Google ADKでOCI Generative AIを使ったマルチエージェントのサンプルを作ってみた

目的

• 自分の学習用です

やったこと

• Google ADKでOCI Generative AIのLLMを利用したアプリを作ってみました
  • OCI Generative AIでモデルを使うための設定
  • ローカル環境でGoogle ADKのアプリを構築

やらなかったこと

• OCI Generative AI Agents に関しては触れません
• Oracle のADKについても触れていません
• OCIにデプロイはしていません（ローカルで動かすところまでしかできていません）

ソースコード

https://github.com/saiken/adk-oci-sample
※あまりテストもできていないです、、クオリティはご容赦ください

環境

• ローカル
  • Mac
  • Python3.13
  • uv(Pythonパッケージマネージャ)
  • Codex CLI
• 実行環境
  • OCI Generative AI

OCI Generative AI の設定

今回は、専用クラスタは用意せず、オンデマンドで利用したため、
利用可能なリージョンにいれば特に設定は不要です。

ただ、私は東京リージョンでFree Tierだったため、下記対応をしました。

リージョンの有効化

リージョンは、利用したいモデルを下記で確認し、利用リージョンを決めます

※OCIはCohereやLlamaしか使えないイメージでしたが、GPT(OSS版)やGemini(2.5で古い)も利用できるようでした

※2026/04/30時点で、OCI Generative AIは、東京リージョンではデプロイできません。

Free Tierの場合

私の場合、Free TierでOCIアカウントを作っていたため、複数リージョンが作れず、
下記を参考に、アカウントをアップグレードしました。

OCI 無料アカウントの有料アカウントへのアップグレードとリージョンサブスクライブ

※アップグレードの申請をして、2時間後くらいに完了のメールが来ていました

その後、大阪リージョンをSubscribeし、
5分くらい待つと大阪リージョンに切り替えれました、以下のようにGenerative AI がハンバーガーメニューから選択できるようになりました

Playground

Azure OpenAI のように、Playground機能でモデルを指定してチャットも利用できます

ローカル環境セットアップ

Codex

brew update
brew install codex
codex --version

※npm で入れるなど他にもいろいろ方法はあるようです
参考）Codex CLI クイックインストール（Mac／Windows対応）

~/.codex/config.toml に下記を設定し、

model = "gpt-5.2"

環境変数に、OpenAIのAPIキーを設定すれば利用できました

export OPENAI_API_KEY={YOUR_API_KEY}

OCI CLI

動作確認などで利用できるようにOCIのCLIもインストールしておきます

brew install oci-cli

APIキーの設定など下記で実施します

oci setup config

以下の記事を参考にしました
Oracle Cloud コマンド・ライン・インタフェース(CLI) をインストールしてみてみた

uv (Pythonのパッケージマネージャ）

参考）uvで始めるPythonプロジェクト管理

• インストール

curl -LsSf https://astral.sh/uv/install.sh | sh

• プロジェクトの初期化

uv init

• sdkの追加

uv add oci

• 環境の同期

uv sync

• 実行してみる
  Playground の右上のView codeからPythonのコードを生成
  

生成したコードを実行し、200が返ってくることを確認

 uv run chat_demo.py
**************************Chat Result**************************
{'status': 200, 'headers': {'Date': 'Fri, 01 May 2026 02:42:59 GMT', 'Content-Type': 'application/json', 'Content-Length': '1109', 'Connection': 'keep-alive', 'opc-request-id': ・・・

ローカルでADKアプリを開発

とりあえず動くもの

基本的に、Codex CLIにまかせます

まずはサンプルを作成

> GoogleのADKを使ったマルチエージェントのサンプルを作ってください

いい感じにサンプルを作ってくれたものの、Gemini利用になっていたので修正

› agent.py で利用するモデルをOpenAI のgpt-5.2 にするようにおねがいします

など、出てきたものに対して、VSCodeでソースを見ながら適宜依頼

› .adk配下のsession.db は必要ですか？
› 生成しないようにすることはできますか？

生成されたコードについて質問しつつ、

› セッションサービスを in-memory にしてください

› .envや.env.example はプロジェクトのルート直下においてください

適宜修正

一旦OpenAIベースで動くことを確認

$ uv run adk web agents

こんな感じで適当な質問に対して、マルチエージェントで動いている様子を確認できます

OCI Generative AIを使うように変更

Codex CLIで以下のようなプロンプトで修正を依頼していきます

› エージェントの構成を、全体オーケストレーションエージェントと領域ごとのエージェントに分けたいです
  以下のようなイメージです
  - オーケストレーション
    - 全体オーケストレーションエージェントでユーザーからの入力に対して、サブタスクに分解し、適したエージェントにタスク
  を依
  頼する
    - 最後に各エージェントが出力した内容をもとに回答を生成する
  - OCIの専門家エージェント
    - タスクからWeb検索用のクエリーを生成
    - Web検索を実行
    - 検索結果を元に回答を生成
  - システム開発エンジニアスペシャリスト
    - システムでどのように実現するかを検討し、回答を生成

以下のエージェントごとに、ディレクトリを分解してください
- オーケストレーション
- OCIの専門家エージェント
- システム開発エンジニアスペシャリスト

リファクタリングや出てきたエラーの解消も基本的にCodex CLIに依頼
PRを出して、まず自分がレビュワーとして確認し、マージしていくような流れで進めました

Google ADKでOCI Generative AIに接続する方法

以下のように、OCI Generative AI用のクラスを生成し、

def _create_oci_inference_client():
  try:
    import oci  # type: ignore
    from oci.generative_ai_inference import GenerativeAiInferenceClient  # type: ignore
  except Exception as exc:  # pragma: no cover
    raise ImportError(
        "OCI Generative AI requires the OCI Python SDK. Install it with `uv sync`."
    ) from exc

  auth = os.getenv("OCI_AUTH", "api_key").strip().lower()
  region = os.getenv("OCI_REGION", "").strip() or None

  if auth == "resource_principal":
    signer = oci.auth.signers.get_resource_principals_signer()
    config = {"region": region} if region else {}
    return GenerativeAiInferenceClient(config=config, signer=signer)

  config_file = os.getenv("OCI_CONFIG_FILE", "~/.oci/config")
  profile = os.getenv("OCI_PROFILE", "DEFAULT")
  config = oci.config.from_file(
      file_location=os.path.expanduser(config_file),
      profile_name=profile,
  )
  if region:
    config["region"] = region
  return GenerativeAiInferenceClient(config=config)

各エージェントで、modelを指定する際に、以下のように設定

task_router_agent = LlmAgent(
    name="OrchestratorRouter",
    model=MODEL, # ← ここで、OCI Generative AI用のmodelを指定
    description="・・・",
    generate_content_config=GEN_CONFIG,
    instruction=(
        "・・・"
    ),
    output_key="task_breakdown",
)

※詳細はGitHubのコードを参考にしてください（といってもCodexに出力してもらったものがほとんどですが）
https://github.com/saiken/adk-oci-sample

最終的に

ディレクトリ構成

（この辺もCodex CLIがかってに書いてくれます）

.
├── .env.example                 # 環境変数のサンプル（OpenAI / OCI 切り替え）
├── README.md
├── pyproject.toml               # 依存関係（google-adk / oci など）
├── uv.lock
├── agents/
│   ├── orchestrator/
│   │   ├── __init__.py          # ADK エントリ
│   │   └── agent.py             # 全体オーケストレーション（分解→依頼→統合）
│   ├── oci_expert/
│   │   ├── __init__.py          # ADK エントリ
│   │   ├── agent.py             # OCI専門家（クエリ生成→検索→回答）
│   │   ├── oci_llm.py           # OCI Generative AI 用 LLM アダプタ
│   │   └── web_search.py        # Web検索ツール（DuckDuckGo HTML）
│   ├── system_dev_specialist/
│   │   ├── __init__.py          # ADK エントリ
│   │   └── agent.py             # システム開発エンジニア（設計/実装/運用）
└── .adk/                        # （任意）ローカル保存の session/artifacts（無効化可能）

画面での実行イメージ

こんな感じで、タスクを分解し、回答を生成してくれるようになりました

学習メモ

OCI Generative AIのオンデマンドと専用クラスタ

OCI Generative AIでLLMを利用する場合、
オンデマンドと専用クラスタの2つの方法があるようで、今回は検証用なのでオンデマンドで利用します

• オンデマンド
  • すぐ使える（セットアップ不要）
  • 初期コストなし
  • 使った分だけ課金
  • スケールは自動だが制限あり
  • レイテンシや性能はやや不安定（共有のため）

→ 検証・小規模・たまに使う用途向け

• 専用クラスタ
  • GPUなどのリソースを占有
  • 安定した性能・低レイテンシ
  • スループットが高い（大量リクエスト向き）
  • 常時コストが発生（使ってなくても課金）

→ 本番運用・高負荷・安定性重視の用途向け

Google ADK or OCI ADK

調べていると、OCIにもADKがあるようで、どちらを使うか少し悩みました
OCIのADKも、マネージドでいろいろ多機能なようではあったのですが、結論、GoogleのADKで今回は試しています。

理由は、OCI Generative AI Agents と密結合な印象だったため。
下記などを参考にしたのですが、AI Agentsのエンドポイントを指定したりする必要があるようでした。
（すみません、そんなに深くは調べれていないです）
OCI ADKを使ってGenerative AI Agents Platformを触ってみた

ADKでOCI Generative AIにつなぐLiteLLM経由案

OCI Generative AI用のクラスを用意するのに、
OCIのSDKを使って作る方法と、LiteLLM経由で使う方法とあるようですが、下記Codex の出力を参考に、
LiteLLM proxyでエラーがでていたのもあり、SDKを使う方法の方が無難かなと思いそちらを採用しました
（Google ADKが、うまくOCI部分を隠蔽して実装できたことも大きいです）

› いまの実装は、OCIのSDKを使って接続していますが、LiteLLMを使うことも可能でしょうか？メリット・デメリットを確認したいで
  す


• 可能です。OCI Generative AI は「OCI SDKで直接叩く」以外に、LiteLLM（=OpenAI互換などを含む統一IF）経由で呼ぶ構成も取り
  得ます。ただし、OCI Generative AI を LiteLLM が“ネイティブに”サポートしているか／どの機能まで対応しているかはバージョ
  ン依存です（確認が必要）。

  OCI SDK 直叩き（現状実装）のメリット

  - OCI Generative AI のAPI仕様に最短で追従しやすい（OnDemandServingMode、CohereChatRequest/GenericChatRequest 等をその
    まま扱える）
  - OCI の認証（APIキー/リソースプリンシパル）・署名が確実
  - エラー時の原因切り分けがしやすい（OCIのエラーがそのまま出る）

  OCI SDK 直叩きのデメリット

  - プロバイダ切替が重い（OpenAI/Anthropic等へ移すと実装も変わる）
  - 形式差（Cohere/Generic）の吸収を自前でやる必要がある
  - ストリーミングやツール呼び出し等も自前実装になりがち

  LiteLLM 経由のメリット

  - model 文字列の切替だけでプロバイダ変更しやすい（実装の共通化）
  - リトライ/ログ/レート制御などの周辺機能を揃えやすい（設定で統一）
  - ADK側は model="provider/model" の1行で済むことが多い

  LiteLLM 経由のデメリット

  - OCI 固有の“モデル形式差”（Cohere/Generic）を LiteLLM がどこまで正しく吸収できるか不確実
  - OCI の認証（リソースプリンシパル等）対応が限定的な場合がある
  - 問題発生時に「ADK→LiteLLM→OCI」の多段になりデバッグが難しくなる
  - 最新OCI機能が LiteLLM に来るまでタイムラグが出やすい

  結論として、本番でOCIをメインに使うなら OCI SDK 直叩きが堅い一方、将来プロバイダ切替・多ベンダ対応を重視するなら
  LiteLLM も検討価値ありです。

  LiteLLM でOCI Generative AIを使う構成に実際に切り替える案も作れますが、まず「OCI上で使いたいモデルが Cohere 系か
  Generic 系か（例: Command R / Llama）」と「認証は APIキー or リソースプリンシパル」だけ教えてください。そこに合わせて
  最小の実装方針を出します。

（ダメだったもの）CodexでもLightLLM経由でOCI Generative AIを利用する

当初、Codex CLI でもOCI Generative AIを使おうと考えていましたが、ハマりそうだったので諦めました。
LiteLLMをproxyとして利用しようとしたのですが、
LiteLLMでエラーがでて、うまくコード生成ができなかったため

ググっても、
OpenCodeとOCI Generative AIを連携する のように、
Codex 以外のサンプルは見つかったものの、Codex でうまくやっているものは見つからずでした。

uv tool install 'litellm[proxy]' -p 3.13

python 3.14 だと cannot import name 'BaseDefaultEventLoopPolicy' from 'asyncio.events' のエラーになるため、3.13 を指定しています

OCI Generative AIのmodelの確認方法

下記でmodelの情報がとれるので、そこからOCIDを取得したり、モデル名を取得したりしました

oci generative-ai model-collection list-models \
  --endpoint=https://generativeai.{region}.oci.oraclecloud.com \
  --compartment-id={compartment_id}

OCI Generative AIの料金

料金はこちらのOCI Generative AIのところ

価格表だと、
Oracle Cloud Infrastructure Generative AI - Large Cohere といったLarge とかSmall で書いてあって、
どれがどのモデルかわからないのがツラいですね。。

専用クラスタの場合は、APIを呼ばなくても、費用がかかるようでした

参考

• [OCI Technical Deep Dive] OCIで生成AIを活用するためのソリューション解説(2025年8月5日開催)
  • OCIのAIサービスの概要をつかむのによかったです