Agent Development Kitで作る マルチエージェントアプリケーション AIAgent勉強会 株式会社スリーシェイク 山田悠之介 Copyright © 3-shake, Inc. All Rights Reserved. 

自己紹介 ● 名前：山田悠之介 ● 所属：株式会社スリーシェイク ● 職種：フルスタックエンジニア ○ Google Cloudを中心にWebアプリ、 生成AIアプリの開発とその支援 ● 趣味：筋トレ 2 

About US 3 会社名 株式会社スリーシェイク 設立日 2015/1/15 Mission: インフラをシンプルにして イノベーションが起こりやすい世界を作る Vision: 労苦〈Toil〉を無くすサービスを適正な価格で提供し続ける Value: エンジニアリングレイヤーに横たわる人、手法、ツールが サイロ化されて労苦が発生しているプロセスをシンプルにし サービス機能開発に集中できるソリューション （SRE、DevSecOps、DataOps、HROps）を提供する 2015 2016 2017 2018 2019 2020 2021 2022 0 50 100 従業員: 200名over Engineer 60% 所在地 東京都新宿区大京町22-1 グランファースト新宿御苑3F・4F　 代表者 代表取締役社長　吉田 拓真 沿革 2021年1月 JAFCOから総額5億円の資金調達 2022年8月 自動脆弱性診断ツール「Securify Scan」をリ リース。JAFCO、MUCAPから総額8.48億円の資金調達 Googleクラウド・AWSの両方のエンジニアリングに強みを持つ （2024年8月に国内2例目の、GoogleCloudのDevOpsスペシャライゼーションを取得） 

SREを主軸にクラウドネイティブ化/エンジニアリング内製化を支援 SRE/DevOps SecOps BizOps HR ・SRE総合支援からセキュリティ対 策を全方位支援 ・Geminiを用いた生成AIの活用支援 ・ワンストップで脆弱性診断を行う セキュリティ対策SaaS ・クラウド型ETL/データパイプ ラインSaaSの決定版 ・あらゆるSaaSをノーコードで連携 ・ハイスキルフリーランスエンジニ ア紹介エージェント IT内製化 / 高度化 クラウドネイティブ化 モダナイゼーション ITアジリティ向上 4 

今日話すこと、話さないこと 話すこと ● マルチエージェントアーキテクチャ ● ADKがマルチエージェント前提で設計されていること ● ADKの開発から運用までの開発者体験の良さ 話さないこと ● 他のライブラリについて ○ ぜひ教えてください 5 

目次 1. マルチエージェントアーキテクチャ 2. ADKとマルチエージェント 3. ADKと運用 6 

マルチエージェントアーキテクチャ 01 Copyright © 3-shake, Inc. All Rights Reserved. 

マルチエージェントの必要性 シングルエージェントの開発を進めていくと、肥大化し複雑さが増えていく ● 利用可能なツールが増えていき、動作が不安定になる ● コンテキストの複雑化 ● 複数のドメインによる保守性低下 そのような場合には肥大化したシングルエージェントを分割し、 マルチエージェントにすることに一定のメリットがある ● フローを制御できるようになることで動作が安定 ● 専門性の高いエージェントに分割することで全体の性能が向上 ● モジュール化による開発の効率化 8 

Supervisorパターン 監督役のエージェントが専門家のエージェントを呼び出す 現在はこのパターンのエージェントが多い メリット：制御がわかりやすい デメリット：Supervisorを仲介する分のオーバーヘッド 9 https://speakerdeck.com/os1ma/langchain-interrupt-and-langchain-ambassadors-meetingrepoto 

Swarmパターン 各エージェントは他の全てのエージェントと通信 メリット：パフォーマンス デメリット：個々のエージェントの判断に依存 10 

ベンチマーク 複数ドメインの課題に対するスコアとコスト（トークン数）の調査 ● シングルエージェントはスコア、コストともに劣化 ● SwarmパターンはSupervisorパターンより若干良い ○ Supervisorを仲介するオーバーヘッド 11 https://blog.langchain.com/benchmarking-multi-agent-architectures/ 

どちらが良いか ● まずはSupervisorパターンがおすすめ ○ Supervisorパターンは開発・運用の両方でシンプルかつそれなりの性能 ○ 不要な最適化より分かりやすさ（YAGNI） ○ 事例も多い（巨人の肩に乗る） ● 性能が必要になってからSwarmパターンを検討すれば良い 12 

ADKとマルチエージェント 02 Copyright © 3-shake, Inc. All Rights Reserved. 

マルチエージェントの必要性（再掲） シングルエージェントの開発を進めていくと、肥大化し複雑さが増えていく ● 利用可能なツールが増えていき、動作が不安定になる ● コンテキストの複雑化 ● 複数のドメインによる保守性低下 そのような場合には肥大化したシングルエージェントを分割し、 マルチエージェントにすることに一定のメリットがある ● フローを制御できるようになることで動作が安定 ● 専門性の高いエージェントに分割することで全体の性能が向上 ● モジュール化による開発の効率化 14 

ADK（Agent Development Kit） AIエージェントを実装するためのGoogle製OSS Python、Javaで利用可能 主な強み ● ローカル開発からデプロイ、運用まで整備 ● Google Cloudとの様々な連携 ● マルチエージェント前提の設計 こんな人におすすめ ● エージェントをさくっと作ってデプロイしたい ● Google Cloudを使っている 15 

基本的な書き方 Agentに色々指定するだけ 16 root_agent = Agent( name="weather_time_agent", model="gemini-2.0-flash", description=( "Agent to answer questions about the time and weather in a city." ), instruction=( "You are a helpful agent who can answer user questions about the time and weather in a city." ), tools=[get_weather, get_current_time], ) https://google.github.io/adk-docs/get-started/quickstart/ 

別のエージェントを利用する方法 ①sub_agentsによる指定 制御はサブエージェントに移る （サブエージェントがユーザに返答する） 17 parent_agent = LlmAgent( name="parent_agent", model="gemini-2.5-flash", sub_agents=[child_agent_1, child_agent_2], ) parent_agent = LlmAgent( name="parent_agent", model="gemini-2.5-flash", tools=[ AgentTool(child_agent_1), AgentTool(child_agent_2), ], ) ②Agent-as-a-Toolによる指定 制御は親エージェントのまま （親エージェントがユーザに返答する） 

ADKでのSupervisorパターンの実装 ADKではAgent-as-a-Toolにより自然とSupervisorパターンになる 18 supervisor_agent = LlmAgent( name="supervisor_agent", model="gemini-2.5-flash", tools=[ AgentTool(hotel_agent), AgentTool(flight_agent), ... ], ) 

ADKでのSwarmパターンの実装 ADKでは自然には実装できない（sub_agentsに自身以外のエージェントを全て指定する） 問題点というよりは階層化を強制する「Pit of Success」 19 hotel_agent = LlmAgent( name="hotel_agent", model="gemini-2.5-flash", ) flight_agent = LlmAgent( name="flight_agent", model="gemini-2.5-flash", ) hotel_agent.sub_agents = [flight_agent] flight_agent.sub_agents = [hotel_agent] 

ADKの注意点 ● Agent, Agentic Workflow, Workflowなどの分類の中ではAgentの部類に近い ○ そのため複雑な制御はLangGraphの方が書きやすい ○ ※ADKでもWorkflow agents, Custom agentsで複雑な制御はできる ● 作り方からして小さなエージェントをたくさん作っていく方向 ○ 数が増えたら2階層にする（Hierarchicalパターン）などが良さそう 20 

ADKと運用 03 Copyright © 3-shake, Inc. All Rights Reserved. 

ADK製エージェントのデプロイ先候補 ADKは以下に対してノーコード、ローコードでデプロイ可能 ● Cloud Run ● Google Kubernetes Engine ● Agent Engine （上記以外にもDockerfileを作成することでデプロイ可能） 22 

Vertex AI Agent Engine AIエージェントのデプロイ、管理を行うGoogle Cloudのフルマネージドサービス サポート ● ADK ● LangChain, LangGraph, etc... ● カスタムコード 主な機能 ● コンテキスト管理 ● 評価 ● オブザーバビリティ 23 

エージェントのオブザーバビリティの必要性 AIエージェントの「難しさ」に対してオブザーバビリティを考える必要性 24 何が生成 される？ どれくらい 時間がかかる？ どれくらい お金がかかる？ 巨大な ワークフロー 外部サービス の呼び出し モデルの更新 

Agent Engineとオブザーバビリティ ● ログ ○ stdout, stderrへの出力はデフォルトでCloud Loggingに送信 ● メトリクス ○ リクエスト数、レイテンシー、CPU、メモリがデフォルトでCloud Monitoringに送信 ○ カスタムメトリクスもサポート ● トレース ○ enable_tracing=Trueを指定するとCloud Traceに送信 ○ スパン属性として入出力などをデフォルトで提供 25 

エージェントのトレース 26 

Agent Engineの注意点 ● Agent Engine自体はGAだが、プレビュー機能も多い ○ コンテキスト管理、評価の部分 ● Cloud Runの方が成熟しているため機能は多い ○ 例えばトラフィック分割とか 27 

まとめ ● シングルエージェントの課題に対し、マルチエージェントアーキテクチャがある ● 今回はSupervisorパターンとSwarmパターンを紹介 ● ADKではSupervisorパターンが自然に実装 ● デプロイ、運用をAgent Engineに任せると楽そう 28