【速報】Google Cloud Next Tokyo '26 基調講演まとめ Day 2

AI時代を支える「AIハイパーコンピューター」

最初のトピックは、チップ単体ではなく、データセンター全体を一つの計算基盤として捉える「AIハイパーコンピューター」に関する説明です。エージェント時代のコンピューティングは、もはや1つのチップだけでなく、データセンター全体で定義されるようになっています。だからこそ、生成AIの広がりとともにAIコンピューティングの需要が急速に高まる中、ハードウェアからモデル、プラットフォームまで全レイヤーを一貫して自社で手がけている点こそが、Googleの大きな強みになっています。

※Day2基調講演より

カスタムArm CPU 「Google Axion」

Googleは、汎用ワークロードについてもカスタム設計のArm CPU「Google Axion」でリーダーシップを拡大していきたいという野望があるようです。Google Axionは、x86 インスタンスと比較して、最大2倍の価格性能比と 80%優れたワットあたりの性能を提供します。

※Day2基調講演より

AIのための高速ストレージ

Googleのチップ自体の性能を最大限に引き出せるように、ストレージについても再設計を行ったそうです。具体的には、以下3つのストレージです。

• Google Cloud Managed Lustre
  毎秒10TBという驚異的なスループットを実現し、高価なアクセラレータの稼働率向上とAI処理のコスト効率化に貢献する。
• Cloud Storage Rapid
  巨大なデータレイクを保有する顧客向けに、非常に高い読み込み性能と優れたコスト効率を提供する。
• スマートストレージ
  保存した瞬間から非構造化データに自動でインテリジェンスを付加し、データを「AIエージェントレディ」状態へ変換する。

※Day2基調講演より

Gemini Enterprise Agent Platformが一般提供開始

Googleは、AIエージェントの構築から運用、ガバナンス、最適化までを一つの基盤で支える「Gemini Enterprise Agent Platform」の一般提供開始を発表しました。このプラットフォームで構築できるのは、質問に回答するだけのAIではありません。ユーザーの状況を踏まえて主体的に支援し、複数のツールやデータを使いながら、タスクの完了まで自律的に動くAIエージェントです。

Gemini ProやGemini Flashなどの最新モデルに加え、Model Gardenを通じてClaudeをはじめとする他社モデルも選択できます。用途に応じてモデルを使い分けながら、本番環境で動くエージェントを開発できる点が特徴になるようです。

ADKを使ってAIエージェントを構築

エージェント開発の中心となるのが、Agent Development Kit（ADK）です。開発者はADKを使い、エージェントの振る舞いや利用するモデル、ツール、スキルなどを設計します。

※Day2基調講演より

エージェントが業務を実行するには、モデルだけでなく、外部のシステムを操作するためのツールや、特定の処理を行うためのスキルが必要です。Gemini Enterprise Agent Platformでは、すぐに利用できるスキルがAgent Registryを通じて提供されます。 また、Google Cloudの各サービスがMCP（Model Context Protocol）に対応したことで、エージェントからGoogle Cloud上のデータや機能を利用しやすくなりました。接続先はGoogle Cloudだけではありません。Google Workspace、Google Maps、Google Payなどに対応したスキルやMCPツールも提供されます。例えば、社内データを調査したうえで文書を作成したり、予定を確認して会議を設定したりと、複数のサービスにまたがる業務をエージェントに任せられるようになります。

複数のエージェントが連携して業務を実行

一つのエージェントだけですべての業務をこなすのではなく、役割の異なるエージェント同士を連携させる仕組みも用意されています。これを支えるのが、オープンなエージェント間プロトコルです。各エージェントは、自分がどのような機能を持っているのかをほかのエージェントへ公開し、安全にデータを交換しながら協調して動作します。例えば、顧客からの問い合わせを受け付けるエージェントが、契約情報を調査するエージェントや、回答文を作成するエージェントを呼び出すといった構成が考えられます。それぞれに専門的な役割を持たせることで、より複雑な業務にも対応できます。

Agent Runtimeでエージェントを実行・拡張

構築したエージェントの実行環境として提供されるのが「Agent Runtime」です。Cloud Run上に構築されたマネージド型のサーバーレス環境で、利用量の増減に応じてエージェントを柔軟にスケールできます。

※Day2基調講演より

Agent Runtimeは、ユーザーとエージェントのやり取りを保持するセッション機能にも対応しています。ADKで構築したエージェントをデプロイすると、セッションの作成や管理はAgent Runtimeによって自動的に行われます。 ただし、やり取りが長くなるほどセッション履歴も増え、応答速度や出力精度に影響する可能性があります。そこでADKには、過去の履歴を動的に要約する「コンテキストウィンドウの自動コンパクション」が用意されています。エージェントに必要な記憶を残しながら、参照する情報量を適切な範囲に抑えることで、応答の遅延や推論コストを軽減します。

メモリバンクでセッションをまたいだ記憶を保持

通常のセッション履歴は、一つの会話の中で文脈を維持するために使われます。一方、ユーザーの過去の希望や、継続中の業務を次回以降も引き継ぐには、セッションをまたいだ記憶が必要です。 この役割を担うのが「Memory Bank」です。ADKとAgent RuntimeはMemory Bankをサポートし、複数のセッションにまたがって長期的なコンテキストを保持します。これにより、エージェントは毎回同じ説明を求めることなく、過去のやり取りを踏まえた支援ができるようになります。 一方で、何でも自動的に記憶させればよいわけではありません。Memory Bankでは、エージェントがタスクを進める過程で何を記憶させるかを、ユーザー側で管理できます。利便性を高めながら、不要な情報が残り続けることを防ぐための仕組みです。

Agent IDでエージェントの権限を管理

AIエージェントが企業のデータやシステムを操作するようになると、「どのエージェントが、何にアクセスできるのか」を明確にする必要があります。Gemini Enterprise Agent Platformでは、それぞれのエージェントに固有の「Agent ID」を付与します。人間のユーザーにアカウントを発行するように、エージェントにも個別の身元と権限を持たせる考え方です。 Agent IDは、オープン標準のSPIFFEを基盤としており、各エージェントには暗号学的に証明されたIDが割り当てられます。これにより、最小限の権限だけを与える「最小権限」の考え方を適用し、意図しない権限昇格を防止します。

Agent Registryでエージェントとスキルを一元管理

Agent IDが付与されたエージェントは、「Agent Registry」に登録されます。Agent Registryは、エージェントだけでなく、スキル、ツール、MCPサーバーを保存・検索・管理するための仕組みです。企業内にどのようなエージェントやAIリソースが存在するのかを、一カ所で把握できます。

※Day2基調講演より

今回、Agent Registryにおけるスキルのサポートがプレビューとして発表されました。開発者は作成したスキルを公開し、バージョンを管理できます。ほかのチームは、登録されたスキルを検索し、自社のエージェントで再利用できます。 チームごとに同じ機能を一から開発する必要がなくなるため、エージェント開発の効率化も期待できます。セキュリティチェックも公開フローに組み込まれています。スキルは利用可能になる前に、脆弱性や悪意のあるコードが含まれていないかスキャンされます。公開後にリスクが判明した場合は、そのスキルを利用しているすべてのエージェントに対して、Agent Registryから一括で無効化できるそうです。

Model ArmorをAIファイアウォールとして利用できる

Agent Gatewayは「Model Armor」とも連携します。Model Armorは、AIへのプロンプトとAIから返される応答をリアルタイムで検査する、マネージド型のセキュリティサービスです。AIファイアウォールのような役割を担い、ジェイルブレイクやプロンプトインジェクション、機密情報の漏えい、悪意のあるURLなどからモデルとエージェントを保護します。

※Day2基調講演より

Agent Gatewayからボタン一つで有効化でき、エージェントのコードを変更する必要はありません。通信経路上でプロンプトと応答を検査できるため、すでに構築したエージェントにもセキュリティ対策を追加しやすくなっています。AIエージェントは、生成AIよりも多くのデータやシステムにアクセスします。入力内容だけでなく、エージェントが外部へ出力する情報まで確認できることは、企業で本番運用するうえで欠かせません。

Agent Observabilityで動作を可視化・改善

AIエージェントは、同じ指示を与えても常に同じ手順で動くとは限りません。どの情報を参照し、どのツールを使い、なぜその結果に至ったのかが分かりにくいという課題があります。これに対応するのが「Agent Observability」です。

※Day2基調講演より

Agent Observabilityは、プロンプトと応答、ツールの利用状況、エージェントがたどった実行経路などをリアルタイムで記録します。OpenTelemetryなどのオープンな仕様を活用しており、エージェントのデバッグやセキュリティ確認、品質評価に利用できます。

※Day2基調講演より

Knowledge Catalogによるダークデータの活用

Knowledge Catalogは、データの集計・拡充・検索を通じて、ビジネス上の意味をマッピング・推論するエンジンです。

※Day2基調講演より

Knowledge Catalogは、メタデータ、ビジネスのセマンティクスなどを統合することにより、Google内外のすべてのソースからデータを引き出すことができます。具体的には以下のようなデータに統合が可能です。

• 運用データベース
• 分析データ
• サードパーティのカタログ
• Google Cloud Storage（GCS）内の非構造化データ
• SaaSアプリケーション（SAP、Salesforce、Workday など）

ダークデータの活用

企業データの90%は非構造化されたダークデータ（文書、画像、ログなど）となっており、これまでのAIエージェントでは読み取ることができませんでした。

※Day2基調講演より

これを可視化・活用可能にする基盤がGoogle Cloud Storage (GCS) です。 YouTubeからGeminiに至るまで、Google自体のビジネスを支える堅牢な基盤になっています。GoogleのAIモデルを活用することで、非構造化データへ自動的にメタデータを付加できます。これにより、非構造化データもリアルタイムの推論エージェントがKnowledge Catalog経由で即座にアクセスできるようになるそうです。

※Day2基調講演より

セキュリティアップデート

ここ最近、AIが自律的に脆弱性を見つけ出す能力が顕在化し、世の中では「フロンティアAIショック」による不安が広がっています。実際に新たな脆弱性が発見されてから悪用されるまでの時間は1. 6日にまで短縮されているそうです。

※Day2基調講演より

ただ、GoogleはこれまでAIの進化を予測し、すでに防御の備えを行ってきました。

※Day2基調講演より

自動コード修復エージェント「CodeMender」 と「Gemini 3.5 Flash Cyber」

Code Menderは、GoogleがAIスピードの脆弱性発見にコード修復が追いつかないという課題を解決するために開発したエージェントで、現在はパブリックプレビューに移行しているそうです。また、CodeMenderでは、Gemini 3.5 Flashをベースにセキュリティ用途へ特化させたカスタムモデル「Gemini 3.5 Flash Cyber」が利用できます。

※Day2基調講演より

来年のNext Tokyoも東京ビッグサイトで開催

次回のGoogle Cloud Next Tokyoは、2027年8月5日、6日の2日間、東京ビッグサイト西展示棟で開催されます。AIエージェントの本番活用が一気に具体化した今回のNext Tokyoでしたが、1年後には、技術や企業での活用がどこまで進んでいるのでしょうか。新たなモデルや製品の発表はもちろん、日本企業による先進的な事例にも期待が高まります。来年も、Google Cloudの進化を間近で体感できる2日間になることを期待したいです。

※Day2基調講演より

まとめ

Day 2の基調講演を見て、AIエージェントをめぐる競争の軸が変わり始めたと感じました。これまでは「どのモデルが賢いか」が大きな注目を集めてきましたが、企業で本当に問われるのは、その賢さを業務の中で安全かつ安定的に生かせるかどうかです。

エージェントに仕事を任せるなら、社内データへ接続するだけでは不足していて、誰の権限で動き、何を参照し、どのような判断を経て実行したのかを把握できなければ、重要な業務には組み込めないからです。Agent IDやAgent Registry、Model Armor、Agent Observabilityといった今回の発表は、一見すると地味に映るかもしれません。しかし、こうした管理機能こそ、AIエージェントをデモから実務へ進めるために欠かせないものだと思います。

同時に、企業側にも準備が求められると思いました。データが整理されていない、権限が曖昧、業務そのものが属人化している、そのような状態でAIエージェントを導入しても、期待した成果は得られません。AIエージェントの導入は、単なる効率化ではなく、自社のデータや業務プロセスを見直すきっかけにもなりそうです。

来年のNext Tokyoで期待したいのは、さらに多くの新機能ではなく、今回発表された基盤の上で日本企業の仕事が実際にどう変わったのかです。AIが人に代わるという大きな話ではなく、面倒だった調査が早くなった、部門をまたぐ業務が止まらなくなった、社員が本来考えるべき仕事に時間を使えるようになった。そんな地に足のついた変化が、1年後には数多く聞けるのではないでしょうか。

今回のDay 2は、AIエージェントの未来を派手に語る場というより、その未来を現実にするための土台が着実に整い始めたことを確認する場でした。ここから企業の現場で何が生まれるのか。次の1年が、楽しみになる基調講演でした。

あわせて読みたい：【速報】Google Cloud Next Tokyo '26 基調講演まとめ Day 1