GENAI107

概要

このラボでは、エージェント ワークフローのスケーラブルなフルマネージド環境を実現するために、ADK エージェントを Agent Engine にデプロイする方法を学びます。

インフラストラクチャの割り当てとスケーリングは自動で行われるため、エージェントのロジックに集中できます。

目標

このラボでは、以下について学びます。

• エージェントを Agent Engine にデプロイするメリット
• Reasoning Engine サービス エージェントに必要なロールを付与する方法
• ADK コマンドライン インターフェースを使用してエージェントを Agent Engine にデプロイする方法
• Agent Engine にデプロイされたエージェントにクエリを実行する方法
• デプロイしたエージェントをモニタリングする方法
• エージェントを削除する方法

設定と要件

[ラボを開始] ボタンをクリックする前に

こちらの手順をお読みください。ラボの時間は制限されており、一時停止することはできません。[ラボを開始] ボタンをクリックするとタイマーが開始され、Cloud リソースを利用できる時間が表示されます。

この Qwiklabs ハンズオンラボでは、シミュレーションやデモ環境ではなく、実際のクラウド環境を使ってご自身でラボのアクティビティを行うことができます。一時的な認証情報が新しく提供されるため、ラボ受講中の Google Cloud Platform へのログインおよびアクセスにはその認証情報を使用してください。

前提条件

このラボを完了するには、次のものが必要です。

• 標準的なインターネット ブラウザ（Chrome を推奨）。
• ラボを完了するために必要な時間。

注: すでに個人の GCP アカウントやプロジェクトをお持ちの場合でも、そのアカウントやプロジェクトはラボでは使用しないでください。

ラボを開始して Google Cloud コンソールにログインする方法

1. [ラボを開始] ボタンをクリックします。ラボの料金をお支払いいただく必要がある場合は、表示されるダイアログでお支払い方法を選択してください。 左側の [ラボの詳細] ペインには、以下が表示されます。

   • [Google Cloud コンソールを開く] ボタン
   • 残り時間
   • このラボで使用する必要がある一時的な認証情報
   • このラボを行うために必要なその他の情報（ある場合）

2. [Google Cloud コンソールを開く] をクリックします（Chrome ブラウザを使用している場合は、右クリックして [シークレット ウィンドウで開く] を選択します）。

   ラボでリソースがスピンアップし、別のタブで [ログイン] ページが表示されます。

   ヒント: タブをそれぞれ別のウィンドウで開き、並べて表示しておきましょう。

   注: [アカウントの選択] ダイアログが表示されたら、[別のアカウントを使用] をクリックします。

3. 必要に応じて、下のユーザー名をコピーして、[ログイン] ダイアログに貼り付けます。

   {{{user_0.username | "Username"}}}

   [ラボの詳細] ペインでもユーザー名を確認できます。

4. [次へ] をクリックします。

5. 以下のパスワードをコピーして、[ようこそ] ダイアログに貼り付けます。

   {{{user_0.password | "Password"}}}

   [ラボの詳細] ペインでもパスワードを確認できます。

6. [次へ] をクリックします。

   重要: ラボで提供された認証情報を使用する必要があります。Google Cloud アカウントの認証情報は使用しないでください。 注: このラボでご自身の Google Cloud アカウントを使用すると、追加料金が発生する場合があります。

7. その後次のように進みます。

   • 利用規約に同意してください。
   • 一時的なアカウントなので、復元オプションや 2 要素認証プロセスは設定しないでください。
   • 無料トライアルには登録しないでください。

その後、このタブで Google Cloud コンソールが開きます。

注: Google Cloud のプロダクトやサービスにアクセスするには、ナビゲーション メニューをクリックするか、[検索] フィールドにサービス名またはプロダクト名を入力します。

Agent Engine

Vertex AI Agent Engine（以前は LangChain on Vertex AI または Vertex AI Reasoning Engine と呼ばれていました）は、Google Cloud のフルマネージド サービスであり、開発者が本番環境で AI エージェントをデプロイ、管理、スケールするのに役立ちます。

そのメリットについて詳しくは、Vertex AI Agent Engine のドキュメントをご覧ください。

タスク 1. ADK をインストールして環境を設定する

注: ほとんどの Qwiklabs では、Qwiklabs 受講者アカウントと Google Cloud にログインしている他のアカウントとの混同を避けるために、ブラウザのシークレット ウィンドウを使用することをおすすめします。Chrome を使用している場合は、シークレット ウィンドウをすべて閉じてから、このラボの上部にある [Google Cloud コンソールを開く] ボタンを右クリックし、[シークレット ウィンドウで開く] を選択するのが最も簡単な方法です。

Vertex AI の推奨 API を有効にする

1. このラボ環境では、Vertex AI API が有効になっています。ご自身のプロジェクトでこれらの手順を行う場合は、Vertex AI に移動し、プロンプトに従って有効にすることで、有効にできます。

Cloud Shell エディタタブを準備する

1. Google Cloud コンソール ウィンドウを選択した状態で、キーボードの G キーを押してから S キーを押して、Cloud Shell を開きます。または、Cloud コンソールの右上にある [Cloud Shell をアクティブにする] ボタン（）をクリックします。

2. [続行] をクリックします。

3. Cloud Shell を承認するよう求められたら、[承認] をクリックします。

4. Cloud Shell ターミナル パネルの右上にある「新しいウィンドウで開く」ボタン（）をクリックします。

5. Cloud Shell ターミナルで、次のコマンドを入力して Cloud Shell エディタをホーム ディレクトリで開きます。

   cloudshell workspace ~

6. 画面の右側に表示される追加のチュートリアルや Gemini のパネルを閉じると、コードエディタのウィンドウをより広く使用できます。
7. このラボの残りの部分では、このウィンドウを Cloud Shell エディタと Cloud Shell ターミナルを備えた IDE として使用できます。

このラボの ADK とコードサンプルをダウンロードしてインストールする

1. Cloud Shell ターミナルで次のコマンドを実行して、PATH 環境変数を更新し、ADK をインストールします。

   export PATH=$PATH:"/home/${USER}/.local/bin" python3 -m pip install google-adk

2. 次のコマンドを Cloud Shell ターミナルに貼り付けて、Cloud Storage バケットからファイルをコピーして解凍し、このラボのコードを含むプロジェクト ディレクトリを作成します。

   gcloud storage cp -r gs://{{{project_0.project_id| YOUR_GCP_PROJECT_ID}}}-bucket/adk_to_agent_engine .

3. 次のコマンドでラボの追加要件をインストールします。

   python3 -m pip install -r adk_to_agent_engine/requirements.txt

4. 次のコマンドを実行して、adk_to_agent_engine ディレクトリに .env ファイルを作成します。（注: ピリオドで始まる隠しファイルを表示するには、Cloud Shell エディタのメニューで [表示] > [隠しファイルを切り替える] を有効にします）。

   cd ~/adk_to_agent_engine cat << EOF > .env GOOGLE_GENAI_USE_VERTEXAI=TRUE GOOGLE_CLOUD_PROJECT={{{project_0.project_id| YOUR_GCP_PROJECT_ID}}} GOOGLE_CLOUD_LOCATION={{{project_0.default_region| GCP_LOCATION}}} MODEL=gemini-2.5-flash EOF

5. .env ファイルをエージェント ディレクトリにコピーして、エージェントがデプロイされたら必要な認証構成を提供します。

   cp .env transcript_summarization_agent/.env

タスク 2. コマンドライン デプロイ方法を使用して Agent Engine にデプロイする

ADK のコマンドライン インターフェースには、エージェントを Agent Engine、Cloud Run、Google Kubernetes Engine（GKE）にデプロイするためのショートカットが用意されています。これらの各サービスにデプロイするには、次の基本コマンドを使用できます。

• adk deploy agent_engine（コマンドライン因数は @deploy.command("agent_engine") デコレータの下に記載）
• adk deploy cloud_run（コマンドライン引数は @deploy.command("cloud_run") デコレータの下に記載）
• adk deploy gke（コマンドライン引数は @deploy.command("gke") デコレータの下に記載）

adk deploy agent_engine コマンドは、エージェントを reasoning_engines.AdkApp クラスでラップし、このアプリを Agent Engine のマネージド ランタイムにデプロイして、エージェント クエリを受け取れるようにします。

AdkApp が Agent Engine にデプロイされると、永続的なマネージド セッション状態のために VertexAiSessionService が自動的に使用されます。これにより、追加の構成なしで複数ターンの会話メモリが提供されます。ローカルテストの場合、アプリケーションはデフォルトで一時的な InMemorySessionService を使用します。

adk deploy agent_engine を使用して Agent Engine アプリをデプロイするには、次の手順を行います。

1. adk_to_agent_engine/transcript_summarization_agent ディレクトリで、agent.py ファイルをクリックして、この簡単な要約エージェントの手順を確認します。

2. エージェントをデプロイするには、その要件を指定する必要があります。Cloud Shell エディタで、transcript_summarization_agent ディレクトリを右クリックします（右クリック メニューを有効にするには、[許可] をクリックする必要がある場合があります）。

3. [新しいファイル] を選択します。

4. ファイルには、標準の Python 要件ファイルと同じ名前（requirements.txt）を付けます。

5. 以下の内容をファイルに貼り付けます。

   google-cloud-aiplatform[adk,agent_engines]==1.110.0

6. ファイルを保存します。

7. Cloud Shell ターミナルで deploy コマンドを実行します。

   adk deploy agent_engine transcript_summarization_agent \ --display_name "Transcript Summarizer" \ --staging_bucket gs://{{{project_0.project_id| YOUR_GCP_PROJECT_ID}}}-bucket

   ステータスは、コマンドの出力からリンクされるログファイルで確認できます。デプロイ中、次の手順が実行されます。

   1. アーティファクトのバンドルがローカルに生成されます。このバンドルは次の要素で構成されます。
      • *.pkl: local_agent に対応する pickle ファイル。
      • requirements.txt: エージェント フォルダにあるこのファイルは、パッケージ要件を定義します。
      • dependencies.tar.gz: 追加のパッケージを含む tar ファイル。
   2. アーティファクトのステージングのために、バンドルが Cloud Storage（指定されている場合は定義されたディレクトリを使用）にアップロードされます。
   3. それぞれのアーティファクトの Cloud Storage URI は PackageSpec で指定します。
   4. Vertex AI Agent Engine サービスがリクエストを受け取り、コンテナをビルドしてバックエンドで HTTP サーバーを起動します。

   注: デプロイには約 10 分かかりますが、デプロイ中にこのラボを続行できます。

   エージェントのデプロイ中にクイズ

   adk deploy ... コマンドのそれぞれで、特定の引数を設定する必要があります。最新の引数については、このタスクの上部にあるリストのリンクされたコマンドをクリックし、「必須」とマークされた引数を確認してください。

   adk deploy agent_engine デプロイの --project や --region など、一部の必須引数は、エージェントの .env ファイルが存在する場合、そのファイルから値を読み込むことができます。

   adk deploy agent_engine の引数に基づいて、次の質問に答えてください。

   予想される出力のハイライト:

   エージェントのソースコードをコピーしています... エージェントのソースコードのコピーが完了しました。 Vertex AI を初期化しています... [...] Creating AgentEngine Create AgentEngine backing LRO: projects/430282503153/locations/us-central1/reasoningEngines/2902138951282196480/operations/2777364189918789632 View progress and logs at https://console.cloud.google.com/logs/query?project=qwiklabs-gcp-04-f71a2270bd79 AgentEngine created. リソース名: projects/430282503153/locations/us-central1/reasoningEngines/2902138951282196480 この AgentEngine を別のセッションで使用するには: agent_engine = vertexai.agent_engines.get('projects/430282503153/locations/us-central1/reasoningEngines/2902138951282196480') 一時フォルダをクリーンアップしています: /tmp/agent_engine_deploy_src/20250813_175223

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 エージェントをデプロイする。

タスク 3. Agent Engine にデプロイされたエージェントを取得してクエリを実行する

エージェントにクエリを実行するには、まず、Vertex AI を介してモデルを呼び出すための認証をエージェントに付与する必要があります。

1. サービス エージェントと割り当てられたロールを確認するには、コンソールで [IAM] に移動します。

2. [Google 提供のロール付与を含める] チェックボックスをオンにします。

3. AI Platform Reasoning Engine サービス エージェント（service-PROJECT_NUMBER@gcp-sa-aiplatform-re.iam.gserviceaccount.com）を見つけて、このサービス エージェントの行にある編集の鉛筆アイコンをクリックします。

4. [+ 別のロールを追加] をクリックします。

5. [ロールを選択] フィールドに「Vertex AI ユーザー」と入力します。ツールを使用して他のデータにアクセスするエージェントをデプロイする場合、これらのシステムへのアクセス権もこのサービス エージェントに付与することになります。

6. 変更を保存します。

7. Cloud Shell エディタに戻り、adk_to_agent_engine ディレクトリ内で query_agent_engine.py ファイルを開きます。

8. コードとコメントを確認して、何が行われているかを確認します。

9. エージェントに渡された文字起こしを確認して、適切な要約が生成されているかどうかを評価します。

10. Cloud Shell ターミナルで、adk_to_agent_engine ディレクトリから次のコマンドでファイルを実行します。

    cd ~/adk_to_agent_engine/transcript_summarization_agent python3 query_agent_engine.py

    出力例（実際のものとは異なる場合があります）:

    [リモート応答] ユーザーがボートの購入を希望しており、サイズについて尋ねられた後、50,000 ドルでどの程度のボートが購入できるかについて問い合わせています。仮想エージェントは、50,000 ドルで「とても良いボート」が手に入ると回答し、ユーザーは手続きを進めることに同意します。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 エージェントにクエリを実行する。

タスク 4. Agent Engine にデプロイされたエージェントを表示および削除する

1. エージェントのデプロイが完了したら、Cloud コンソールを表示しているブラウザタブに戻り、コンソールの上部で「Agent Engine」を検索して選択し、移動します。

2. [リージョン] プルダウンで、このラボのロケーション（）が選択されていることを確認します。

3. デプロイされたエージェントの表示名が表示されます。表示名をクリックして、そのモニタリング ダッシュボードに入ります。

4. 指標タブとセッションタブの両方に注目してください。それぞれ、エージェントがどのように使用されているかに関する分析情報が表示されます。

5. エージェントを削除する準備ができたら、モニタリング ダッシュボードの上部にある [デプロイの詳細] を選択します。

6. Cloud Shell ターミナルを実行しているブラウザタブに戻り、次のコマンドを貼り付けますが、まだ実行しないでください。

   cd ~/adk_to_agent_engine python3 agent_engine_utils.py delete REPLACE_WITH_AE_ID

7. Agent Engine の [デプロイ情報] パネルで、[名前] フィールドをコピーします。このフィールドは、projects/qwiklabs-gcp-02-76ce2eed15a5/locations/us-central1/reasoningEngines/1467742469964693504 のような形式になります。

8. Cloud Shell ターミナルに戻り、コマンドの末尾にある REPLACE_WITH_AE_ID をコピーしたリソース名に置き換えます。

9. Return キーを押して削除コマンドを実行します。

   出力例:

   AgentEngine リソースの削除: projects/1029886909158/locations/us-central1/reasoningEngines/1456078850617245696 AgentEngine のバックアップ LRO の削除: projects/1029886909158/locations/us-central1/operations/2884525977596067840 AgentEngine リソースの削除: projects/1029886909158/locations/us-central1/reasoningEngines/1456078850617245696

10. Cloud コンソールで、[Agent Engine] ダッシュボードに戻り、エージェントが削除されたことを確認します。

11. エージェントを一覧表示して削除する簡単な Python SDK コードを表示するには、adk_to_agent_engine/agent_engine_utils.py ファイルの内容を表示します。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 エージェントを一覧表示して削除する。

お疲れさまでした

このラボでは、次のことを学びました。

• エージェントを Agent Engine にデプロイするメリット
• Reasoning Engine サービス エージェントに必要なロールを付与する方法
• ADK コマンドライン インターフェースを使用してエージェントを Agent Engine にデプロイする方法
• Agent Engine にデプロイされたエージェントにクエリを実行する方法
• デプロイしたエージェントをモニタリングする方法
• エージェントを削除する方法

次のステップ

このシリーズの他のラボで、Agent Development Kit を使用したエージェントの構築について詳しく学ぶことができます。

• ツールで ADK エージェントを強化する
• ADK を使用してマルチエージェント システムを構築する
• ADK エージェントを Agent Engine にデプロイする

Google Cloud トレーニングと認定資格

Google Cloud トレーニングと認定資格を通して、Google Cloud 技術を最大限に活用できるようになります。必要な技術スキルとベスト プラクティスについて取り扱うクラスでは、学習を継続的に進めることができます。トレーニングは基礎レベルから上級レベルまであり、オンデマンド、ライブ、バーチャル参加など、多忙なスケジュールにも対応できるオプションが用意されています。認定資格を取得することで、Google Cloud テクノロジーに関するスキルと知識を証明できます。

マニュアルの最終更新日: 2025 年 8 月 19 日

ラボの最終テスト日: 2023 年 8 月 19 日

Copyright 2020 Google LLC All rights reserved. Google および Google のロゴは Google LLC の商標です。その他すべての企業名および商品名はそれぞれ各社の商標または登録商標です。