Google CloudがGemini agentを発表しエンタープライズ統合を加速

Gemini agentの単一インターフェースとインライン動作

Gemini agentは、ナレッジワークからコーディングまでを単一インターフェースで処理する。ユーザーは具体的な指示ではなく目標を渡すだけで、完了した結果を受け取れる。内部では複数のサブエージェントを動的に生成し、並列や逐次タスクを協調実行する。各エージェントは固有のIDを持ち、チームメンバーのように振る舞う。

Google Workspace内のGmailやDrive、Chatなどでもインライン動作する。既存の記憶やスキル、権限をそのまま引き継ぐため、ユーザーは毎回状況を説明する必要がない。個人アシスタントからプロジェクトマネージャー役まで、用途に合わせて役割を設定できる。Gemini agentの動作イメージは次の図の通りだ。

基盤となるモデルはGeminiファミリーとAnthropicのClaudeをオーケストレーションする。タスクの難易度に応じて最適なモデルを自動選択し、精度とコストのバランスを取る。将来的には他社プライベートモデルやオープンソースモデルも追加する予定だ。

エージェントはセッション記憶、意味記憶、手続き記憶、事象記憶の四つのメモリを保持する。ツールレジストリとスキルレジストリを通じて、ConfluenceやSalesforceなどの既存システムと安全に連携する。

支出制御にはプロジェクトごとのリアルタイム上限機能を実装した。Cloud Billing Consoleで上限額を設定すると、Geminiがトークン使用量とサンドボックスコストを監視する。上限に達するとエージェントが一時停止し、コンソールから再開可能だ。部門ごとのコスト配分にも対応する。