はじめに
みなさんはAIエージェントを自分で作ったことはありますか？LLMなどの生成AIモデルは自分で作れません。
ですが、AIエージェントであれば実は簡単に作れてしまうんです。
そう、Agent Developmet Kitを使えば・・・！
最近私は、仕事や個人的に参加したAIエージェントハッカソンでAgent Developmet Kitを使っています。
PoCもハッカソンも開発期間は短いのですが、簡単にAIエージェントを作ることができるAgent Developmet Kitのおかげに助けられています。
LLMを活用した自律型AIエージェントの開発は、今最も注目されている技術分野の一つです。そこで本連載では、ADKを使い、ユーザーの要望に応じてパーソナライズされたお出かけプランを提案するAIエージェントを実際に作りながら、ADK使のい方と魅力を段階的に解説していきます。
今回のゴール
今回は導入編として、ADKの基本構成を理解し、最小限のコンポーネントで動作するエージェントを構築します。本稿を読み終えることで、以下の内容を習得できます。
- ADKとは何なのか
- ADK開発環境のセットアップ
- シンプルなエージェントの開発方法
-
adk webを用いたエージェントの実行と動作確認
Agent Developmet Kit(ADK)とは？
ADKの説明に入る前にAIエージェントという言葉について整理します。
AIエージェントとは、目標を与えると自ら計画し、ウェブ検索やプログラム実行、外部API操作などの「ツール」を駆使してタスクを実行するAIです。単に質問に答えるだけでなく、ユーザーに代わって旅行の予約や複雑な情報収集など、一連の行動を自律的に行うことができます。
ADKは、そんなAIエージェントを直感的かつ宣言的に構築できるように設計された、Google製のフレームワークです。シンプルなエージェントであれば、わずか数行のコードで作成できます。
また、Google製であるため、Vertex AIなどのGoogle Cloudサービスとの連携もスムーズです。複数のエージェントを連携させるマルチエージェントシステムや、最近話題のMCPといった高度な機能も簡単に組み込むことができます。
環境構築
まず、お使いのPCにADKの開発環境を構築します。本連載ではGoogle Cloudの無料ターミナルであるCloud Shellを用いますが、ご自身のローカル環境（Visual Studio Codeなど）でも問題ありません。
ADKで利用するGeminiのエンドポイントには、Google Cloudが提供するVertex AI版のGemini APIと、Google AI Studioで提供されるGemini APIの2種類があります。
本連載では、Google Cloud提供のVertex AI版Gemini APIを利用します。
まず、開発環境を構築します。依存関係の衝突を避けるため、Pythonの仮想環境（venv）を利用することを強く推奨します。
ご自身のターミナルで以下を実行してください。
# プロジェクトディレクトリを作成し、移動します
mkdir trip-agent
cd trip-agent
# Python仮想環境を作成
python -m venv .venv
# 仮想環境を有効化
source .venv/bin/activate
# Agent Development Kit (ADK) をインストール
pip install google-adk
では、早速この開発環境を使ってシンプルなエージェントを作ってみましょう！
シンプルなエージェントの実装方法
先ほど仮想環境を構築した階層と同じ階層にAIエージェントを作っていきます。
まずは以下のディレクトリ構造になるようにディレクトリとファイルを作成してください。
trip-agent/
├── .venv/
└── trip_planner/
├── __init__.py
├── agent.py
└── .env
__init__.py には、同じパッケージ内の agent モジュールをインポートする記述を追加します。これにより、ADKが trip_planner パッケージを読み込んだ際に agent.py が確実に解釈されます。
from . import agent
エージェントがGemini APIを利用するには、認証情報が必要です。ADKは、依存ライブラリの python-dotenv の機能により、実行時に.env ファイルから環境変数を自動で読み込みます。
今回はVertex AI版のGeminiを利用するため、以下のように設定してください。your-gcp-project-id はご自身のGoogle CloudプロジェクトIDに置き換えてください。
GOOGLE_GENAI_USE_VERTEXAI=TRUE
GOOGLE_CLOUD_PROJECT=your-gcp-project-id
GOOGLE_CLOUD_LOCATION=us-central1
GOOGLE_CLOUD_PROJECTのyour-gcp-project-idはご自身のGoogle CloudプロジェクトIDに置き換えてください
エージェントのメインロジックを trip_planner/agent.py に記述します。
LlmAgentは、エージェントを定義するためのクラスです。
from google.adk.agents import LlmAgent
root_agent = LlmAgent(
name="TripPlannerAgent",
model="gemini-2.5-pro",
instruction="""
あなたはお出かけプランを提案するアシスタントです。
まず自己紹介をして、いつ、どこに行きたいかユーザーに尋ねてください。
""",
description="お出かけプランを提案するアシスタント",
)
上記のコードでは、LlmAgent のインスタンスを root_agent という名前で定義しています。
ADKで作られたAIエージェントを実行すると、この root_agent を探索し、アプリケーションのエントリーポイントとして扱います。
instruction パラメータに渡された文字列が、LLMへのシステムプロンプトとして機能し、エージェントの思考と応答ルールを設定できます。
シンプルなエージェントであればこれだけで実装できます。たったの9行です。
動作確認
それでは、定義したエージェントをローカルで実行してみましょう。ADKには adk web という強力なローカル開発用Web UIが同梱されています。
プロジェクトのルートディレクトリ（trip-agent/）で、以下のコマンドを実行します。
adk web .
上記コマンドを実行すると、以下のようなメッセージが表示されると思います。
ターミナルに表示されたURL(http://127.0.0.1:8000）をブラウザで開くと、ADKの開発UIが起動します。
上記の画面が表示されましたら、チャット欄に「こんにちは」と入力し送信してみてください。
すると以下のように応答が返ってくると思います。
instructionで定義した通りの応答が生成されれば成功です！
AIエージェント が指示通りに動作していることが確認できました。
instructionの内容をお好きなものにカスタマイズしてみてください。変更した内容に沿った応答が返ってくることをこちらで確認できます！
以上で今回やりたかったことは全て完了です！
お疲れ様でした！
まとめ
今回は、Agent Development Kitの概要と導入手順、そして最小構成のAIエージェントを構築する方法を解説しました。
現状のエージェントは、あらかじめ与えられた指示に応答するだけで、外部の情報にアクセスしたり、何か具体的なタスクを実行したりすることはできません。
第2回では、ADKの Tool を利用して外部APIと連携し、指定された場所の天気をリアルタイムで取得する機能を実装しています！
こちらも読んでいただけると幸いです！
FunctionToolで外部API連携！【Agent Development Kit(ADK)で爆速AIエージェント開発②】