ADK では、複数の組み込みツールが提供されています。
今回は、BigQuery のツールセットを使用します。ツールセットには、以下ツールが含まれています。

• list_dataset_ids: プロジェクト内に存在するデータセット ID を取得する
• get_dataset_info: データセットに関するメタデータを取得する
• list_table_ids: データセット内に存在するテーブル ID を取得する
• get_table_info: テーブルに関するメタデータを取得する
• execute_sql: SQL を実行し、結果を取得する
• ask_data_insights: 自然言語を使用して、テーブル内のデータに関する質問に回答する

今回は、BigQuery の一般公開データセットである「thelook_ecommerce」を使用します。
「thelook_ecommerce」には、架空のeコマース衣料品サイト（TheLook）に関する、以下テーブルが含まれています。

• users: 顧客テーブル
• products: 商品テーブル
• orders: 注文テーブル
• order_items: 注文商品テーブル
• inventory_items: 在庫テーブル
• distribution_centers: 物流テーブル
• events: ウェブイベントテーブル
• thelook_ecommerce-table: 記載なし

フォルダ構成

adk-agent

　└bq-agent-app

　　├__init__.py

　　├.env

　　└agent.py

__init__.py

from . import agent

.env

GOOGLE_GENAI_USE_VERTEXAI=1

GOOGLE_CLOUD_PROJECT=your_project

GOOGLE_CLOUD_LOCATION=us-central1

agent.py

from google.adk.agents.llm_agent import Agent

from google.adk.tools.bigquery import BigQueryCredentialsConfig

from google.adk.tools.bigquery import BigQueryToolset

from google.adk.tools.bigquery.config import BigQueryToolConfig

from google.adk.tools.bigquery.config import WriteMode

import google.auth



# エージェントの BigQuery へのアクセス制御を指定

tool_config = BigQueryToolConfig(write_mode=WriteMode.BLOCKED)  # BLOCKED: 読み取り専用



# BigQuery への認証（Application Default Credentials を使用）

application_default_credentials, _ = google.auth.default()

credentials_config = BigQueryCredentialsConfig(

    credentials=application_default_credentials

)



# BigQuery ジョブを実行するプロジェクトID

PROJECT_ID = "your_project"



# BigQuery ツールセット

bigquery_toolset = BigQueryToolset(

    credentials_config=credentials_config, bigquery_tool_config=tool_config

)



# エージェント

root_agent = Agent(

    model="gemini-2.0-flash",

    name="bigquery_agent",

    description=(

        "あなたは、SQL を実行して BigQuery のデータに関する質問に答えるエージェントです。"

    ),

    instruction=f"""

        あなたは、複数の BigQuery ツールにアクセスできるデータ分析エージェントです。

        これらのツールを活用して、ユーザの質問に答えてください。

        ユーザからの質問に対しては、プロジェクトID: `bigquery-public-data` 、データセット: `thelook_ecommerce` のみのデータを使用して回答してください。

        BigQuery ジョブは、プロジェクトID: `{PROJECT_ID}` で実行してください。"

    """,

    tools=[bigquery_toolset]

)

「adk-agent」をカレントディレクトリにした状態で、adk web コマンドを使用してエージェントを実行し、実際にエージェントにデータに関する質問をしてみようと思います。
今回は、以下の4つで試してみました。

1．データセット内のテーブルを全て教えてください。
2．それぞれのテーブルの件数を教えてください。
3．今月一番売れている商品は？
4．一緒に注文されることが多い商品はどれですか？

1．データセット内のテーブルを全て教えてください。
ツール: list_table_ids が実行され、結果も合っていました。

2．それぞれのテーブルの件数を教えてください。
ツール:execute_sql が複数回実行され、こちらの結果も合っていました。

3．今月一番売れている商品は？
ツール: execute_sql が実行され、結果も問題なさそうでした。参考までに実行された SQL 載せております。
エージェントからの回答では、「…ordersテーブルとorder_itemsテーブルを結合して、…」とありますが、実際には productsテーブル も結合され、商品名が取得できていました。

【参考】SQL

SELECT

  p.name,

  COUNT(oi.product_id) AS total_ordered

FROM

  bigquery-public-data.thelook_ecommerce.order_items oi

JOIN

  bigquery-public-data.thelook_ecommerce.products p

ON

  oi.product_id = p.id

JOIN

  bigquery-public-data.thelook_ecommerce.orders o

ON

  oi.order_id = o.order_id

WHERE

  EXTRACT(YEAR FROM o.created_at) = 2025 AND EXTRACT(MONTH FROM o.created_at) = 9 

GROUP BY

  p.name

ORDER BY

  total_ordered DESC

LIMIT 1

4．一緒に注文されることが多い商品はどれですか？
ツール: execute_sql が実行され、結果も概ねは問題なさそうでした。参考までに実行された SQL 載せております。
今回は5件のみ表示しているため、結果からは分からないですが、SQL の仕様上、product_id1 と product_id2 が逆でも一緒に注文される商品の組み合わせとして表示される可能性があるため、若干修正の余地はある印象でした。

【参考】SQL

SELECT

  oi1.product_id AS product_id1,

  oi2.product_id AS product_id2,

  COUNT(*) AS order_count

FROM

  bigquery-public-data.thelook_ecommerce.order_items oi1

JOIN

  bigquery-public-data.thelook_ecommerce.order_items oi2

ON

  oi1.order_id = oi2.order_id

  AND oi1.product_id != oi2.product_id

GROUP BY

  oi1.product_id,

  oi2.product_id

ORDER BY

  order_count DESC

LIMIT 5

まず、ADK からの BigQuery のツールセットの呼び出しが非常に簡単でした。
BigQuery に対する基本的なアクションを、開発者が独自のカスタムツールを作成することなく簡単に実現できる点は魅力的ですね。今後も各種ツールが追加される予定とのことだったので、期待したいです。

また、実際のツール自体の精度も予想より高くて驚きました。
実務な活用の観点では、やはり精度はかなり重要になるかと思うため、ユーザの質問の意図を整理するエージェントや、エージェントが出力した内容をレビューするエージェントなど、複数エージェントの活用が必須のように感じました。こういったマルチエージェント化の検証も進めていきたいと思います。

最後まで読んでいただき、ありがとうございました。