Google Cloud、エンタープライズワークのための万能エージェント「Gemini Agent」を発表

Google Cloudは、を発表しました。 Google Cloud Gemini agentこれは、エンタープライズワークのための単一エージェントです。Gemini agentは、Google Cloudが提供するクラウドホスト型エージェントで、質問に答え、ナレッジワークを行い、メディアを作成し、コードを書いて実行します。これらすべてを1つのプロンプトボックスと1つのAPIから行います。開発者にとって、エージェントこそが製品であり、モデルはルーティングの判断にすぎません。

TL;DR

• 実行環境： Google Cloud（AI Hypercomputer）。Web、モバイル、デスクトップ、CLI、Workspace、Microsoft 365、Slack、またはヘッドレスからアクセス可能。
• 得意分野： Bloomberg Mediaは、Knowledge Catalogでデータエージェントをグラウンディングすることにより、SQLクエリの精度を63%向上させました。
• 要点：
  • 長所： クラウドメモリ、サブエージェント、厳格な支出上限を備えた、統制された1つのエージェント。
  • 短所： 購入者は、再現可能な数値ではなく、顧客の逸話に基づいて評価する必要がある。

Google Cloud Gemini agentとは？

それはチャットボットではなく、委任レイヤーです。指示ではなく目標を与えます。エージェントは作業を計画し、スキルとツールを選択し、企業システムに接続し、完成した成果物を返します。

Googleは6つのアーキテクチャ原則を挙げています：

• 統合エージェント： チャット、自律的な目標実行、コード生成が1つのインターフェースを共有します。
• 遍在的なアクセス： あらゆるデバイスやチャネルに対応し、サードパーティアプリへの埋め込みも可能です。
• 永続的な実行： エージェントはクラウド上で、1組のメモリと1つのパーソナライゼーショングラフとともに実行されます。数時間または数日かかるジョブは、ノートパソコンを閉じた後も実行を続けます。
• マルチエージェントオーケストレーション： エージェントはそれぞれ独自のアイデンティティを持つ一時的なサブエージェントを作成し、並列または逐次のステップを実行します。
• 深いコンテキスト理解： エージェントは時間の経過とともに、あなたのツール、データ、作業履歴を学習します。
• モデル選択の柔軟性： 各ジョブは最適なモデル上で実行されます。

Geminiエージェントはどのように記憶し、推論するのか？

このエージェントは4種類のメモリを保持します。セッションメモリは、日をまたぐ場合も含め、現在のタスクを扱います。意味メモリは、ドキュメントや人物から構築される構造化されたナレッジベースです。手続きメモリは、自分自身で書いたスキルを含め、ジョブがどのように実行されるかを保存します。エピソードメモリは、過去に行ったすべてのことを記録します。

スキルは、共有される企業レジストリに保存されたモジュール型のプロンプトです。ツールはエンタープライズツールレジストリから提供されます。コネクタは、Slack、Jira、Salesforce、ServiceNow、BigQuery、Snowflake、デスクトップファイル、および任意の Model Context Protocol サーバーに対応します。

どのモデルを使用するのか？

現在、GoogleのGeminiモデルと AnthropicのClaudeモデルを横断してオーケストレーションしており、その他のプライベートモデルやオープンモデルも計画されています。Google自身のラインナップは、フロンティア推論用のArgon、速度と処理量重視のFlash、生成メディア用のOmni、オープンウェイトのエッジ処理用のGemmaです。

coworkerエージェントとは何か？

coworkerエージェントとは、明確に定義された役割を持つ永続的なチームメイトです。Workspaceでは、専用のアカウント、つまりメールアドレス、カレンダー、Drive、およびディレクトリのエントリが割り当てられます。同僚はChatやDocsでそのエージェントを@メンションでき、その編集内容はバージョン履歴にエージェント自身の名前で表示されます。エージェントは、共有された情報しか見ることができません。

このエージェントは、Gmail、Docs、Sheets、Slides、Chat、Calendar全体でもインラインで動作し、検出したタスクを1クリックで委任する機能を提供します。

データチームにどのような付加価値をもたらすのか？

データエンジニアやMLエンジニアは、成果を平易な言葉で記述します。その後、エージェントがPySparkコードを書き、ノートブックを提供し、モデルを訓練し、パイプラインの問題を修正します。ビジネスユーザーは、トークンコストなしで再実行できる保存済みのBigQueryレポートを利用できます。

3つのサービスが回答を支えています。Knowledge Catalogは、すべてのエージェントに対応するビジネス定義を一度だけマッピングします。Smart Storageは、非構造化オブジェクトをその場で拡張します。Googleによると、エンタープライズデータの90%は非構造化データです。Borderless Lakehouseは、可変の下り（エグレス）料金なしでAmazon S3とAzure Data Lakeに対してクエリを実行できます。

エージェントはどのようにガバナンスされるのか？

Googleはガバナンスを4つの問いとして捉えています： 誰が、何をしてもよいのか、何をしたのか、そして決して触れてはならないものは何か。

• アイデンティティ： 各エージェントには、最小権限のパーミッションを持つ、暗号学的に証明されたアイデンティティが付与されます。
• 認可： ロールベースのアクセス制御により、OAuthなどの標準を通じて外部システムにマッピングされます。
• 監査： すべてのアクションは、個人ではなくエージェントに紐づけてログ記録されます。
• ポリシー： エージェントはAgent Sandbox内で実行されます。すべてのトラフィックは、全エージェントに1つのポリシーを適用するAIネットワークファイアウォールであるAgent Gatewayを通過します。

Googleはコストをどのように管理するのか？

3つのレバーがあります： マルチモデル・オーケストレーション、対応可能な最も安価なモデルへワークロードを振り分けるSmart Routing、そしてリアルタイムの支出上限です。チームはCloud Billing Consoleでプロジェクトのハードリミットを設定します。上限に達すると、そのプロジェクトのエージェントは誰かが再開するまで一時停止します。その基盤として、Googleチームは、 TPU 8iシステム が前世代より80%優れた価格性能比を提供すると述べています。

どのように比較されるのか？

重要ポイント

• 1エージェント、1 API:Q&A、ナレッジワーク、メディア、コード。
• GeminiおよびClaudeモデル間でジョブをルーティングします。
• Coworkerエージェントは、それぞれ独自のWorkspaceアイデンティティを取得します。
• プロジェクトごとの支出ハード上限は、暴走するエージェントを停止させます。
• ベンチマーク、価格、一般提供(GA)日はまだ発表されていません。

以下をご覧ください: Google Cloud の発表。本プロジェクトの研究者に全ての功績があります。また、ぜひ私たちをフォローしてください: Twitter また、私たちの ML SubReddit 150k+ユーザー さらに登録する 当社のニュースレター. 待って！Telegramやってるの？ Telegramでも参加できるようになりました。

この投稿 Google Cloud、企業業務を担う万能エージェント「Gemini Agent」を発表 最初に掲載されたのは MarkTechPost.