2026年6月11日 Google Cloud「Managed Agents API」:ただの生成AIから自律的に働く優秀なアシスタントへの変貌 Gemini Google Cloud Vertex AI 検索する Popular tags 事例紹介 GEN-STEP 生成AI(Generative AI) Vertex AI Search Looker Studio BigQuery AlloyDB Google Workspace Cloud SQL Category Google Cloud Author rr SHARE 目次 Managed Agents API とは何か? これまでの生成AI機能(通常のGemini)との違い AI専用ルーム(サンドボックス)の機能 具体的な活用イメージ おわりに Content 近年、ChatGPTやGeminiといった生成AIを活用した自社チャットボットを業務に取り入れる企業が増えています。しかし、「AIに文章を作ってもらう」ことはできても、「大量のエクセルデータを渡して、グラフを作り、最終的なレポートまで全部自動で仕上げてほしい」といった複雑な仕事をお願いしようとすると、途端に難しくなります。 なぜなら、生成AIには「作業をするためのパソコン(環境)」が与えられておらず、ファイルを指示を受けてリアルタイムで行動するのが難しいからです。この問題を根本から解決するのが、Google Cloudが提供するManaged Agents APIです。本記事では、このサービスがどのようにして、ビジネスの現場における生成AI利用を変えるのかを解説します。 Managed Agents API とは何か? 一言で言えば、Managed Agents APIとは「AIが安全に作業するための『専用の個室(仮想の作業部屋)』を、Googleがまるごと貸してくれるサービス」です。 要するに「外部から守られた安全な部屋」の中にAIが入り、そこで人間のように「自ら考え、道具(ソフト)を使い、ファイルを作成・編集する」ことができるようになる仕組みです。 AIはあなたのパソコンを直接操作するのではなく、Google Cloud上の分離・隔離された専用ルームで作業を行います。 そのため、万が一AIが誤ったプログラムを実行しても、あなたのパソコンや社内のシステムが破壊される心配はなく、安全(セキュア)に業務を任せることができます。 これまでの生成AI機能(通常のGemini)との違い これまでのAIチャットと「Managed Agents API」は何が違うのでしょうか?それは「自分で行動できるか」そして「費用の掛かり方」にあります。 比較項目 これまでのAI (通常のGemini) Managed Agents API (新しい仕組み) できることの違い 質問に対して「文章で返事をするだけ」。もしAIが作った計算式が間違っていたら、人間がエラーを確認して「ここを直して」と再度指示しなければなりません。 AIが自ら複数ステップの作業を進め、もし失敗しても「なぜ失敗したか」を自分で読み取り、成功するまで自動でやり直すことができます(自律サイクル)。 作業が必要な場合の環境 作業部屋がないため、人間が自分のパソコンでAIの指示通りに手を動かす必要があります。 Googleが用意した「安全なAI専用ルーム」が自動で割り当てられるため、人間が環境を用意する手間も費用もかかりません。 費用の掛かり方 (課金モデル) やり取りする「文字の量」による課金。毎回、手動で資料や前提知識(プロンプト)を入力して送信する手間が発生します。やり取りの都度コストが計算されるため、費用が跳ね上がりやすい傾向があります。 「AI専用ルームの利用時間」をベースにした課金。資料を事前に共有しておけば、AIが文脈を理解して自律的に処理を自動実行します。複雑なタスクも手動の指示なしでスピーディーに完結できるため、高い業務効率化が期待できます。 実際の単価目安 ※Gemini 3.1 Pro の場合 (200k文字量以下) ・入力: 約 $2.00 / 100万トークン ・出力: 約 $12.00 / 100万トークン ・AI専用ルームの利用料(作業時間に応じた少額課金) ・+上記AI単価 ※課金は、基本的には利用するGeminiモデルの入出力トークンや、エージェントの内部処理で発生するモデル利用に応じて発生します。なお、プレビュー期間中のサンドボックス実行環境の課金有無は提供形態や最新の料金ページを確認する必要があります。 AI専用ルーム(サンドボックス)の機能 Managed Agents APIのサンドボックス環境では、ユーザーのPC環境から分離された場所でAIエージェントが計画を立て、コマンド実行やファイルの読み書きを行えます。ここではAIが安全な作業部屋の中で何をしてくれるのかという観点で整理します。 サンドボックスでできること 概要 AI専用の安全な作業部屋を使える ユーザーのPC上で直接作業するのではなく、クラウド上に用意された専用のサンドボックス環境でAIが作業します。たとえば、ファイルを読み込む、データを整理する、簡単な処理を試す、結果をまとめるといった作業を、ユーザーの端末環境に影響を与えずに実行できます。 AIが自分で手順を考えて実行できる 単に質問に回答するだけでなく、「何を確認すべきか」「どのファイルを見るべきか」「必要なら検索や処理を行うべきか」をAIが判断できます。たとえば、ユーザーが「この資料を整理して」と依頼すると、AIが中身を確認し、必要な情報を抜き出し、要約や表形式にまとめるような動きが可能になります。 前回の作業を引き継げる サンドボックス内では、AIが作成したファイルや作業状態を一定期間保持できます。標準の有効期間は7日間で、新しいやり取りがあるたびに延長されます。そのため、「昨日の分析の続きをやって」「前回作った資料案を修正して」といった継続的な作業にも向いています。 必要な道具を最初から持っている サンドボックスには、データ整理やファイル操作に使える道具があらかじめ用意されています。たとえば、Python 3.11、Node.js 20、git、jq、curl、pandas、google-genai などが利用できます。非エンジニアの方にとっては、「AIが作業に必要な文房具や道具を最初から持っている」と捉えるとわかりやすいです。 足りない道具を追加できる ネットワーク接続が許可されている場合、AIは必要に応じて追加のライブラリを導入できます。たとえば、分析や処理に必要な部品が足りない場合に、pip install や npm install を使って環境を整えることができます。つまり、AIが「作業に必要な道具を自分でそろえてから作業する」イメージです。 社内データや外部サービスとつなげられる MCPサーバーやSkill Registryと連携することで、AIが社内システム、データベース、外部サービスのAPIなどと接続しやすくなります。たとえば、社内文書を探す、業務システムの情報を確認する、特定の業務処理を呼び出すといった形で、AIの行動範囲を拡張できます。 重要なのは、このサンドボックスがAIに何でも自由にさせる場所ではなく、安全な範囲を決めたうえで、AIに作業させる場所として設計されている点です。サンドボックスはデフォルトでは外部ネットワークから分離されており、必要な接続先だけを許可リストで明示的に設定する仕組みです。また、外部データや機能につなぐため、Cloud Storage やスキルを接続する場合も、指定された範囲だけにアクセスできるように権限を絞る設計が可能です。 ユーザーの要望に応じて、AIがクラウド上のサンドボックス環境内で作業計画を立て、必要な情報を確認し、検索・処理・整理を実行します。 ユーザーのPC環境に直接影響を与えずに“安全な場所で、さまざまなタスクを進められる点が大きな特徴です。 具体的な活用イメージ この有能なAIアシスタントに「専用ルーム」を与えると、私たちの仕事はどう変わるのでしょうか?代表的なイメージを2つ紹介します。 活用イメージ 1: 月末締め前の社内データ自動集計とレポート化 毎月末、各部署がそれぞれの社内のファイルに保存した実績データをAIに集計・整形させ、翌朝に経営会議用の資料として届けるユースケースです。 これがChatGPTや通常のGeminiでは自動化しにくい理由は明確です。ChatGPTにデータを渡すには「ファイルをアップロードする」という人間の手作業が必ず必要です。しかしManaged Agents APIは、Googleの社内クラウドストレージ(GCS)にデータがあれば直接つないで、AIが自分でデータを読みに行くことができます。 しかも、つなぎ方が非常に安全です。「アクセスしていいのは、この特定のフォルダだけ」と事前に制限した専用の鍵(ダウンスコープされた認証トークン)しかAIに渡さないため、他の機密フォルダに勝手に触れることができない構造になっています。 活用イメージ 2: 社内システムの監視とトラブル一次対応 社内のITシステムでトラブルが発生した際、AIが自動で専用ルームに立ち上がります。AIは各種システムのエラー記録を自分で読みに行き、「なぜシステムが止まったのか」の原因を素早く特定します。 さらに、「こうすれば直ります」という解決策のテストを、安全な専用ルームの中で事前に試した上で人間の担当者に報告してくれます。人間はAIの提案を確認して「承認」ボタンを押すだけで、迅速にトラブルを解決できるようになります。 従来は人間が手元でテストして本番環境に適用していましたが、この仕組みでは隔離された安全な専用ルームを利用し、AI自身が「解決策のテスト(リハーサル)」まで自動で済ませてくれます。人間はAIの検証結果を確認してボタンを押すだけで済むため、復旧作業が劇的に早くなります。 おわりに Google Cloudの Managed Agents API は、AIに「安全な専用の作業部屋」を与えることで、単なる受け答えツールから「実務を最後までやり遂げる自律的なアシスタント」へと進化させる画期的なサービスです。 これまでネックになっていた「AIに大量の文章を送る莫大なコスト」や「AIが作業する安全なパソコンを用意する手間」を一気に解消してくれます。高度な業務の自動化を検討している企業にとって、これ以上ない強力な武器となるでしょう。ぜひ自社の業務プロセスにどう活かせるか、検討を始めてみてはいかがでしょうか。 なお、本記事で扱うManaged Agents APIは、提供形態や時期によってPreview / Private Previewなどの扱いが異なる場合があります。本番利用や機密データの取り扱いを検討する場合は、最新の公式ドキュメント・利用条件・料金ページを確認する必要があります。 システムサポートでは、Google Cloudの導入や活用を支援しております。 Google Cloudを導入したい・導入したけど使いこなせていない…という方は、お気軽にご相談ください! Google Cloud 導入・活動支援に関するご相談はこちら 頂きましたご意見につきましては、今後のより良い商品開発・サービス改善に活かしていきたいと考えております。 よく分かった 興味がある 分からなかった Author rr Google Cloudの生成AIを活用した案件に参画 趣味は旅行で47都道府県制覇済み Gemini Google Cloud Vertex AI 2026年6月11日 Google Cloud「Managed Agents API」:ただの生成AIから自律的に働く優秀なアシスタントへの変貌 Category Google Cloud 前の記事を読む 【セキュリティ×AIエージェント】garak (LLM Vulnerability Scanner)を使ってみた Recommendation オススメ記事 2023年9月5日 Google Cloud 【Google Cloud】Looker Studio × Looker Studio Pro × Looker を徹底比較!機能・選び方を解説 2023年8月24日 Google Cloud 【Google Cloud】Migrate for Anthos and GKEでVMを移行してみた(1:概要編) 2022年10月10日 Google Cloud 【Google Cloud】AlloyDB と Cloud SQL を徹底比較してみた!!(第1回:AlloyDB の概要、性能検証編) BigQuery ML ワークショップ開催のお知らせ 生成AI導入支援パッケージ Discovery AI導入支援パッケージ Google Cloud ホワイトペーパー 新着記事 2026年6月11日 Google Cloud Google Cloud「Managed Agents API」:ただの生成AIから自律的に働く優秀なアシスタントへの変貌 2026年6月11日 技術開発 【セキュリティ×AIエージェント】garak (LLM Vulnerability Scanner)を使ってみた 2026年6月8日 Google Cloud CX Agent Studioとは?次世代AIエージェントが与えるビジネスインパクト HOME Google Cloud Google Cloud「Managed Agents API」:ただの生成AIから自律的に働く優秀なアシスタントへの変貌