Vertex AI Agentsの便利なところ、これからなところ

はじめに

ノーコード(ローコード)でAIエージェントが構築できるツールが増えています。 例えば以下のようなものです。

• Vertex AI Agent Builder
• Agents for Amazon Bedrock
• Microsoft Copilot Studio
• Dify
• Coze

今回の記事では、その中からGoogle CloudのVertex AI Agent Builderをピックアップします。
LangGraphやAutoGenなどのエージェント構築フレームワークとの比較を念頭に置きつつ、
便利なところ、これからなところを紹介していきます。

なお、以前の記事で以下のことには触れているため、ゴッソリ割愛して早速本題に移ります。

• Vertex AI Agent Builderとは
• Vertex AI Agentsとは

一言だけ添えると、Vertex AI Agentsは、Vertex AI Agent Builderに含まれる1つの機能です。
以降の表現もVertex AI Agentsで統一します。

便利なところ

まず、便利なところを列挙します。

• ノーコードによる簡単なエージェント構築
• Google Cloudとのネイティブな統合
  • Cloud Logging、BigQueryへのログ出力
  • ツールとしてのデータストアの活用
• SlackやGoogle Chatなどとの簡単な連携
• 外部APIをツールとして呼び出し可能

順番に説明していきます。

ノーコードによる簡単なエージェント構築

Agents for Amazon BedrockとMicrosoft Copilot Studioにも軽く触れてみましたが、
Vertex AI Agentsが一番簡単かつ直感的にエージェントを構築できるのではないかと感じています。
(なお、完全な主観ですしポジショントークでしかありません)

ただしその裏返し(？)で、Vertex AI Agentsは機能的には簡素だと感じます。

Google Cloudとのネイティブな統合 - Cloud Logging、BigQueryへのログ出力

コンソールからチェックをつけるだけで、
Cloud Logging、BigQueryにログが出力されるようになります。

以下のような情報がCloud Loggingに出力されます。

• 入力、出力テキスト
• 入力、出力トークン
• リクエストを受けた時間
• セッションID
• エージェントID

※BigQueryへ出力される情報は上記と異なります。

Google Cloudとのネイティブな統合 - ツールとしてのデータストアの活用

BigQueryやCloud Storage、WEBサイトにあるデータについて質問できるツールを設定できます。
Vertex AI Searchで設定するデータストアと似ています。(ほぼ同じである理解です)

SlackやGoogle Chatなどとの簡単な連携

以下のようなコミュニケーションツールと簡単に連携できます。

外部APIをツールとして呼び出し可能

Cloud Run Functionsなどに定義した関数をツールとして呼び出せます。
以下のように、OpenAPIのスキーマを定義して、ツールとして登録します。

これからなところ

今後の拡充と発展に期待したいところを列挙します。

• 限られたドキュメント
• 使用できるモデルの少なさ
• 挙動制御の難しさ
  • エージェント間のループ
  • エージェント間の情報の受け渡し
  • Human-in-the-loop

以下の2つについてはExamplesによって疑似的に再現できるため、合わせて解説します。

• エージェント間の情報の受け渡し
• Human-in-the-loop

限られたドキュメント

2024/9時点で、特に日本語の情報が少なめです。

• 簡単な公式ドキュメント(英語版も情報量はあまり変わらない)
• サンプル(ほぼ)なし
• 特に日本語のやってみた系記事(ほぼ)なし

使用できるモデルの少なさ

使用できるモデルは以下3つです。

• Gemini 1.5 Flash
• Gemini 1.0 Pro
• Text Bison

挙動制御の難しさ - エージェント間のループ

Vertex AI Agentsで作れるのはピラミッド型の階層をもったエージェントです。

基本的に、頂点にいるエージェントが各エージェントに対して指示を渡し、
タスクが完了したら頂点のエージェントに戻るといった流れのみ作成できます。
つまり、ピラミッドの底にいるエージェント同士が
何往復か会話をループしてタスクを解決するような構造のエージェントは作成できません。

挙動制御の難しさ - エージェント間の情報の受け渡し

エージェントが保持する情報(LangGraphのStateのようなイメージ)を、エージェント間で受け渡す機能がありません。
ただし、Examplesの機能で疑似的に再現できるようになっています。

Examplesは、LLMに持たせるFew-shotのプロンプトです。
以下のように会話の具体例をプロンプトとして持たせることで、挙動をその通りに制御することを目的としています。

そしてExamplesには「Input＆Output」という項目があります。

これは、定義できる以下の情報をエージェント間で「できる限り」受け渡そうとしてくれるものです。

• 文字列
• 数字
• ブール値
• ツール固有のパラメータ
  • 分岐前のエージェントで使用したツールからの情報など。例えば、ユーザーIDなど。

あくまでプロンプトであるため、意図した情報の受け渡しが行われるか確実ではありません。

挙動制御の難しさ - Human-in-the-loop

例えばツール実行前にユーザーに確認を求めるような機能はありません。
ただし、こちらも同じくExamplesによって疑似的に再現できます。

そして同じく、あくまでプロンプトであるため、ツール使用前に確実にユーザーに確認してくれるとは限りません。

まとめ

Vertex AI AgentsはExamplesによる挙動制御が構築の肝になると感じています。
想定される会話の数だけExamplesを登録する必要があり、
一方でExamplesはプロンプトであるためインプットのトークン数の制限もあるので、
複雑なエージェントの構築を目指す場合は制約となる可能性があり、管理も大変です。

ただ、シンプルな画面で簡単にエージェントを構築できる点は本当に便利です。

ノーコードでの構築という趣旨とは外れますが、
DialogflowのAPIから独自のものにリプレイスされる様子(時期不明)で、 今後のアップデートにも色々と期待です。