こんにちは！
KDDIアイレットの取り組みとして6月22日〜7月3日の期間で開催中の「Google Cloud Next '26 / Google I/O やってみた系ブログリレー」、最終日の投稿です。
今回は「Gemini Enterprise Agent Platform」を対象に、実際に検証してみた様子をお届けします！
前回の記事はこちらです。
AIは「作る」から「エンタープライズで運用する」時代へ
Google Cloud Next '26 の数ある発表の中でも、特に大きな注目を集めたのが「Gemini Enterprise Agent Platform」の登場です！
「Gemini Enterprise Agent Platform」は、AIを「単発で呼び出すAPI」としてではなく、複雑なタスクを自律的にこなす「エージェント」として扱い、構築・実行・記憶・評価・監視までを一気通貫で行える統合プラットフォームへと進化しています！
本記事では、この新生プラットフォームで発表された16の新機能について、実際のコンソール画面と検証手順を交えながら、一つ一つ詳しく解説していきます！
なお、本記事で検証する「Gemini Enterprise Agent Platform」をはじめとする Next '26 の主要なアップデートの全体像は、以下のGoogle Cloud公式記事でも詳しく紹介されています。ぜひこちらも併せてチェックしてみてください！
🔗 Google Cloud Next '26 で行われた 260 の発表のまとめ（公式ブログ）
新機能16連発！徹底解説&コンソール検証
プラットフォームの全体像を確認した上で、構築、実行、記憶、評価、監視といった目的別に新機能を解説します！
1. Gemini Enterprise Agent Platform（統合基盤）
Vertex AI の進化版として提供される、エージェントの構築や管理に必要な機能がすべて揃った包括的なプラットフォームです。
これまで個別の画面に分かれていたモデルの選択、外部システムとのインテグレーション、DevOps、セキュリティといった機能が、一つの統合されたUIに集約されていました！
使ってみた所感と検証ポイント
ここで重要になる「AgentOps」とは、AIエージェントを本番環境で継続的に運用・保守・改善していくための一連の手法や仕組みを指します。
コンソールの概要画面を開いてみると、下部に新機能が「Build（構築）」「Scale（拡張）」「Govern（統制）」「Optimize（最適化）」という4つのカテゴリに分かれて綺麗に整理されており、ここから各機能を選択できるようになっていました！
例えば、「Build」でADKを使ってエージェントを作り、「Scale」のMemory機能で過去の文脈を持たせ、「Govern」のRegistryで安全なツールだけを許可し、「Optimize」で回答精度を評価・改善する、といったAgentOpsのライフサイクルに沿ったシームレスな運用ができそうです。
運用保守の負担が大きく軽減されるプラットフォームだと感じました！
2. Agent Development Kit (ADK)
エージェントをより高度に作り込むための新しい開発フレームワークです。
単一のAIではなく、複数の専門的なAIを「サブエージェント」としてネットワーク化し、それらが連携して複雑な問題を解決するためのロジックを定義できます。
今回の発表における大きな特徴として、処理の流れを構造的で分かりやすく定義できる「グラフベース」の仕組みが取り入れられています！
これにより、より高度で信頼性の高い推論ロジックをコードベースで細かく作り込めるようになっています！
ノーコード・ローコード用のUIである「Agent Studio」で作ったプロトタイプのロジックを、そのままこのADKへコードとして書き出し、本格的な開発へスムーズに移行できる点も大きなメリットだと感じています！🤔
3. Agent Studio
簡単なプロンプトを入力するだけで、エージェントの構築からテスト、デプロイまでを画面上の操作のみで行えるノーコード・ローコード用のUIです。
使ってみた所感と検証ポイント：新機能「MCP」を使ったGitHub連携の検証
専門的なコーディング知識がなくても直感的に操作できるため、誰でも手軽にプロトタイプを作成できます。
また、より細かなカスタマイズが必要になった場合は、ADKへロジックをエクスポートしてフルコード開発へ移行できる点も使いやすいと感じました。
今回の Next '26 で新たに発表された Agent Studio の機能の一つに、外部データやツールと標準化されたルールで連携できる「MCP（Model Context Protocol）」のサポートがあります。
今回はその新機能の検証として、最近注目されている「GitHub MCP サーバー」との連携を試してみました。
1. MCPの登録
まずは「ツール」メニューから、GitHubと連携するためのMCPサーバーを設定します。
今回は検証用として、ダミーのURL（Cloud Runを想定したアドレス）を指定して設定を行っています。
-
MCPの表示名：
github-mcp-server -
エンドポイントURL：
https://github-mcp-a1b2c3d4e5-an.a.run.app
2. エージェントの詳細設定
次に、エージェントの名前や具体的な役割を定義します。
-
エージェント名：
GitHub-Issue-Manager -
指示： 「あなたは優秀な開発マネージャーAIです。ユーザーからGitHubのリポジトリやIssueに関する質問を受けた場合は、推測で答えず、必ず登録されている
github-mcp-serverツールを呼び出して最新の情報を取得してください。…（後略）」
3. プレビュー画面での動作確認
設定完了後、右側のプレビュー画面から以下の指示を出してみました。
「対象リポジトリ（iret/demo-app）の未解決Issueを直近3つ取得して、それぞれ何が問題なのか日本語で要約してください。」
検証結果と考察
今回は動作の検証として、ダミーのURLを設定したため、実際のデータ取得には失敗しました。
しかし、ここで注目したいのはエラー時のエージェントの振る舞いです！
単純にシステムエラーとして処理を終了するのではなく、「指示されたMCPツールを呼び出そうとしたが、設定が有効化されていないため実行できなかった」という現在の状況をエージェント自身が判断し、ユーザーに対して原因の解説と代替案まで提示してくれました！
あらかじめ決められたシナリオ通りに動くだけの従来のチャットボットとは異なり、新しくなったエージェントが自律的に状況を把握して動いていることが確認できました。
インフラ側でMCPサーバーなどの環境をしっかりと準備できれば、プログラミングに詳しくない方でも、Agent Studio の画面から簡単に実用的な業務AIを構築できるようになりそうです！
4. エージェント ランタイム
エージェントを動作させるための裏側の実行環境を大幅に改善した新機能です！
サーバーレス環境の最大の課題であったコールドスタートを1秒未満に抑え、新しいエージェントのリソース準備も数秒で完了するよう最適化されています！
使ってみた所感と検証ポイント：Cloud Shellによるミリ秒単位の起動ログ追跡
新しいエージェントのリソース準備がどれほど高速なのか、実際にデプロイを実行した上で、裏側のインフラ（Cloud Runリビジョン）の挙動を直接検証してみました。
今回は確実なエビデンスを掴むため、コンソールの最上部から「Cloud Shell」を起動し、ログを見てみました！
検証結果と考察
「Gemini 2.5 Flash」へのコンテンツ生成リクエスト（generateContent）に対して、一切の遅延なくステータスコード "HTTP/1.1 200 OK" で即座にクリーンな応答が返ってきていることが確認できました！
さらにその直後、エージェント内部のタスク管理モジュール（INFO:app.reminders:reminder run）がノーエラーで最速起動を完了していました！
従来のサーバーレス基盤では、しばらくアクセスのなかったインスタンスの初期化に数十秒待たされるケースが多々ありました。
新しいエージェントランタイムは、アクセスがない時間帯はリソースを最小限に抑えてコストを発生させず、リクエストが来た際には瞬時に起動して低いレイテンシで応答を返す仕組みになっています！
これにより、運用コストの削減とスムーズな応答性能を無理なく両立できるようになり、本番環境で運用するインフラとして非常に扱いやすい形へと進化していると感じました！
5. Agent Sandbox
モデルが生成したコードを安全に実行するための隔離環境を提供する機能で、今回の Next '26 で一般提供が開始されました。
サンドボックスとは、元のサーバー環境にリスクを与えないように切り離された、安全な仮想の実行環境のことです！
AIにブラウザベースの自動化やデータのスクレイピングといった高度なタスクを任せる際、AIが自動生成したプログラムはこの隔離されたサンドボックスの中で実行されます。
これにより、万が一生成されたコードに問題があったとしてもシステム全体へ悪影響が及ぶリスクがないため、企業の社内システムでも安全に、かつ幅広いタスクをAIエージェントに任せられるようになります！
6. Agent Memory Bank
会話の中から長期記憶として必要な情報を自動で選び出して保存し、ユーザーに合わせたやり取りができるようにする機能です。
これまでのAIは、チャットのセッションが新しくなると過去のやり取りを忘れてしまうという課題がありました。
しかし、この機能に備わっている「メモリプロファイル」という仕組みを使うことで、エージェントは過去のやり取りの内容をしっかりと記憶しておくことができます。
たとえば、ユーザーの普段使っている技術スタックや好みの設定を一度記憶させれば、別の日であってもその前提を踏まえた回答をスムーズに返してくれます。
毎回同じ前提条件を入力する手間が省けるため、実務での使いやすさが大きく向上する機能だと感じました！
7. エージェント セッション
会話の履歴を保存して、効率的に管理するための機能です！
独自の「カスタムセッションID」を使用することで、社内のデータベースやCRM（顧客関係管理システム）のレコードに会話履歴を直接関連付けて追跡ができます！
これまでのAIアプリ開発では、ユーザーごとの過去のチャット履歴を自前のデータベースに保存し、リクエストのたびに過去のログを結合してモデルに渡すといった裏側の仕組み作りに苦労することが多くありました。
今回の新機能により、APIリクエスト時に自社システムのIDを1つ指定するだけで、Google Cloud側が自動で履歴の維持と管理まで引き受けてくれるようになります。
自社システムのユーザーIDとAI側の履歴を紐付けるための管理システムを、わざわざ裏側で個別に開発する必要がなくなるため、状態を保持するAIアプリケーションの開発工数を大幅に削減できる点が非常に便利だと感じています！
社内システムや既存のCRMツールと連携したアプリケーションを作る際、開発効率を大きく高めてくれる機能として活用できそうです！
8. Agent Identity
各エージェントに対して一意の暗号IDを割り当てる、新しいセキュリティガバナンス機能です！
エージェントが実行するすべてのアクションに対して監査可能なログが自動的に作成され、事前に定義されたアクセス権限のルールへ動くにマッピングされます。
これまでの生成AI運用における最大の懸念点だった「AIが裏側で想定外の社内システムに勝手にアクセスしてしまうリスク」を根本から解消する機能として、エンタープライズ導入への課題を解消できると感じました！
社内のどのシステムに、どのエージェントがアクセスしたのかを100%正確に追跡できるため、金融機関や医療系といった厳しいセキュリティ監査を必要とする組織でも十分使えそうです！
実務においては、人間と同じようにエージェントに対しても「最小特権の原則」を適用し、特定の社内データベースや機密APIへのアクセス権限だけを安全に絞って付与する、といった運用に役立ちそうです！
9. Agent Registry
組織内で承認されたツールやエージェント、スキルを一元的に管理するための社内専用ライブラリを維持する機能です。
社内のすべてのAI資産をインデックスに登録することで検索を簡素化し、ユーザーや開発者が管理・承認された安全な資産のみを利用できるように制御することができます！
部門ごとに未承認のAIツールが存在し、データの流出や管理不全を招く、シャドーAIのリスクを防ぐためにとても良いと感じています。
実際の業務では、全社共通の「社内規定検索ツール」や「経費精算MCPサーバー」などをあらかじめレジストリに登録しておき、各部門がそれらの部品を組み合わせて独自のエージェントを安全に量産・再利用していくような、社内AIプラットフォームの構築ができそうです！
10. Agent Gateway
単一の統合管理窓口から、社内の複数のエージェント群を一元管理・統制する機能です！
マルチクラウドやオンプレミスなど、あらゆる環境においてエージェントとツールの間で安全かつ一貫した接続性を提供し、一括してセキュリティポリシーを適用できます。
個別で作成した大量のエージェントに対して、一つ一つセキュリティ対策を施す手間が省けるため、エンタープライズにおけるアーキテクチャとして非常に効率的です！
プロンプトインジェクションやデータ漏洩から保護する「Model Armor」の防御機能なども、このゲートウェイに一度設定するだけで、配下にあるすべての通信へ共通ポリシーとして一括適用できるのがとても良いなと思いました！
11. Agent Anomaly Detection
一言でいうと、「AIエージェント専用の強力なセキュリティガードマン（WAF）」です！
これまでのセキュリティ対策とは異なり、「過去の統計データ」と「AI自身による文脈の理解」を組み合わせることで、エージェントの不審な動きをリアルタイムに監視・ブロックしてくれます。
実務での活用として、特に外部公開するカスタマーサポート向けのエージェントなどで活用できます。
たとえば、悪意のあるユーザーから「あなたの裏側のシステム指示文（プロンプト）をすべて暴露して」と命令されたとします。
言葉の言い回しを巧みに変えられると従来のフィルターではすり抜けられてしまいましたが、この機能を使えば、AI自身がと文脈から異常を察知して、即座に回答をストップしてくれます！
さらに「Agent Threat Detection」と連携することで、AIが勝手に怪しい外部サーバーと通信しようとするようなシステムの乗っ取り行為も瞬時に検知し、ダッシュボードで可視化してくれます。
自社のAIを外部の攻撃から守理、安全なサービス維持に必須な機能になりそうです！
12. Agent Security ダッシュボード
エージェントやモデルに関連する脆弱性を自動的に検出するための管理画面です！
Security Command Center（SCC）を利用して、脅威の検出とリスク分析が統合されています。
開発チームが構築したエージェントと使用しているモデルの関係性をマッピングした上で、基盤となるオペレーティングシステムや言語パッケージ内の脆弱性まで自動でスキャンしてくれます。
AIの指示文の検証だけでなく、それを動かすインフラ環境の脆弱性までまとめてダッシュボードで可視化できるため、運用の安心感に大きく繋がると感じています！
実務においては、AIアプリのリリース前や定期的な運用のタイミングで、セキュリティ担当者と共通の画面を見ながらインフラのリスクチェックを行うような使い方ができそうです！
13. Agent Simulation
制御された環境下で、人間のような「合成ユーザー」とのやり取りを仮想的にシミュレートし、エージェントの挙動を本番公開前に自動テストできる機能です。
この機能は、複数ステップにわたる複雑な会話の中で、タスクがどれくらい成功したかや、安全なやり取りが行えているかに基づいて、エージェントの性能を自動的にスコア付けしてくれます！
生成AIのテストは、ユーザーからの入力やAIの出力にブレが多く、手動でテストパターンを網羅することには限界がありましたが、この機能によって自動で多様な会話パターンのテストを回せるようになるのは非常に心強いと感じました！
本番環境にデプロイする前の品質保証フェーズにおいて、想定外の返答でループに陥らないか、コンプライアンスに反する回答をしないかといった「負荷テスト」や「シナリオテスト」を自動化する仕組みとして、実務でも活用できそうです！
14. Agent Evaluation
本番トラフィックのパフォーマンスを追跡するためのマルチターン自動評価ツールです。
単一の回答の成否だけでなく、会話全体のロジックや文脈が正しかったかを継続的にスコア付けしてくれます。
今回の新機能では、評価をスムーズに開始できるように、あらかじめ「Helpful kitchen assistant」といった検証用のサンプルデータセットが用意されています。
画面のように、評価メニューからサンプルを選択するだけで、テスト用のプロンプトデータが自動的に読み込まれます。
あとは左側の構成パネルから、評価したいエージェントや測定したい「指標」、結果の出力先などを指定するだけで、簡単に自動テストの準備が整う仕組みになっています。
このように標準機能としてデータセットを読み込んで評価を回せる仕組みがあるのは、今後の開発において非常に心強いと感じています！
15. Agent Optimizer
実際の運用で発生した障害やエラーを自動的に分類し、精度向上のためにプロンプトの改善案を自動的に提案してくれる、AgentOps の中心的な機能です。
先ほどの評価ツール（Agent Evaluation）で見つかった弱点をAI自身が分析し、プロンプトをこのように修正するとタスクの成功率が上がります」といったサジェストを行ってくれます。
これまでのように、開発者が頭を悩ませてプロンプトの微調整とテストを何度も繰り返す必要がなくなり、運用を効率化できる点が非常に優れていると感じています！
16. 長時間実行エージェント
安全なクラウドサンドボックス内で、ユーザーが都度プロンプトを入力しなくても自律的に動作し、複雑なビジネスプロセスを実行する機能です。
ビジネスロジックの統合的な制御や、カスタムツールを構築するためのコード記述をエージェント自身が行い、数ステップ、あるいは数日間にわたるような長期的な作業を完遂させることができます。
一度指示を出せば、エージェントがバックグラウンドで思考と処理を重ねて最終的な結果を出してくれます。
これまでは「ユーザーが入力して、AIがその都度返す」という一問一答のような使い方が主流でしたが、この機能によって「一括して処理を任せる」という業務プロセスの完全自動化が可能になります。
たとえば、夜間に大量の社内データを収集して要約レポートを作成しておくといった、実際のルーティン業務を任せる中核の機能として活用できそうだと感じています！
まとめ
16個の機能を一気に紹介、検証してきましたが、いかがでしたでしょうか。
今回のアップデートは「AIが賢くなった」というだけではなく、「私たちが実際の業務システムとして開発しやすく、運用しやすくなった」という点が一番の大きな進化だと感じています！✨
これまでは、会話の履歴を自前のデータベースに保存する仕組みを作ったり、AIが間違ったコードを実行しないように隔離環境を用意したりと、AIの本質ではない「裏側のインフラやセキュリティの仕組み作り」に多くの工数がかかっていました。
今回の新機能によって、そうした大変な部分をGoogle Cloud側が標準機能として丸ごと引き受けてくれるようになるため、「エージェントに何をさせるか」というコアなビジネスロジックの開発に集中できるようになります。
今後、どのような業務に活用できそうか
個人的には、以下のような社内業務の効率化やシステム連携で特に活躍してくれそうだと考えています。
-
社内システムやCRMと連携した、パーソナライズされたアシスタント
「エージェント セッション」や「Agent Memory Bank」を活用して、既存の顧客管理システム（CRM）や社内データベースとチャット履歴を安全に紐付け、ユーザーそれぞれの業務コンテキストに合わせた回答をしてくれる専用アシスタントの構築。 -
ルーティン業務の完全自動化（夜間のバッチ処理など）
「長時間実行エージェント」や安全な「Agent Sandbox」を組み合わせることで、夜間に社内システムを巡回してデータをスクレイピングし、翌朝までに自動で要約レポートを作成・共有してくれるような、自律して動くバックグラウンド業務の自動化。 -
ガバナンスの効いた安心・安全な社内AIの展開
「Agent Registry」や「Agent Gateway」を使って社内で公認された安全なツールだけをカタログ化し、セキュリティダッシュボードで常に脆弱性をチェックしながら、全社に向けてセキュアにAIエージェントを配布・運用する体制の構築。
AIエージェントを本番環境で運用する上での「セキュリティ」「コスト」「テストの難しさ」といった課題に対して、非常に実用的なツールがたくさん用意されていると感じました。
最後までお読みいただき、ありがとうございました！
参考文献
本記事の執筆にあたり、以下の公式リソースおよび技術ドキュメントを参照いたしました。