Google Cloud「Gemini agent」発表 仕事用の万能エージェントの中身

Gemini agentとは：指示ではなく目標を渡す

Google Cloudの発表によると、Gemini agentは利用者のビジネス上の文脈をすべて把握したうえで動くエージェントです。質問への回答から知識労働、コンテンツ作成、コーディングまで、ひとつのプロンプト入力欄から使えるとしています。

使い方について、ブログは「指示ではなく、目標を渡す」と書いています。利用者は成果を任せ、仕上がった仕事を後から受け取ります。Gemini agentは作業を計画し、スキルとツールを使い、利用者のシステムにつながって、仕上がったものを返します。成果を返す場所は、利用者がすでに使っている文書、受信トレイ、開発環境の中だとしています。

ブログはさらに、Gemini agentが仕事に合うモデルを選ぶこと、コスト管理の機能を組み込んでいること、企業が求めるセキュリティ・管理・ガバナンスの機能を備えていることを挙げています。

使い方として、ブログは個人のアシスタントとして使う方法と、チームの一員として使う方法を挙げています。チームの一員としては、チームのプロジェクトマネージャーのようにグループの代わりに動くことも、財務部門のアナリストのように組織内の特定の役割を担うこともできるとしています。

どこから使えるか、仕事はいつまで続くか

ブログは、Gemini agentの設計の原則として「Unified agent」「Omnipresent access」「Persistent execution」などを挙げています。

ひとつのインターフェースで、チャットで質問に答えること、任された目標に向けて自律的に作業すること、コードを生成することができます。仕事を割り当てるほかに、完了させたいタスクを予約したり、イベントに反応させたりもできるとしています。

利用できる場所は、Web、iOS・Androidのモバイル端末、Windows・Macのデスクトップです。チャネルとしては、コマンドライン、Google Workspace、Microsoft 365、Slackが挙げられています。他社のアプリケーションに組み込むこともでき、専用の画面を持たない「ヘッドレス」なエージェントとしても動くといいます。基調講演では登壇者が「デスクトップのGemini agent」を見せながら、Web、モバイル、CLIからも使えると話しました。

Gemini agentはクラウドで動きます。どの端末やチャネルから使っても、記憶・文脈・パーソナライズの情報をひとつにまとめて持ち続けるため、改めて説明し直す必要はないとしています。ブログによると、数時間や数日かかる仕事は、ノートPCを閉じたあとも動き続けます。

サブエージェントと「同僚エージェント」

Gemini agentは複数のエージェントを組み合わせて動きます。ブログによると、Gemini agentは複数の手順がある仕事のために、その仕事専用の一時的なサブエージェントを必要に応じていくつも作れます。サブエージェントはそれぞれ独自のIDを持ちます。Gemini agentはサブエージェントとやり取りしながら、並行して進める手順や順番に進める手順をまとめて管理します。これらの手順は数時間から数日続くこともあるとしています。

もうひとつが「coworker agent（同僚エージェント）」です。チームの一員に近い存在で、決まった役割を持ち、日をまたぎ、セッションをまたいで、変わっていく複数の担当業務を受け持ちます。同僚エージェントは専用のIDを持ち、@agents.company.com 形式の自分のメールアドレスと、自分用の永続的なストレージを持ちます。アクセスできるのは、利用者やチームメンバーが渡した文脈だけだとしています。

ブログは「Deeply contextual」という原則も挙げています。Gemini agentは最初から利用者のツール、データ、仕事の履歴を知っていて、やり取りのたびに学習します。一緒に働く期間が長いほど、利用者とその働き方への理解が深まると説明しています。チームは専用のプロジェクトを作って、Gemini agentが使う文脈、スキル、ツールをさらに調整できます。

仕事ごとにモデルを選ぶ：現在はGeminiとClaude

Google Cloudは、エージェントとその下で動くモデルを別々に選ぶものとして位置づけています。Gemini agentは、仕事ごとに最も合うモデルで作業を実行します。現在の対象は、GoogleのGeminiファミリーのモデルとAnthropicのClaudeモデルです。その他の主要なクローズドモデルやオープンモデルには、今後対応するとしています。

この仕組みの目的について、ブログは「最適な品質を出し、コストを下げるため」と書いています。仕事に最適なモデルが最も大きいモデルとは限らないとし、仕事にモデルを合わせることで、難しい仕事では精度が上がり、簡単な仕事ではコストが下がると説明しています。また、首位のモデルは数か月ごとに入れ替わるため、選択肢を開いておけば、モデルが入れ替わっても文脈・スキル・データを移さずに済むとしています。基調講演のスライドには「Build your tools and context once. Route to any model.（ツールと文脈は一度作れば、どのモデルにも振り分けられる）」と表示されました。

先行テストの例として、ブログはスポーツウェアブランドのOnを挙げています。Onは先行テストで、この新しいモデル選択機能を市場投入を速めるために試しました。あわせて、すでに大規模に複数モデルを使っている企業の例として、何百万もの加盟店向けにフロンティアモデルを組み合わせているShopifyと、毎週1,000万件のマルチモデルのリクエストを振り分けているPayPalを紹介しています。

今回確認できたこと、できなかったこと

ブログは、Gemini agentがビジネスを理解するための機能として、ツール、スキル、文脈の3つを挙げています。ツールは利用者のシステムにつなぐもの、スキルは仕事の進め方を教えるもの、文脈は覚えておくためのものです。料金、提供開始の時期、提供する地域やプランは、本記事で確認した発表文の範囲には書かれていませんでした。ツールの登録の仕組みなど各機能の詳しい説明も、この範囲では確認できていません。導入を検討する場合は、Google Cloudの公式ブログで最新の情報を確認してください。