Vertex AI Agent Engineは、AIエージェントを構築・デプロイ・管理するためのサーバーレスなプラットフォームです。

• インフラ管理不要: サーバーレスで動作し、トラフィックに応じて自動スケーリング。
• フレームワーク非依存: LangChain, LangGraph, LlamaIndex 等で書かれたコードをそのままデプロイ可能。
• エンタープライズ機能: IAMによるアクセス制御、Cloud Logging/Monitoring との統合、長期記憶を管理する仕組みが提供されています

特に LangGraph と組み合わせることで、複雑なループ処理や人間が介在するフロー（Human-in-the-loop）を、Google Cloudの堅牢な基盤上で安全に動かすことが可能になります。

本記事では、以下の環境・設定を前提としています。

• 開発環境: Windows / VS Code (拡張機能: Python, Jupyter)
• 言語: Python（デプロイ可能な言語は現在 Python のみです）
• Google Cloud プロジェクト: 作成済みであること
• データベース: チャット履歴の長期記憶用に Cloud SQL (PostgreSQL) を使用

3.1 APIの有効化

gcloud services enable \

    aiplatform.googleapis.com \

    storage.googleapis.com \

    sqladmin.googleapis.com \

    logging.googleapis.com \

    monitoring.googleapis.com \

    cloudtrace.googleapis.com

3.2 仮想環境の構築とSDKインストール

# プロジェクトフォルダ作成し、移動

mkdir your-project

cd your-project

venv\Scripts\activate



#インストール

pip install google-cloud-aiplatform[agent_engines,langchain]>=1.112.0

3.3 初期化

# 認証情報の初期化

gcloud auth application-default login

# Vertex AI Agent Engine の SDK のインポートと初期化

import vertexai

from vertexai import agent_engines



client = vertexai.Client( # For service interactions via client.agent_engines

project="PROJECT_ID", #自身の環境に置き換えてください

location="LOCATION", #自身の環境に置き換えてください

)

3.4 Cloud Storageバケット作成

前提に記述した通り、本手順では「エージェントオブジェクト」からデプロイするため、Cloud Storageバケットを作成する必要があります。以下の手順は参照してください。
https://docs.cloud.google.com/agent-builder/agent-engine/set-up?hl=ja#storage

4.1 Gemini(モデル)と、外部API（為替レート取得）を呼び出すツールを定義する

# 使用するモデル バージョンを定義

model = "gemini-2.5-flash"



# ツールの定義

def get_exchange_rate(

    currency_from: str = "USD",

    currency_to: str = "EUR",

    currency_date: str = "latest",

):

    """指定された日付における2つの通貨間の為替レートを取得します。



    為替レートデータの取得には Frankfurter API (https://api.frankfurter.app/) 

    を使用します。



    Args:

        currency_from: 基準通貨 (3文字の通貨コード)。

            デフォルトは "USD" (米ドル)。

        currency_to: 対象通貨 (3文字の通貨コード)。

            デフォルトは "EUR" (ユーロ)。

        currency_date: 為替レートを取得する日付。

            最新のレート情報を取得する場合はデフォルトの "latest"。

            過去のレートについては YYYY-MM-DD 形式で指定可能。



    Returns:

        dict: 為替レート情報を含む辞書。

            例: {"amount": 1.0, "base": "USD", "date": "2023-11-24",

                "rates": {"EUR": 0.95534}}

    """

    import requests

    response = requests.get(

        f"https://api.frankfurter.app/{currency_date}",

        params={"from": currency_from, "to": currency_to},

    )

    return response.json()



# エージェントの構成

agent = agent_engines.LanggraphAgent(

    model=model,

    tools=[get_exchange_rate]

)

4.2 中間テスト

# テスト実行

response = agent.query(input={"messages": [

    ("user", "米ドルからスウェーデンの通貨への為替レートはいくらですか?"),

]})

※レスポンスは、次のようなディクショナリ形式になります

{"input": "米ドルからスウェーデンの通貨への為替レートはいくらですか?",

 "output": "**1米ドル（USD）あたり約10.70～10.80スウェーデン・クローナ（SEK）**です。"}

4.3 データベース（長期記憶）の設定

LangGraph の「Checkpointer」機能を使用して、会話履歴を Cloud SQL に保存します。

4.3.1 ライブラリインストール

pip install --upgrade --quiet langchain-google-cloud-sql-pg[langgraph] langchain-google-vertexai langgraph

4.3.2 カーネルを再起動

ライブラリインストール後、カーネルを再起動します。

4.3.3 Cloud SQL for PostgreSQL インスタンスを構築する
以下の手順を参考し、Cloud SQL for PostgreSQL インスタンスを作成します。
https://docs.cloud.google.com/sql/docs/postgres/create-instance?hl=ja#create-2nd-gen
 

以下の手順を参照し、IAMユーザーを追加します。開発用途として、ご自身のGoogleアカウントのユーザーを追加してください。
https://docs.cloud.google.com/sql/docs/postgres/add-manage-iam-users?hl=ja#add-policy-binding
 

Cloud SQL Studioを利用し、作成したデータベースにご自身のIAM認証で接続します。
https://docs.cloud.google.com/sql/docs/mysql/manage-data-using-studio?hl=ja
 

追加したユーザーにスキーマの権限を付与します。

GRANT CREATE, USAGE ON SCHEMA public TO "Googleアカウント";

4.3.4 テーブル初期化

# Cloud SQL データベースへのコネクションプールを構成

from langchain_google_cloud_sql_pg import PostgresEngine

engine = PostgresEngine.from_instance( 

	project_id=PROJECT_ID, 

	region=LOCATION, 

	instance="YOUR_INSTANCE_NAME", 

	database="YOUR_DB_NAME" 

)

# テーブルの初期化

engine.init_checkpoint_table(if_not_exists=True)

4.3.5 Checkpointer の組み込み

def checkpointer_builder(**kwargs):

    from langchain_google_cloud_sql_pg import PostgresEngine, PostgresSaver

    return PostgresSaver.create_sync(PostgresEngine.from_instance(**kwargs))



checkpointer_kwargs = {

    "project_id": PROJECT_ID,

    "region": LOCATION,

    "instance": "YOUR_INSTANCE_NAME",

    "database": "YOUR_DB_NAME",

}



agent = agent_engines.LanggraphAgent(

    model=model,

    tools=[get_exchange_rate],

    checkpointer_kwargs=checkpointer_kwargs,

    checkpointer_builder=checkpointer_builder,

)

4.3.6 長期記憶のテスト

# テスト実行(1ターン目)

import json

response = agent.query(

    input={"messages": [

        ("user", "米ドルからスウェーデン通貨への為替レートはいくらですか?")

    ]},

    config={"configurable": {"thread_id": "00000010"}},

)



print(json.dumps(response, indent=2, ensure_ascii=False))



# テスト実行(2ターン目)

response = agent.query(

    input={"messages": [("user", "2025年12月22日はいくらですか")]},

    config={"configurable": {"thread_id": "00000010"}},

)



print(json.dumps(response, indent=2, ensure_ascii=False))

※以下のように1ターン目の会話内容を記憶して、回答を生成していることを確認します

{

  "messages": [

…

      "kwargs": {

        "content": "米ドルからスウェーデン通貨への為替レートはいくらですか?",

…

      "kwargs": {

        "content": "米ドルからスウェーデン・クローナへの為替レートは1 USDあたり9.1673 SEKです。(2025-12-24時点)",

…      

      "kwargs": {

        "content": "2025年12月22日の米ドルからスウェーデン・クローナへの為替レートは1 USDあたり9.2431 SEKでした。",

…

}

※テーブルの中身はそれぞれ以下のようになってます

• • checkpoints

• • checkpoints_writes

5.1 サービスアカウントの準備

以下の手順を参照し、サービスアカウントを作成します。
https://docs.cloud.google.com/iam/docs/service-accounts-create
※Agent Engineの権限管理の方法は3つありますが、今回はカスタムサービスアカウントを利用します。それぞれの詳細は以下を参照してください
https://docs.cloud.google.com/agent-builder/agent-engine/set-up#identity-and-permissions
 

作成したサービスアカウントに以下のIAMロールを付与します。

• Cloud SQL インスタンス ユーザー
• Vertex AI Reasoning Engine サービス エージェント
• ストレージ管理者

5.2 チェックポイントテーブルへの権限付与

Cloud SQL Studioを利用し、作成したデータベースにご自身のIAM認証で接続します。
https://docs.cloud.google.com/sql/docs/mysql/manage-data-using-studio?hl=ja

以下のクエリを実行し、サービスアカウントにチェックポイントテーブルへの権限を付与します。

GRANT ALL PRIVILEGES ON TABLE checkpoints TO "サービスアカウント";

GRANT ALL PRIVILEGES ON TABLE checkpoints_writes TO "サービスアカウント";

5.3 Agent Engineへデプロイ

作成したエージェントをAgent Engineへデプロイします。
※必須ではないオプションは省略しているため、詳細なオプションは以下をご確認ください
https://docs.cloud.google.com/agent-builder/agent-engine/deploy#configure-agent

remote_agent = client.agent_engines.create(

    agent=agent,

    config={

        "service_account": "サービスアカウント",

        "requirements": [

            "google-cloud-aiplatform[agent_engines,langchain]",

            "langchain-google-cloud-sql-pg"

        ],

        "display_name": "表示名",

        "description": "説明",

        "env_vars": {

            "INSTANCE": "データベースインスタンス名",

            "DATABASE": "データベース名",

        },

        "agent_framework": "langgraph",

        "staging_bucket": "gs://Cloud Storageバケット名",

    },

)

デプロイ完了後、Google Cloudコンソール上に、表示されていることを確認します。

5.4 テスト

Agent Engineの動作をテストします。

remote_agent.query(

    input={"messages": [("user", "米ドルから日本通貨への為替レートはいくらですか?")]},

    config={"configurable": {"thread_id": "0000003"}},

)



print(json.dumps(response, indent=2, ensure_ascii=False))

5.5 クリーンアップ

コストを抑えるため、検証が終わったらリソースを削除します。
 

以下の手順を参照し、Cloud SQLインスタンス削除します。
https://docs.cloud.google.com/sql/docs/postgres/delete-instance?hl=ja

 
Agent Engineを削除します。

remote_agent.delete(force=True)

Vertex AI Agent Engine を活用することで、複雑な LangGraph エージェントをインフラ管理の負担なく、スケーラブルな本番環境へデプロイできました。特に Cloud SQL との統合により、セッションを跨いだ記憶を持つエージェントが構築可能になります。

急速にアップデートが続く Google Cloud のエコシステムにおいて、プラットフォームとしての Vertex AI Agent Engine が今後どのように拡張され、私たちの開発を加速させてくれるのか、その進化にはこれからも目が離せませんね。