Vertex AI Agent Engine の概要

Vertex AI Agent Engine（旧称 LangChain on Vertex AI、Vertex AI Reasoning Engine）は、デベロッパーが本番環境で AI エージェントをデプロイ、管理、スケーリングできるようにするフルマネージド サービスです。 Google Cloud Agent Engine は、本番環境でエージェントをスケーリングするインフラストラクチャを処理するため、インテリジェントで効果的なアプリケーションの作成に集中できます。Vertex AI エージェント エンジンは、次の機能を提供します。

  • フルマネージド: VPC-SC コンプライアンスや包括的なエンドツーエンドの管理機能など、堅牢なセキュリティ機能を提供するマネージド ランタイムを使用して、エージェントをデプロイしてスケーリングします。パフォーマンス モニタリングとトレースに Google Cloud Trace（OpenTelemetry をサポート）を使用するマルチエージェント アプリケーションに CRUD アクセス権を付与します。詳細については、エージェントをデプロイするをご覧ください。

  • 品質と評価: 統合された Vertex AI Rapid Evaluation サービスを使用して、エージェントの品質を確保します。

  • 開発の簡素化: Agent Engine は、アプリケーション サーバーの開発、認証と IAM の構成などの低レベルのタスクを抽象化するため、エージェントの動作、ツール、モデル パラメータなどのエージェントの固有の機能に集中できます。さらに、エージェントは Vertex AI の任意のモデルとツール（関数呼び出しなど）を使用できます。

  • フレームワークに依存しない: LangGraph、Langchain、AG2、CrewAI など、さまざまな Python フレームワークを使用して構築したエージェントを柔軟にデプロイできます。既存のエージェントがある場合は、SDK のカスタム テンプレートを使用して、Agent Engine で実行するようにエージェントを適応させることができます。それ以外の場合は、Google が提供するフレームワーク固有のテンプレートのいずれかを使用して、エージェントをゼロから開発できます。

ユースケース

エンドツーエンドの例を使用して Agent Engine の詳細を確認するには、次のリソースをご覧ください。

ユースケース 説明 リンク
公開 API に接続してエージェントを構築する 通貨を変換する。

通貨両替アプリに接続する関数を作成して、モデルが「今日のユーロとドルの為替レートは？」などのクエリに正確な回答を提供できるようにします。		 Vertex AI SDK for Python ノートブック - Agent Engine を使用したエージェントの構築とデプロイの概要
コミュニティ ソーラー プロジェクトの設計。

設置場所の候補を特定し、関連する政府機関やサプライヤーを調べ、地域や建物の衛星画像と太陽光発電のポテンシャルを確認し、太陽光パネルを設置するのに最適な場所を見つけます。		 Vertex AI SDK for Python ノートブック - Vertex AI Agent Engine を使用して Google Maps API エージェントを構築してデプロイする
データベースに接続してエージェントを構築する AlloyDB および CloudSQL PostgreSQL とのインテグレーション。 ブログ投稿 - AlloyDB と Cloud SQL for PostgreSQL 向け LangChain on Vertex AI のご紹介

Vertex AI SDK for Python ノートブック - Cloud SQL for PostgreSQL を使用した RAG アプリケーションを Vertex AI の LangChain にデプロイする

Vertex AI SDK for Python ノートブック - AlloyDB を使用した RAG アプリケーションを Vertex AI の LangChain にデプロイする
自然言語を使用して構造化データストアをクエリして理解する。 Vertex AI SDK for Python ノートブック - Vertex AI Agent Engine と Vertex AI Search の RAG を使用して会話型検索エージェントを構築する
自然言語を使用してグラフ データベースをクエリして理解する ブログ投稿 - LangChain と Neo4j を備えた Vertex AI Agent Engine を使用する GenAI GraphRAG と AI エージェント
自然言語を使用してベクトルストアをクエリして理解する ブログ投稿 - MongoDB Atlas と Vertex AI Agent Engine を使用して GenAI RAG を簡素化する
OSS フレームワークを使用してエージェントを構築する OneTwo オープンソース フレームワークを使用してエージェントを構築してデプロイする。 ブログ投稿 - OneTwo と Vertex AI Agent Engine: 高度な AI エージェントの開発を探索する Google Cloud
LangGraph オープンソース フレームワークを使用してエージェントを構築してデプロイする。 Vertex AI SDK for Python ノートブック - Vertex AI Agent Engine を使用した LangGraph アプリケーションの構築とデプロイ
エージェントのデバッグと最適化 OpenTelemetry と Cloud Trace を使用してエージェントをビルドしてトレースする。 Vertex AI SDK for Python ノートブック - エージェントのデバッグと最適化: Vertex AI Agent Engine でのトレースのガイド

Agent Engine で作成してデプロイする

注: Agent Engine でIDE ベースの開発とデプロイを効率的に行うには、agent-starter-pack を検討してください。すぐに使用できるテンプレートと、テスト用の組み込み UI が用意されています。また、デプロイ、運用、評価、カスタマイズ、オブザーバビリティを簡素化します。

Agent Engine でエージェントを構築するワークフローは次のとおりです。

手順 説明
1. 環境を設定する Google プロジェクトを設定し、最新バージョンの Vertex AI SDK for Python をインストールします。
2. エージェントを開発する Agent Engine にデプロイできるエージェントを開発します。
3. エージェントをデプロイする エージェントを Agent Engine マネージド ランタイムにデプロイします。
4. エージェントを使用する API リクエストを送信してエージェントにクエリを実行します。
5. デプロイされたエージェントを管理する Agent Engine にデプロイしたエージェントを管理、削除します。

次の図は、このプロセスを示しています。

エージェントを作成してデプロイする 

エンタープライズ セキュリティ

Agent Engine は VPC Service Controls をサポートしており、データのセキュリティを強化し、データの引き出しのリスクを軽減します。VPC Service Controls が構成されている場合、デプロイされたエージェントは、BigQuery API、Cloud SQL Admin API、Vertex AI API などの Google API とサービスへの安全なアクセスを維持し、定義された境界内でシームレスに動作します。重要な点として、VPC Service Controls はすべての公共のインターネット アクセスを効果的にブロックし、データの移動を承認済みのネットワーク境界内に限定することで、企業のセキュリティ体制を大幅に強化します。

料金

料金は、Agent Engine マネージド ランタイムにデプロイされたエージェントによって使用されるコンピューティング（vCPU 時間）リソースとメモリ（GiB 時間）リソースに基づいています。

プロダクト SKU ID 価格
ReasoningEngine vCPU 8A55-0B95-B7DC $0.0994/vCPU-Hr
ReasoningEngine メモリ 0B45-6103-6EC1 $0.0105/GiB-Hr

詳細は、料金をご覧ください。

次のステップ