": "NULLABLE" }, { "name": "return_date", "type": "STRING", "mode": "NULLABLE" } ] EOF
Step 2: システム連携の要!Application Integrationを設定
次に、 Application Integration を設定します。
Application Integrationは並列処理、ループ処理など高度な処理も可能ですが、今回はクリック&AIでローコード開発で実施しています。
トリガーは「API」を選択し、下記のサンプルJSONを入れます。
{ "user": "Ursula Matthews", "travel_purpose": "farm inspection", "departure_city": "Santiago", "destination_city": "Doha", "departure_date": "2025-09-08", "return_date": "2025-09-16" }
BigQueryとのConnectionを設定します。
これで最後に出来上がるAgentspaceのアプリが実際のやり取りを実施する際に、この構造のデータにユーザーのプロンプトを変換可能になります。
その後、Data Transformerを設定します。
Inputデータを欲しいOutputデータの形、ここではAgentspaceのユーザープロンプトのデータからBigQueryのテーブル構造と同じように変換するための設定です。
この演習は同じデータ構造を利用しているので、マウスで線一本引けば完成です!
最後はGUI上で「APIトリガー」→「Data Transformer」→「BigQueryに保存」といった処理の箱を、マウスでドラッグして線で繋ぐだけで、一連のワークフローが完成してしまいました。ローコード開発のパワフルさを実感しました。
Step 3: AIエージェントに「道具」を持たせる
いよいよAIエージェント本体、Conversational Agents の設定です。
従来は、ユーザーとの会話シナリオを細かく分岐させて作る必要がありましたが、今回はAIの力を使って作成します。
先ほどApplication Integrationで作成した連携フローを「Tool」としてConversational Agentsに登録します。これにより、AIエージェントは「ユーザーから出張申請を受けたら、この道具を使ってBigQueryに記録する」というタスクを実行できるようになりました。
Application Intergration 画面でConversational Agents をツールとして作成:
Conversational Agents 画面からツールが登録されることを確認:
次は、Conversational Agents Playbooks を作成します。
カスタム指示を「Instruction」の箇所に入れます。
これで準備万端です!
Step 4: シミュレーションで動作確認!
設定が完了したら、シミュレーターでAIエージェントと会話してみます。「出張の申請をしたい」と話しかけると、AIエージェントが「目的はなんですか?」「出発地と目的地はどこですか?」といった質問を自動で生成し、必要な情報を聞き出してくれます。
そして、全ての情報が揃うと、先ほど登録した「出張リクエスト記録ツール」が起動され、BigQueryにデータが正しく登録されたことを確認できました。
実行されたプロセスの詳細を開くと、事前に登録されたJSONのフォーマットでデータが処理されることがわかります。
自然言語の曖昧な表現から、構造化されたデータへ変換し、データベースに登録するという一連の流れが、本当にローコードで実現できて感動しました!
⚠️ 実際のユーザーが利用する画面のAgentspaceの構築は、今回のハンズオンにリリースされることを間に合わず、実施されませんでしたが、上記のような形でGoogle Cloud コンソール上で設定ボタンをクリックすれば、このシステムを組み込むことが可能になります!⚠️
実際のユーザー画面はこんなイメージです!
やり取りの履歴は左側の「Recent」タブに保存され、後からも参照できるようになります。
未来の働き方?Agentspaceの可能性
ハンズオンの最後には、これらのAIエージェントを統合的に管理・実行するプラットフォーム「Agentspace」の紹介がありました。
Agentspaceは、以下の3つの特徴を持つとのことです。
- 検索(Search): BigQueryだけでなく、様々なデータソースを横断的に検索する能力。
- 理解(Understand): ユーザーの意図を正確に理解する能力。
- 行動(Act): 今回実装した出張申請のように、Agentspace外部システム、AI Applicationなどを操作して具体的なタスクを実行する能力。
今回のハンズオンで実装したのは、この「行動」の部分です。将来的には、Agentspace上で様々な能力を持ったエージェントと対話するだけで、複雑な業務が完了する未来が来るのかもしれない、とワクワクしました。
さいごに
今回のハンズオンは、「AIエージェント開発」のハードルを大きく下げてくれる、非常に学びの多いセッションでした。特に、Application Integrationのように、既存のシステム資産を活かしながら最新のAI技術と連携できるツールの重要性を強く感じました。
自然言語で指示するだけで、裏側で複雑なシステムが連携してタスクを実行してくれる。そんなSFのような世界が、もうすぐそこまで来ていることを実感できた貴重な体験でした。登壇してくださった岡本さん、素晴らしいハンズオンをありがとうございました!
この経験を活かして、自分の業務でもAIエージェントの活用を検討していきたいと思います!